先按当前阶段补知识
这里不是让你从头到尾学一遍 AI，而是帮你围绕团队当前阶段，补最需要的知识与方法。先判断自己在哪，再进入对应 Phase，学习效率会更高。
建议先结合推进路径判断当前位置，再进入对应阶段补齐关键能力。
不需要一次学完全部，而是围绕当前阶段优先补最关键的知识和方法。
已上线内容可以直接进入学习，待补充内容代表方向已经明确，内容还在完善。
认识 AI
阶段目标：先建立基础判断，知道 AI 能做什么，也知道哪些场景还不能依赖它。
这是团队进入 AI 时代的起点。重点不是立刻做复杂落地，而是先完成工具与模型选型，建立对能力边界、交互方式和常见误区的基本理解。
现状评估
阶段目标：判断团队和项目当前是否适合引入 AI，并识别最合适的切入点。
这一阶段重点是先评估现状，而不是盲目推进。你需要看清团队协作方式、项目结构、版本管理习惯和成本意识，明确 AI 能从哪里真正产生价值。
学习基础
阶段目标：补齐真正开始使用 AI 所需的核心基础能力。
当团队准备正式进入 AI 协作阶段时，就需要补齐一组共通基础：怎么提问、AI 如何执行、如何调用工具、如何处理实时交互，以及如何让 AI 读懂更多项目上下文。
选择方法
阶段目标：结合项目特征和目标，选择更合适的 AI 开发方法。
这一步不是继续堆概念，而是开始建立方法意识。不同项目适合不同方式：Spec 驱动、TDD、Review、Brainstorming 和平台化能力选择，都属于这个阶段要做出的关键判断。
规划落地
阶段目标：把选定方法组织成可执行、可协作、可落地的推进方案。
到了这个阶段，重点是从“知道怎么做”走向“如何系统推进”。你需要考虑自动化、技能扩展、协作规范、上下文组织和异常处理，确保方法真正能够被团队执行起来。
实战演练
阶段目标：在真实任务中练习复杂协作，让 AI 进入多步骤、多角色、多系统的实战场景。
这一阶段重点是真刀真枪地做起来。你会开始接触多 Agent 协作、复杂工作流、长期记忆、RAG 优化与系统调试，在边做边学的过程中不断校正方法。
复盘优化
阶段目标：从“做出来”走向“做得更稳、更安全、更可持续”。
进入复盘优化阶段后，重点不再只是完成任务，而是开始系统评估成果与问题。你需要建立安全、合规、评估、成本和生产化视角，让 AI 能力长期稳定地服务团队与业务。
Safety & Alignment
确保 AI 在真实业务环境中的安全性与可控性
数据隐私与合规
满足企业场景下的数据安全与合规要求
团队协作模式
建立多人、多角色、多阶段的 AI 协作机制
Cost Optimization
在性能、质量与成本之间建立更合理的平衡
Evaluation体系
建立 AI 输出质量与业务效果的评估体系
Production Considerations
处理生产环境中的稳定性、监控与部署问题
Advanced Reasoning
理解更复杂推理任务下的设计与优化方式
Custom Tool Development
开发适配业务场景的自定义工具与能力接口
Fine-tuning
理解模型微调的价值、边界与适用条件
如果想看具体做法，可以从案例开始
如果你已经大致知道某种方法适不适合自己，但还想看更具体的使用方式，可以先看这些案例。它们作为知识库的补充入口，帮助你把方法和真实场景对应起来。
先判断阶段，再补对应知识
每个 Phase 都对应团队引入 AI 过程中的一个关键阶段。你可以先从推进路径判断当前位置，再进入对应 Phase，补齐这一阶段最需要的知识与方法。