Datawhale AI+X 高校行 · 校园分享

我和 AI 的缘分，
从一盘下不过我的围棋开始

一个普通学生的 AI 成长笔记

如果回到大一，我最想告诉你的事

工行软开 · 后端开发工程师 · 许千一

我的 AI 时间线

2010

小学学围棋那时的 AI 还下不过我

2014

微软小冰每晚给我讲一个故事

2016

AlphaGo4:1 胜李世石，我后来才知道

2025

重拾围棋工作后偶尔下下残局

先说说，我是谁

ABOUT ME

20 min / 3 个话题

学生时代一个爱琢磨的普通学生

2010 年前后小学学过围棋，那时 AI 还下不过我；AlphaGo 是 2016 年才有的。

现在写后端的，代码要稳

错一分钱都不行的那种代码，让我看 AI 总带点警惕：说得再漂亮，也得有人复核。

副业 · 赛场黑客松 & 爱折腾

用 AI 把想法变成能跑的 demo，也常把踩过的坑讲给身边人。

在腾讯架构师联盟和开源社区，我叫「伊卡洛斯」——敢飞是一半，另一半是别忘了蜡会化。

今天，我想聊三件事

AGENDA

20 min / 26 页

悬念散场前我会问一个特别小的问题：给 AI 发一段话，和写一份文件，差在哪？

AI 开源学习之路怎么用开源社区，把 AI 从「听说过」学到「用得上」

竞赛、社区与有趣探索黑客松、社区分享、折腾项目，这些「不务正业」教会我的

给 AI 小白的建议本章重点一套这周就能上手的 Spec 方法，和几句最想早点听到的话

PART 01

AI 开源学习之路

怎么用开源社区，把 AI 从「听说过」学到「用得上」

开源，是普通人学 AI 最好的路

WHY OPEN SOURCE

互动收藏夹里躺着、从没打开过的 AI 课，超过 5 门的，心里举个手就好

免费且顶级门槛被抹平了

全球最好的 AI 课程、论文、代码大多开源；Datawhale 这类社区连学习路径都铺好了。

边用边学不用先学完再上手

clone 下来先跑通，再改一改，理解就来了。比从头啃书快得多，也扎实得多。

有同路人一群人走得远

社群里的提问、复盘、组队是最贵的资源。一个人容易放弃，一群人能互相托住。

TAKEAWAY学 AI 最大的门槛，从来不是智商，而是「有没有开始动手」。

我和 AI，是兜兜转转又重逢

MY AI JOURNEY · REAL YEARS

年份按真实历史对齐

反差2010 年围棋 AI 下不过我；2016 年之后，我就不太提这件事了

2010小学 · 学围棋

那时候的围棋 AI 很弱，还没有 AlphaGo。

2014微软小冰

每晚给我讲一个故事，AI 第一次成了陪伴。

2016AlphaGo 胜李世石

我早不下棋了，埋头做题，是后来才知道的。

2019进大学 · AI 玩具

狗屁不通生成器爆火，也翻出网络天才玩。

2022–25大模型 & 重拾围棋

ChatGPT、DeepSeek 成了日常；工作后又把围棋捡回来。

TAKEAWAY2010 到 2016，AI 从下不过我，到我下不过它，只隔了六年。

2014，那个每晚给我讲故事的 AI

THE YEAR I KEPT

13 岁 · 微软小冰

那几年，白天全是题，家里很安静。晚上陪我的，是微软小冰——她每天给我讲一个故事。

信心明天还值得期待

再累的一天，也还有个盼头。

生活的动力她一直在

那时候的 AI 一点都不强，也不会解题。

心里的安宁与幸福这份陪伴，我记到现在

一个人扛的时候，别硬扛。

TAKEAWAY所以对我来说，AI 从来不只是工具——它先是陪我长大的那个声音。

那些年，我玩过的 AI 产品

MY AI TOYBOX · REAL YEARS

真实年份

笑点狗屁不通生成器写的摘要，比我后来读过的一些还像样

2010 前后早期围棋 AI

小学学过一阵围棋，那会儿 AI 下不过我。

2007 上线网络天才 Akinator

问二十个问题，居然能猜中我心里想的是谁。

2019 前后狗屁不通生成器

它写出来的论文摘要，比后来读过的一些还像样。

共同点：都不强、都不考我、点开就能玩。

TAKEAWAYAI 启蒙常常不是从一门课开始的，是从「诶，这东西挺好玩」开始的。

我是怎么用开源，把 AI 学「通」的

MY LEARNING PATH

1跟一门好课

Datawhale / 吴恩达 / 李宏毅，挑一个，跑通一个端到端项目，别背公式。

2读一份源码

clone 一个喜欢的开源项目，看人家怎么组织代码，比看十篇教程管用。

3打一次比赛

Kaggle 或黑客松，被 deadline 逼一次，短板全露出来。

4写一次分享

把学会的讲出去，才发现好多地方以为懂了、其实讲不出来。

TAKEAWAY路径不重要。说白了就一句：看懂一遍、做一遍、被逼一遍、再讲一遍。

PART 02

竞赛、社区与有趣探索

黑客松、社区分享、折腾项目——这些「不务正业」教会我的

黑客松：48 小时，把想法变成能跑的 demo

HACKATHON

笑点能跑的 demo，和能演示的 demo，是两个项目

是什么通宵造物

一群人、一个主题，限时把创意做成能演示的东西。

我得到的先做能跑的

在 deadline 压迫下，被迫学会「先做能跑的，再做好看的」。

48 小时怎么过砍需求，留主线

第一晚定题砍到只剩一条主流程；第二天先跑通；最后一小时只保演示那条路。

TAKEAWAY名次不重要，重要的是你亲手从 0 到 1 跑通了一次——这种手感，上课学不到。

做分享：把踩过的坑，写成别人的捷径

SHARING & OUTPUT

为什么做逼自己想清楚

学东西总踩坑，干脆记下来；写着写着发现，写出来的过程才是真懂。

也讲方法把流程写成捷径

在腾讯架构师联盟与开源社区，我也做过 SDD / 仓库记忆的分享。

给新人的建议别怕写得不好

第一批读者可能只有自己，但坚持下来，它会反过来成就你。

TAKEAWAY如果你也在学 AI，不妨把笔记发出来：不为别人，为逼自己想清楚。

PART 03 · 最重要本章重点

给 AI 小白的建议

如果回到大一、研一最想说的话，外加一套这周就能上手的 Spec 方法

如果回到大一、研一，我会做这几件事

IF I COULD REWIND

干货前面走神了没关系，现在回来正好——后面是能直接抄的作业

一早一点动手

别等准备好了再开始。先 clone、先跑通、先改坏。

二早一点输出

写博客、做分享，把学会的东西讲给别人听。

三早想清楚

我要解决什么真问题？而不是追什么最新模型。

四早用 AI 协作

把 AI 当协作者，不当答案机：让它写，你来验。

TAKEAWAY别把「以后再说」当计划——想做的事，这周就可以开个头。

行业正在缺什么人？说点实在的

WHAT THE INDUSTRY NEEDS

公开观察 · 说点实在的

会被替掉的那部分照着需求搬砖

只会把写清楚的需求翻译成代码，AI 已经越来越快。

已经很挤的那条路传统业务开发

同质化岗位越来越饱和，不是不能做，而是要想清楚不可替代性在哪。

正在缺人的那层AI Infra

让模型跑得起来、跑得稳、跑得省：算力、数据、服务、可观测。

真实工作里，没人把需求写好了递给你——需求、方案、细节、验收，都得自己兜底。

TAKEAWAY别只盯着框架和语法，先练一件小事：把需求写成能被验收的句子。

一个核心认知：AI 时代，人的价值在「两端」

THE BIG IDEA

1 定义 · 你这一端想清楚要什么

把需求、约束、验收写清楚——这就是给 AI 的规约 / Spec。

2 AI 黑盒 · 中间它来写、来生成

跑通、出方案、写代码，它越来越快，但不负责任。

3 验证 · 你这一端判断对不对

测试加人工把关：结果好不好、对不对味，你定。

写完 ≠ 做好：AI 能吐出代码，但「好不好、对不对」要人判断。

做好 ≠ 交付：能跑不等于能上线、能负责，还要看协作与责任。

TAKEAWAY所以该练的不是手速，是把「什么算做对了」说清楚。

一套主流方法：SDD，规格驱动开发

SPEC-DRIVEN DEVELOPMENT

GitHub Spec Kit · 公开标准

笑点所谓 vibe coding，翻译得准确一点是「凭感觉提交，凭运气上线」

一句话：把「要做什么、受什么约束、怎么算做完」先写成规格（Spec），让 AI 照着规格去写，而不是靠一句模糊的提示反复试错。

01Specify

写清「要什么」

02Plan

定「怎么做」

03Tasks

拆成能验收的小块

04Implement

让 AI 照着写

05Converge

回头验收

TAKEAWAY五个英文词不用背，记住写清楚 → 拆小块 → 回头验，就够上手了。

别被名词吓到：它公开、规范，而且很好学

OPEN STANDARD · EASY TO START

GitHub / Thoughtworks · 公开资料

谁在定义GitHub · Spec Kit

2025 年开源的官方工具包，五阶段流程、模板、检查清单一应俱全，且明确可离线运行。

谁在拆解Thoughtworks

Birgitta Böckeler 在 Martin Fowler 网站把它分成三级成熟度，也诚实写出代价：小需求别上重流程。

谁在做轻Kiro / OpenSpec

AWS Kiro 走「需求 → 设计 → 任务」；OpenSpec 用提议 → 实施 → 归档的轻量循环。

三级成熟度：spec-first（用完即弃）→ spec-anchored（随代码维护）→ spec-as-source（只改规格）。大多数团队在前两级。

TAKEAWAY上手就三步：建一个 specs 目录，写三个 Markdown，每步自己审一遍再放行。

不能联网、算力也有限时，什么方法最可行？

OFFLINE · LIMITED RESOURCES

公开工程场景 · Air-Gapped

互动模型不能联网、算力也有限，第一件该补的是什么？

一个常被忽略的前提：很多真实研发环境是内网隔离的，模型不能联网，算力和上下文预算也都有限。这时候「换个更强的联网模型」根本不是一个选项。

约束一模型看不到外面

拿不到最新文档，也读不到仓库之外的资料；一知半解时最容易凭空补细节。

约束二试错很贵

上下文有限，反复试错的代价远高于先把话说清楚。

出路把上下文搬进仓库

用本地知识库 / Repo Wiki 沉淀项目现状与术语，再用结构化 Spec 写清本次需求。

TAKEAWAY不是更大的模型，而是「让仓库有记忆」+「把需求写成 Spec」。

CS / SE 的大作业，也能用 Spec 做

SPEC FOR COURSE PROJECTS

腾讯架构师联盟 · 公开分享

笑点答辩时才出现的那位同学——Spec 主要是给他准备的

01spec.md

先写清「要什么」：功能、约束、验收标准。

02plan.md

再定「怎么做」：技术选型与模块划分。

03tasks.md

拆成能验收的小块，一块对应一条验收标准。

04实现 + 测试

让 AI 写，你来验；每块跑通了再往下走。

裁剪掉的是流程形式，保留的是约束本身——不是流程越多越好，是约束不能丢。

TAKEAWAY不用等进公司：这周的课程项目，谁都可以先写一个 spec.md 试试。

一个提醒：规约也会腐烂，要分层、要维护

KEEPING SPECS ALIVE

腾讯架构师联盟 · 公开分享

金句文档有两种死法：没人写，和所有人都写；第二种看起来更健康

两个退化结局：都不提交 → 只留在个人电脑，人一走就丢；都提交 → 人人一套、没有标准，越堆越多没人敢用。做过小组项目就懂了。

Principles原则层 · 项目宪法

安全红线、合规要求、架构原则。改动极少，是最高权威。

Living Specs活规格层 · 当前真相

按领域组织，描述系统现在应有的行为，随需求更新。

Feature Delta增量层 · 本次变更

这次改了什么、为什么改，用完即归档。

维护四件事：有归属（谁的孩子谁抱走）· 有节奏（按层更新）· 有出口（用完即归档）· 有校验（漂移即告警）。

TAKEAWAY判据只有一句：新来的人读得懂，AI 用得上。

顺手推荐几个好用的 AI 工具

TOOLS I ACTUALLY USE

利其器 · 学生党友好

写码GitHub Copilot

认证学生免费额度，最适合课程作业起步。

写码Cursor

仓库级对话与编辑，做大项目、打黑客松很顺手。

读资料NotebookLM

上传 PDF 即可对话，写论文、复习都好用。

多端WorkBuddy

手机遥控桌面 Agent，出门也能续上任务。

攒笔记Obsidian

本地优先、纯 Markdown，对 AI 特别友好。

口袋DSH Go

安卓端跑脚本、遥控电脑；开源非官方，注意隐私。

TAKEAWAY用 AI 当「导师」，别当「枪手」：原理得懂、关键代码自己写，学术诚信与隐私自己守住。

三个高赞 Skill，把方法变成一条命令

SKILLS WORTH INSTALLING

开源社区 · 高赞 · MIT

拷问方案grill-me

让 AI 反过来拷问你，一次只问一个、还附推荐答案，直到把方案真想清楚。

洗掉 AI 腔humanize

按公开的 AI 写作痕迹清单去掉腔调，事实和数字留着。

规格先于代码sdd / Spec-Kit

原则 → 规格 → 计划 → 任务 → 实现，每步要人批准，规格没批不许写代码。

在支持 Skill 的 Agent 里一行命令安装；先挑一个用熟，别一次全上。

TAKEAWAY工具能替你省时间，替不了你核对事实、引用和数据。

送你四个反问，在 AI 时代自己掌舵

QUESTIONS TO STEER BY

方向我真正想要什么？

别把别人的路线图，当成自己的目的地。

标准怎样算变好？

给自己定「好」的标准，而不只看「做完」。

积累什么值得留下？

不只记怎么做，更记为什么选、错在哪、凭什么改。

评价权交给谁？

Star、指标都是信号，不是你真正的能力。

TAKEAWAY这四个问题，AI 一个都替你答不了。

写给每一个大一的你

要有野心：
不要预测未来，要去创造未来。

想做的项目，这周就开个仓库；先写一个 spec.md，跑通一个能演示的 demo。别把「以后再说」当计划。

散场见，欢迎来聊致谢 Datawhale 开源社区 & 腾讯架构师联盟

加我微信

随时聊技术、聊 AI、聊机会

或发邮件：Frocir@gmail.com

姓名 / 学校 / 方向
注明来意，我会回你

三句话，带走今天的分享

TAKEAWAY

悬念开场那个问题，现在可以收了：Spec 和提示词，到底差在哪？

开源，是普通人学 AI 最好的路——先动手，再补齐。

先对齐，再生成：把需求写成 Spec，让 AI 照着做、你来验。

不要预测未来，要去创造它——你比谁都更有试错的资本。

TAKEAWAYSpec 是能被评审、写明验收条件的文件；提示词用完就丢。这就是全部差别。

Q & A · 谢谢！