MapFlow

PUBLIC LEARNING ROADMAP

AIGC 全链路：从 AI 图片/视频创作到独立开发 AI 应用（零编程基础路径） 学习技能树

经人工校准的私人学习树。【时间口径】estimated_minutes 已按零基础实操重估，为含练习与产出的真实投入时长（非纯理解时长），合计 8580 分钟 ≈ 143 小时。【推进结构】原 depth 0–11 线性铺开重排为 7 阶段：①环境与语言地基 ②接通 API 与成本意识 ③出图主力 ④可控生成 ⑤视频成片与合规 ⑥知识增强与智能体 ⑦产品化与端到端交付。【布局】已按此结构建成 8 个块（上述 7 阶段 + 1 条并行轨「画面审美与视觉叙事」），前端切到「按块布局」即可查看。【关键路径】环境→Python 脚本→JSON→HTTP/API→大模型 API→解码原理→提示词工程→出图工具→SD 原理→ControlNet→精修→视频生成→剪辑→需求转译→综合项目；另有工程支线（向量库→RAG→Function Calling→Agent→框架→Web 后端→部署）与视觉支线（ComfyUI、LoRA、版权、行业理解）可并行。【节奏参考】5 小时/周 约 29 周；10 小时/周 约 14 周。【特别注意】画面审美与视觉叙事为 8 周并行微训练（每天 15 分钟 + 每周 1 次 60 分钟），不阻塞主干。【方法论要点】审美节点需从被动观看改为刻意训练（命名能力 + 归因能力 + 跨域参照系）；工程支线只依赖大模型 API，可与视觉主线交替推进。

32 个知识节点 · intermediate

发布者：negi

打开互动地图登录后收藏到我的地图
知识目录

基础概念

命令行与开发环境配置

在终端执行命令、安装 Python 并配置虚拟环境，是后续所有编程学习的第一道门槛。2026 落地建议：编辑器用 VS Code（装 Python 扩展）或 Cursor；环境管理推荐 uv（比 conda 快得多、已成为主流），不习惯则用 Miniconda。

建议预留 90 分钟

学习目标

  • 独立安装 Python 与依赖
  • 理解路径、目录与虚拟环境的作用

关键概念

  • 命令行基础命令
  • Python 环境
  • pip
  • 虚拟环境

为什么学习

  • 零基础起步必须先能跑通命令、装好解释器与虚拟环境，否则无法运行任何后续代码或工具。

如何检验理解

  • 能在终端用 python --version 与 pip 验证环境，并成功创建并激活一个虚拟环境

核心技能

自主学习与文档阅读

读懂英文技术文档、跟随官方示例快速上手新工具与新模型。不单独学，融进后面每一步：每换一个新工具，强制先读官方 Quickstart 再动手，不直接抄视频教程。产出物为个人的《工具速查笔记》（Markdown），学一个工具追加一段。

建议预留 60 分钟

学习目标

  • 掌握文档阅读方法
  • 会运行官方示例
  • 能快速迁移到新工具

关键概念

  • 官方文档
  • 示例代码
  • Quickstart
  • 变更日志

为什么学习

  • AIGC 工具迭代极快，能独立读文档跟示例是维持长期竞争力的元能力。

如何检验理解

  • 能仅凭官方文档完成一个新工具的上手与最小示例运行

核心技能

Python 编程基础

掌握变量、条件、循环、函数、文件读写等核心语法，是调用 AI API 与开发应用的通用底座。【范围控制·重要】只学：变量与数据类型、条件与循环、函数、列表与字典、模块导入、文件读写、异常处理。跳过：类与继承、装饰器、多线程、异步、算法练习。目标是能读写并改写他人脚本，不是从零默写算法。推荐：B站黑马程序员 Python 入门 / Coursera《Python for Everybody》任选其一作主课；练习用《Automate the Boring Stuff with Python》前 8 章（免费在线）。进度以产出为准：能独立写出批量重命名文件、读 CSV 统计、调用公开 API 三个脚本即可前进。

建议预留 1200 分钟

学习目标

  • 掌握基础语法与控制流
  • 会定义与调用函数
  • 会读写文件与导入库

关键概念

  • 变量与数据类型
  • 条件与循环
  • 函数
  • 模块导入
  • 异常处理

为什么学习

  • 目标是独立开发 AI 应用，必须能熟练写出结构化脚本并使用第三方库，而非仅读懂语法。

如何检验理解

  • 能写出一个调用函数、处理文件并打印结果的脚本
  • 能读懂并修改官方示例代码使其运行成功

核心技能

画面审美与视觉叙事

理解构图、色彩、节奏与分镜逻辑，让作品具备专业观感。执行方式为 8 周并行微训练：每天 15 分钟刻意标注 + 每周 1 次 60 分钟深度训练。四模块权重：构图 40%、色彩 25%、节奏与分镜 25%、批判性评估 10%。核心训练法：构图标注法 / 降维色块法 / 分镜拆解表 / 四步复盘。

建议预留 1260 分钟

学习目标

  • 理解构图与色彩原理
  • 会做分镜与节奏设计
  • 能批判性评估作品

关键概念

  • 构图法则
  • 色彩搭配
  • 分镜
  • 视觉节奏

为什么学习

  • 审美决定作品上限，是提示词与工具之上的判断力基础，需持续理解与刻意观察。注意：买量素材由 CTR/ROI 筛选而非审美筛选，长期接触只训练出「效果直觉」而非「视觉判断」，且因曝光效应会固化既有偏好（同质化的真正成因）。故必须从被动观看改为刻意训练：命名能力 + 归因能力 + 跨域参照系。

如何检验理解

  • 能对自己 3 件作品做构图与色彩复盘，每份 ≥3 条可执行且可验证的改进点（验收：把改进点交给他人，对方知道手往哪放）
  • 能写出带叙事逻辑的完整分镜脚本（验收：能说明第 5 个镜头为何必须排在第 5 位，说不出即画面罗列）
  • 个人视觉资料库 ≥60 张，按构图/色彩/叙事分类且广告类占比不超过 30%
  • 《可用配色组》库 8–10 组，每组 5 色并标注适用情绪与场景

核心技能

JSON 与数据格式处理

解析与构造 JSON、处理 API 返回结构与配置文件，是调用 AI 接口的核心数据技能。练手用真实数据：导出一份广告投放报表为 JSON，解析出指定字段；再构造一个嵌套 JSON 请求体发出去。需能解释 json.loads 与 json.dumps 的区别。

建议预留 90 分钟

学习目标

  • 掌握 JSON 结构
  • 熟练使用 json 库序列化与反序列化
  • 会管理配置与密钥文件

关键概念

  • JSON 语法
  • dict/list 嵌套
  • 序列化
  • 环境变量与密钥管理

为什么学习

  • 所有大模型与图像/视频 API 的输入输出都是 JSON，必须能熟练解析与构造。

如何检验理解

  • 能解析一段 API 返回的 JSON 并提取指定字段
  • 能用 Python 构造并序列化嵌套 JSON 请求体

核心技能

HTTP 与 API 调用

理解请求/响应、状态码与鉴权，用 Python requests 调用第三方与模型 API。资源：requests 官方文档 Quickstart、MDN《HTTP 概述》、Postman Learning Center（需可视化调试时用）。验收：能正确处理 200 / 401 / 429 三种状态码并给出对应提示。

建议预留 150 分钟

学习目标

  • 理解 HTTP 请求响应模型
  • 会用 requests 发起 GET/POST
  • 能处理状态码与错误

关键概念

  • HTTP 方法
  • 请求头与鉴权
  • 状态码
  • requests 库

为什么学习

  • 目标要求从零学会 API 调用并开发 AI 应用，HTTP 调用是最直接的技术入口。

如何检验理解

  • 能用 requests 成功调用一个公开 API 并处理返回
  • 能用 API Key 完成带鉴权的 POST 请求并打印状态码

补充知识

Git 与版本控制

用 Git/GitHub 管理代码、备份与回滚，保障开发过程中的可恢复性。只学 commit / push / pull / clone / 创建仓库，不碰 rebase 与分支协作策略。资源：《Pro Git》中文版第 1–3 章（git-scm.com 免费）、Learn Git Branching（交互式）。

建议预留 60 分钟

学习目标

  • 掌握 commit/push/pull
  • 会创建仓库与托管代码

关键概念

  • 仓库
  • 提交
  • 远程推送
  • README

为什么学习

  • 对独立开发是推荐项而非核心，会用基本提交与推送即可，无需深入分支协作。

如何检验理解

  • 能将本地项目提交并推送到 GitHub 仓库
  • 能通过 commit 历史回滚一次修改

核心技能

Prompt Engineering（提示词工程）

用结构化提示词描述主体、风格、构图、光影与镜头，稳定命中目标效果。【图像提示词五段结构】主体 → 风格 → 构图 → 光影 → 镜头。资源：OpenAI Prompt Engineering Guide、Anthropic Prompt Engineering 文档、DeepLearning.AI《ChatGPT Prompt Engineering for Developers》（免费）、DAIR.AI《Prompt Engineering Guide》。验收：同一需求能写出可复现的结构化提示词并连续出图命中目标，且能解释每个模块的作用。

建议预留 300 分钟

学习目标

  • 掌握提示词结构（主体/风格/构图/光影/镜头）
  • 会写负面提示词与权重控制
  • 能针对不同工具适配提示词

关键概念

  • 提示词结构
  • 负面提示词
  • 权重与强调
  • 风格描述词
  • 镜头语言词

为什么学习

  • 能力地图将该能力定为专家级，是图像/视频稳定产出的直接决定因素，需大量刻意练习。

如何检验理解

  • 能针对同一需求写出可复现的结构化提示词并连续出图命中目标
  • 能建立自己的提示词模板库并解释每个模块的作用

核心技能

AI 图像生成工具使用

熟练使用主流出图工具与参数控制。【2026 选型结论，不必纠结】中文/通用/免费：即梦 AI（Seedream 5.0）、豆包；美学天花板：Midjourney V8.1（2026-06 起默认，出图约 4 秒）；产品还原与中文文字：Nano Banana Pro（谷歌）；开源可控与商用批量：Stable Diffusion / Flux + ComfyUI；企业商用图法务友好：Adobe Firefly。【建议路径】先用即梦 + 豆包（免费、快、中文友好）→ 再上 Midjourney → 最后转 SD / ComfyUI。产出：同一需求在 3 个工具各出 6 张，写选型对比笔记。

建议预留 360 分钟

学习目标

  • 掌握主流出图工具操作
  • 理解关键参数（步数/CFG/种子）
  • 能按需求选工具

关键概念

  • 出图工具
  • 参数控制
  • 种子与复现
  • 风格一致性

为什么学习

  • 能力地图核心工具链，目标是稳定产出想要的图片，需达到熟练并形成个人操作习惯。

如何检验理解

  • 能仅用工具与提示词产出一组风格统一的商业可用图
  • 能对比不同工具优劣并按任务选型

基础概念

Stable Diffusion 与潜空间扩散原理

理解潜空间扩散、UNet 与 VAE 协同机制，为精细控制与工作流搭建打基础。不要求手推梯度，只需理解 UNet / VAE / 采样步数各自职责，能据此判断出图异常原因而非盲调参数。资源：李宏毅《生成式 AI 导论》扩散模型章节、李沐《跟李沐学 AI》扩散模型精读、Hugging Face Diffusers 官方文档。

建议预留 120 分钟

学习目标

  • 理解潜空间扩散流程
  • 知道各组件职责
  • 能将原理用于参数调优

关键概念

  • 潜空间
  • UNet
  • VAE
  • 扩散步数

为什么学习

  • 理解原理能帮助判断参数与排查出图问题，但设计师不必实现模型，故不要求深入推导。

如何检验理解

  • 能解释 VAE/UNet 各自作用并据此判断出图异常原因

核心技能

ControlNet 与条件控制

用 ControlNet、IP-Adapter 控制姿态、边缘、深度与风格，实现精确可控出图。重点掌握线稿（Canny/Lineart）、姿态（OpenPose）、深度（Depth）三种 + IP-Adapter 风格迁移。实操建议走 ComfyUI 版 ControlNet，比 WebUI 更灵活。资源：ControlNet 官方 GitHub 模型清单。

建议预留 240 分钟

学习目标

  • 掌握常见 ControlNet 类型
  • 会组合多条件控制
  • 能调权重平衡控制与自由度

关键概念

  • 线稿/深度/姿态控制
  • 权重调节
  • IP-Adapter
  • 多条件组合

为什么学习

  • 能力地图明确要求熟练使用 ControlNet 控姿态/线稿，是稳定命中构图目标的关键手段。

如何检验理解

  • 能用线稿或姿态 ControlNet 生成与参考图结构一致的成图
  • 能用 IP-Adapter 迁移参考风格

核心技能

提示词优化与结构化输出

通过格式约束、模板与 JSON Schema 控制输出可解析性，是让 AI 能力接入程序的关键。资源：OpenAI《Structured Outputs》官方文档、JSON Schema 官方规范、少样本（few-shot）写法。验收：让模型按自定义 JSON Schema 输出并被程序 100% 解析成功，且具备解析失败自动重试逻辑。

建议预留 120 分钟

学习目标

  • 掌握结构化输出设计
  • 会用少样本与格式约束
  • 能处理解析失败与重试

关键概念

  • JSON Schema
  • 少样本示例
  • 输出校验
  • 重试策略

为什么学习

  • 要让模型输出被程序稳定解析，必须会用结构化提示与 schema 约束。

如何检验理解

  • 能让模型按指定 JSON Schema 输出并被程序成功解析
  • 能编写少样本示例提升输出稳定性

核心技能

大模型 API 集成（Hugging Face 生态与模型调用）

调用主流大模型与推理接口，实现对话、图像与多模态能力串联。【成本提示】国内厂商均有免费额度，起步阶段可零成本：DeepSeek / 通义千问 / 智谱 GLM / Kimi 中文友好、价格低。补充：Hugging Face 官方 LLM Course（免费系统课）。想接海外模型再看 OpenAI / Anthropic 文档。验收：写一个命令行聊天脚本，支持切换两家不同厂商的模型，连续对话 10 轮不崩。

建议预留 200 分钟

学习目标

  • 掌握模型 API 的调用范式
  • 会管理多厂商密钥与参数
  • 能串联文本与多模态接口

关键概念

  • API 鉴权
  • 对话消息格式
  • 参数调节
  • 多厂商对比

为什么学习

  • 能力地图明确要求熟练调用 OpenAI/Claude/国产大模型接口，是应用开发的主干能力。

如何检验理解

  • 能接入至少两个不同厂商的模型 API 完成对话
  • 能比较并选择合适的模型与参数

核心技能

LoRA 图像微调与风格/角色定制

通过低秩适配训练特定角色或画风，解决一致性难题。【落地建议】直接用自训 LoRA 做「水墨三国」画风，与在推的卡牌项目合并为同一件事。资源：kohya_ss 训练脚本文档、秋叶 LoRA 训练整合包（Windows 一键）、Civitai 找同类画风数据集参考。验收：用该 LoRA 在新场景下能稳定还原画风且不过拟合。

建议预留 240 分钟

学习目标

  • 掌握 LoRA 训练流程
  • 会准备与标注数据集
  • 能调参并评估效果

关键概念

  • 数据集准备
  • 训练参数
  • 权重融合
  • 过拟合判断

为什么学习

  • 能力地图要求用 LoRA 定制风格与角色一致性，需能按标准流程训练并投入使用。

如何检验理解

  • 能训练一个角色 LoRA 并在新场景中稳定还原该角色

补充知识

文本生成原理与解码策略

掌握自回归解码、采样策略与温度控制，理解为何同一提示词输出会变化。只需理解，不要求手推反向传播。资源：Andrej Karpathy《Let's build GPT》（YouTube，有中文字幕）、Hugging Face LLM Course 的 decoding strategies 章节。验收：能用同一提示词在不同 temperature 下跑 5 次，指出差别并说清原因。

建议预留 90 分钟

学习目标

  • 理解自回归生成
  • 掌握采样策略与温度
  • 能将原理用于调参

关键概念

  • 自回归解码
  • Top-k/Top-p
  • 温度
  • token

为什么学习

  • 理解解码参数（temperature、top-p）能帮助调优提示词稳定性，但无需深入实现细节。

如何检验理解

  • 能解释 temperature 与 top-p 对生成结果的影响并据此调参
  • 能为不同任务选择合适的采样策略

核心技能

Function Calling 与工具使用

让模型调用外部 API 与函数，扩展智能体的行动能力，是 AI 应用的关键机制。资源：OpenAI Function Calling 官方文档、Anthropic Tool use 文档、OpenAI Cookbook（工程最佳实践，最值得反复翻的一手资料）。验收：定义一个函数工具让模型正确调用，并串联 2 轮以上工具调用完成任务；能处理参数填错并让它重试。

建议预留 150 分钟

学习目标

  • 理解工具调用协议
  • 能定义并注册函数工具
  • 能处理多轮调用结果

关键概念

  • 工具定义
  • 调用协议
  • 参数校验
  • 多轮编排

为什么学习

  • 独立开发 AI 应用需要让模型驱动真实动作（调出图接口、读写数据），必须能熟练实现。

如何检验理解

  • 能定义一个函数工具并让模型正确调用它
  • 能串联多轮工具调用完成一个任务

核心技能

调试与问题排查

通过报错信息、日志与搜索定位并解决代码与流程中的问题。零基础最容易卡住的地方就是报错，必须能独立定位才能持续推进。重点练一件事：怎么向 AI 描述报错——贴完整 traceback + 你的意图 + 已试过的办法，比问「为什么报错」快十倍。资源：Real Python 的 Debugging 专题。验收：报错笔记 ≥ 5 条。

建议预留 120 分钟

学习目标

  • 读懂报错信息
  • 会用 print/日志调试
  • 会搜索与求助

关键概念

  • 异常栈
  • 日志输出
  • 最小复现
  • 搜索引擎用法

为什么学习

  • 零基础学习者最易卡住的地方就是报错，必须能独立定位问题才能持续推进。

如何检验理解

  • 面对一条报错能定位到出错行并独立修复
  • 能用日志确认程序执行到哪一步

补充知识

向量数据库与 Embedding

理解文本嵌入与相似度检索，为 RAG 与知识增强应用打基础。资源：DeepLearning.AI《Vector Databases: from Embeddings to Applications》（免费短课）；向量库任选一个上手：Chroma（最轻）/ Qdrant / FAISS。验收：能说清余弦相似度在做什么、分块策略为什么影响效果。

建议预留 120 分钟

学习目标

  • 理解嵌入与相似度
  • 会使用一个向量库
  • 能完成基础检索流程

关键概念

  • Embedding
  • 余弦相似度
  • 向量库
  • 分块策略

为什么学习

  • RAG 是 AI 应用常见需求，需会用向量库完成检索，但不必深入索引实现。

如何检验理解

  • 能用嵌入模型将文档存入向量库并检索出最相关片段

核心技能

ComfyUI 节点工作流搭建

以节点方式编排可复用的出图/出片流水线，实现批量化与稳定可控，是把控流程与后续自动化的基础。资源：ComfyUI 官方文档与 Examples 页（最好的一手材料）、ComfyUI Manager（装插件必备）、B站 ComfyUI 系统课。【硬件提示】本地跑大模型对显存有要求，笔记本易劝退，可先用云端 ComfyUI 服务过渡，别一上来就买设备。验收：搭出一个可复用工作流并导出 JSON，批量跑通 10 条提示词。

建议预留 240 分钟

学习目标

  • 理解节点式工作流
  • 会搭建与复用流水线
  • 能批量与自动化执行

关键概念

  • 节点编排
  • 工作流复用
  • 批处理
  • 参数暴露

为什么学习

  • 目标是全流程可控与稳定产出，节点化工作流是把控流程、批量复用与后续自动化的基础。

如何检验理解

  • 能搭出一个可复用的出图工作流并批量处理一组提示词
  • 能导出工作流并解释关键节点

核心技能

图像精修与局部重绘

用局部重绘/后期工具修复 AI 出图瑕疵，提升成图专业度，是交付商用水准作品的必要收尾环节。重点练：修手、修文字、去瑕疵、统一色调。资源：ComfyUI / SD WebUI 的 Inpainting 文档、Photoshop 生成式填充（修手改字最省事）。验收：交付前会习惯性检查手指与文字——这两个是 AI 图的经典翻车点。

建议预留 180 分钟

学习目标

  • 掌握局部重绘
  • 会基础后期与调色
  • 能修复手部/文字等常见瑕疵

关键概念

  • Inpainting
  • 蒙版
  • 调色
  • 瑕疵修复

为什么学习

  • 能力地图要求熟练精修，是交付商用水准作品的必要收尾环节。

如何检验理解

  • 能对一张 AI 出图完成局部重绘修复并输出干净成图

核心技能

RAG 检索增强生成

结合向量检索与生成模型，为应用注入私有知识库，是 AI 应用落地最常见的形态。【落地建议】用工作场景做题：把广告投放 SOP + 平台规则 + 历史投放复盘做成可提问的问答库。资源：DeepLearning.AI《Building and Evaluating Advanced RAG Applications》、LangChain / LlamaIndex 各自的 RAG 教程；进阶了解召回 + 重排（rerank）。验收：能回答且给出处，并能评估与改进召回质量。

建议预留 200 分钟

学习目标

  • 掌握 RAG 流程
  • 会组装检索与生成
  • 能评估与改进召回质量

关键概念

  • 检索链路
  • 上下文拼接
  • 召回与重排
  • 知识库更新

为什么学习

  • RAG 是 AI 应用落地最常见的形态，独立开发需要能按标准模式搭建。

如何检验理解

  • 能搭建一个基于自有文档的问答系统并给出带出处的回答

核心技能

文生视频与图生视频实践

使用主流视频生成工具完成分镜、镜头运动与时长控制，产出可控视频片段。【2026 分工速查表：按环节选工具，不要只找最强】画质天花板 / 产品特写：可灵 3.0（原生 4K 60fps）；多镜头分镜最成熟 / 效率最高：即梦 Seedance（自动分镜，适合大场面）；产品一致性最好 / 性价比最高：Vidu Q3；人物动作最流畅：海螺 MiniMax；剧情叙事 / 电影感：Sora 2、Veo 3.1、Luma Ray、Runway Gen-4.5；一站式 Agent 平台：小云雀 AI（剪映团队）。【关键】先明确单镜头片长 / 分辨率 / 横竖版，再选工具。【心态】接受「抽卡」是现阶段常态，把生成量当产出指标（一天跑 30 条选 3 条），而不是把一次成型当目标。

建议预留 360 分钟

学习目标

  • 掌握主流视频生成工具
  • 会做图生视频与运镜控制
  • 能提升片段稳定性与一致性

关键概念

  • 图生视频
  • 镜头运动
  • 时长与帧率
  • 时序一致性

为什么学习

  • 能力地图核心工具链且目标要求成片可控，视频可控性最难，需大量实践与迭代。

如何检验理解

  • 能用图生视频产出一段镜头运动符合预期的连续片段
  • 能针对同一画面迭代出稳定不生硬的运镜

基础概念

AI 生成版权与合规意识

了解素材版权、商用授权、肖像与内容合规红线，避免创作与商用风险。平台差异大：Adobe Firefly 商用授权最干净（训练数据全授权来源），Midjourney / SD 各有边界。实操提醒：国内题材慎用海外模型做东方服饰纹样（训练数据偏日系，易返工）。资源：《生成式人工智能服务管理暂行办法》、著作权法相关条款、各平台商用授权条款。验收：能判断一份生成素材是否可用于商用并说明依据。

建议预留 60 分钟

学习目标

  • 了解版权与授权
  • 识别深度伪造与肖像风险
  • 建立合规检查习惯

关键概念

  • 版权
  • 商用授权
  • 肖像权
  • 内容安全

为什么学习

  • 能力地图定为入门级，只需识别红线与授权边界，不需成为法律专家。

如何检验理解

  • 能判断一份生成素材是否可用于商用并说明依据

核心技能

AI Agent 与工作流编排

设计具备规划、工具调用与记忆能力的智能体，串起图文视频的全流程自动化。【2026 必补：MCP（Model Context Protocol）】让 Agent 接外部工具的标准协议——已在使用的 Gravity Engine MCP 就是它的工业级实例，学完本节对 MCP 配置的理解会从「照着填」变成「看得懂为什么」。资源：DeepLearning.AI《AI Agents in LangGraph》（状态机编排 + Human-in-the-loop）、LangChain Academy《Introduction to LangGraph》、Anthropic《Building effective agents》。验收：设计一个带规划 + 工具调用 + 失败重试的小型 Agent 完成多步任务，并能加入记忆与状态管理。

建议预留 240 分钟

学习目标

  • 理解 agent 架构
  • 会做任务规划与工具编排
  • 能加入记忆与状态管理

关键概念

  • 规划
  • 工具调用
  • 记忆
  • 状态管理
  • 失败重试

为什么学习

  • 目标要求全流程可控并独立开发应用，Agent 编排是把提示词—成图—成片串成一体的核心手段。

如何检验理解

  • 能设计一个带规划与工具调用的小型 agent 完成多步任务
  • 能为 agent 加入记忆与失败重试

核心技能

视频剪辑与成片合成

用剪映/PR 完成镜头拼接、转场、配乐、字幕与成片输出，是把生成片段变成可交付作品的收口能力。首选剪映专业版（与国内生成工具生态打通，2026 新增小云雀 AI 一站式 Agent 平台可衔接主链路）。PR 仅需精细工程时再学。验收：将多段生成视频剪成一条带配乐与字幕的完整成片，节奏合理可直接发布。

建议预留 150 分钟

学习目标

  • 掌握剪辑软件操作
  • 会节奏与转场处理
  • 能配音配乐与输出

关键概念

  • 时间线剪辑
  • 转场
  • 字幕
  • 音频处理
  • 导出设置

为什么学习

  • 能力地图要求熟练剪辑成片，是把生成片段变成可交付作品的收口能力。

如何检验理解

  • 能将多段生成视频剪辑成一条带配乐与字幕的完整成片

基础概念

内容创作行业理解

了解电商、广告、短视频、游戏等行业对 AI 图/视频的真实需求与交付形态，用于指导作品定位与练习方向。补充另外三条线：电商（主图/详情页/A+）、短剧与漫剧（分镜与一致性要求最高）、游戏美术。资源：巨量引擎 / 腾讯广告行业报告。验收：三个行业各写一份「典型交付物 + 验收标准」。

建议预留 60 分钟

学习目标

  • 了解主要应用行业
  • 知道典型交付形态
  • 能对标需求做练习

关键概念

  • 电商
  • 广告
  • 短视频
  • 游戏美术

为什么学习

  • 作为入门级领域认知，用于指导作品定位与练习方向，无需深入行业研究。

如何检验理解

  • 能说出三个行业对 AI 图/视频的具体需求与典型交付物

核心技能

LLM 应用开发框架（LangChain/LlamaIndex）

用框架快速编排链式调用、检索与记忆组件，提升开发效率。【2026 行业标准】LangChain + LangGraph，先学 LangChain（社区更大、agent 覆盖更好），LlamaIndex 待 LangChain 熟练后再补（文档索引原语更强）。资源：LangChain 官方文档 + LangChain Academy（官方免费、持续更新，已含 LangGraph）；国内可参考黑马 / 尚硅谷的 LangChain + LangGraph 实战课。验收：能用框架复现前面的 RAG 与工具调用示例并跑通，能解释各组件的职责与替换方式。

建议预留 150 分钟

学习目标

  • 掌握框架核心组件
  • 会组装链式流程
  • 能替换与调试组件

关键概念

  • Chain
  • Memory
  • Retriever
  • Tool 集成

为什么学习

  • 框架能显著缩短从想法到可用应用的路径，独立开发需能按范式组装组件。

如何检验理解

  • 能用框架复现前面的 RAG 与工具调用示例并跑通
  • 能解释框架各组件的职责与替换方式

核心技能

商业需求转译与拆解

把模糊需求拆成可执行的提示词、流程与交付物，是设计师对接真实业务的关键，也是把创作能力转化为可交付价值的中枢软技能。补《用户体验要素》建立结构化表达，并固化模板：需求 → 交付物定义 → 流程拆解 → 验收标准。验收：把一句客户需求写成含交付标准与流程的执行方案，每条验收标准可量化、可对照。

建议预留 90 分钟

学习目标

  • 学会需求拆解
  • 能定义交付标准
  • 会规划执行流程

关键概念

  • 需求澄清
  • 交付物定义
  • 流程拆解
  • 验收标准

为什么学习

  • 能力地图要求熟练转译，是把创作能力转化为可交付价值的中枢软技能。

如何检验理解

  • 能把一句客户需求写成含交付标准与流程的执行方案

核心技能

Web 后端与前后端集成（FastAPI/Streamlit）

用 FastAPI 把 AI 能力封装为接口，或用 Streamlit/Gradio 快速做出可用交互界面。路线：先用 Streamlit 把东西跑起来（零前端基础最快出可用界面），需要给外部用时再包 FastAPI。资源：FastAPI 官方教程（Tutorial – User Guide 前几章）、Streamlit 官方文档。验收：FastAPI 能暴露一个调用大模型的接口；Streamlit 能做出可上传图片并返回结果的界面。

建议预留 200 分钟

学习目标

  • 会搭建最小后端接口
  • 会做简单交互界面
  • 能打通前端与模型服务

关键概念

  • 接口设计
  • 请求参数与返回
  • 界面组件
  • 前后端对接

为什么学习

  • 独立开发的产品必须有人可用，需能按常见模式搭建接口与最小可用界面。

如何检验理解

  • 能用 FastAPI 暴露一个调用大模型的接口
  • 能用 Streamlit 做出可上传图片并返回结果的界面

补充知识

应用部署与上线

用云平台/Docker 把 AI 应用部署成他人可访问的产品。最快路径：Streamlit Community Cloud（免费，推 GitHub 即可上线）或 Hugging Face Spaces（免费额度，还可跑 GPU）。Docker 只需了解概念，不必精通运维。验收：将一个 Streamlit / FastAPI 应用部署到公网并获得可访问链接，发给他人能直接使用。

建议预留 120 分钟

学习目标

  • 理解基础部署方式
  • 会配置环境变量与依赖
  • 能完成一次上线

关键概念

  • 云平台
  • Docker 基础
  • 环境变量
  • 依赖管理

为什么学习

  • 能力地图将其定为 nice_to_have，理解上线路径并能跑通一次即可，不必精通运维。

如何检验理解

  • 能将一个 Streamlit/FastAPI 应用部署到公网并获得可访问链接

补充知识

成本与算力管理

评估 API 调用成本与本地/云端算力性价比，按低成本路线控制投入。工具：各家 API 定价页横向对比、OpenRouter（一个接口比价几十个模型）。练习：估算「生成 100 张图 + 20 条视频」的成本并给出更省钱的方案。可用 ROI 逻辑测算——与广告投放的成本思维同源。

建议预留 60 分钟

学习目标

  • 了解计费方式
  • 会做本地与云端的取舍
  • 能设定预算与用量控制

关键概念

  • 按量计费
  • 本地推理
  • 云端算力
  • 用量控制

为什么学习

  • 未提供预算信息，按入门友好低成本路线，只需建立成本意识与基本取舍判断。

如何检验理解

  • 能估算一个应用的 API 调用成本并选择更经济的方案

核心技能

全链路端到端 AI 应用项目

综合运用提示词、图像、视频与智能体能力，独立完成一款属于自己的 AIGC 应用。项目驱动，无课程。【选题必须长在自身优势上，不要拄「AI 聊天机器人」】【推荐选题排序】① 买量素材批量生成器：输入产品卖点 + 平台规格（抖音竖版 / 信息流），输出 N 张素材图 + 3 条 15s 视频脚本 + 配套提示词库——日常真实痛点，做完能直接用在工作里；② 水墨三国卡牌素材工厂：用自训 LoRA 保证画风统一，批量出卡面 + 技能特效图；③ 投放复盘问答库：基于 RAG 将历史复盘与平台规则做成可提问的知识库。【建议】尽早先定选题再去学，带着终点学效率可提升一倍以上。验收：交付一个可公网访问、他人能直接用的应用，附使用说明 + 技术选型说明，并能完整复述每一环的选择理由。

建议预留 1500 分钟

学习目标

  • 完成需求到产品的全流程
  • 整合图像/视频/Agent 能力
  • 能独立部署与迭代

关键概念

  • 作品选题
  • 技术选型
  • 模块整合
  • 交付与迭代

为什么学习

  • 这是目标的最终交付物，需能把各模块迁移组合到自己的选题上独立完成。

如何检验理解

  • 独立交付一个可运行、他人可访问的 AIGC 应用并编写使用说明
  • 能复述各环节技术选型理由

前置关系与知识联系

结合互动地图查看具体关系类型，再选择下一步。