AI 内容太多了，很多人想入门却不知道从哪开始。这份 30 天路线图的设计思路是：不是让你"学 AI"，而是让你用 AI 思考更快、工作更聪明、真正改变日常生活。
每天约需 60 分钟，需要一台能上网的电脑、一个 Google 账号/邮箱，以及持续学习的好奇心和纪律。
第一周：建立基础技能
核心目标：掌握三个底层能力，没有它们，后面一切都玩不转。
1. Prompt Engineering（提示词工程）
学会跟 AI 正确沟通。不是背模板，而是理解 AI 的思维方式——如何给出清晰的上下文、如何分解复杂任务、如何迭代优化输出。
2. Model Stacking（模型堆叠）
不同 AI 模型擅长不同的事。Claude 写代码强，Gemini 整合 Google 生态好，GPT-4 通用能力均衡。学会根据任务选模型，甚至让多个模型协作。
3. Task Delegation（任务分配）
判断哪些任务值得交给 AI。不是所有事都应该自动化，关键是找到"AI 能做且比人快"的交集。
实践方法：在 ChatGPT 里新建一个"30 天 AI 学习"项目，把学习路线图设为项目上下文，每天让 AI 当你的私人教练，给一课、三个 60 分钟内能完成的练习、10 个反思问题。
第七天做个测试：80 分以上才能进入第二周。
第二周：工具实验
第一周掌握了"怎么跟 AI 对话"，第二周开始"让手弄脏"——实际测试 5 个核心工具：
- Claude：HTML 编码、写作、文件分析
- Gemini：Google Workspace 整合（文档、浏览器、幻灯片）
- ManusAI：表格处理、基础自动化、邮件管理
- Notion：自动化 CRM、Agent、与其他 AI 工具连接
- NotebookLM：AI 导师、研究数据库、学习助手
每天专注一个工具，完成一个具体的小项目。周末输出一份"工具选择矩阵"，从易用性、工作相关性、节省时间、输出质量四个维度打分——这会成为你第三周的参考。
第三周：把 AI 接入真实工作
这是最关键的一周。不是继续"玩"AI，而是让 AI 真正帮你干活。
第一步：时间审计
记录你一整天的所有工作，分类成三桶：
- AI 能完全替代的任务
- AI 能辅助的任务
- 必须人亲自做的任务
找出节省时间最多的前 5 个任务，为每个任务匹配最合适的 AI 工具和启动提示词。
第二步：搭建工作流
这周目标是搭建 7 个真实工作流。例如：
- 每天花 30-60 分钟处理邮件/Slack → 用 Manus + Slack AI 连接器做摘要和线程管理
- 每天花 2 小时以上处理 Excel → 用 Claude 辅助数据分析
- 每周花 1-2 小时做 PPT → 用 GammaAI + Excalidraw + Gemini 组合
有些会失败，有些会 stick。重要的是你在真实场景中学会了怎么让 AI 工作。
第四周：高级工作流与自动化
从第三周的 7 个工作流中，挑出 2-3 个最成功的，用 OpenClaw 改造成自主运行的 Agent。
升级示例：
| 之前 | 之后 |
|---|---|
| 手动用 Manus 做邮件摘要 | OpenClaw 自动扫描、摘要、甚至代回复 |
| Notion CRM 每天早上手动看 | OpenClaw 每天早上自动生成简报 |
| 用 SuperGrok 做深度研究 | OpenClaw 每天自动扫描 X API 生成研究报告 |
OpenClaw 的核心价值在于：把"你操作 AI"变成"AI 自己跑"。
学习路径的本质
这个路线图的设计逻辑是阶梯式的：
基础技能（怎么跟 AI 对话）
↓
工具实验（熟悉武器库）
↓
真实应用（解决实际问题）
↓
自动化系统（AI 自己跑）
大多数人卡在第二步——看了很多 AI 工具介绍，但从未让 AI 真正介入自己的工作流。第三周的时间审计和第四周的 OpenClaw 自动化，是区分"会玩 AI"和"会用 AI"的分水岭。
如果你按这个路线走下来，到月底你会拥有一个每天能帮你省出有意义时间的个人 AI 系统。不是因为你学了更多工具，而是因为你学会了让工具为你工作。