路径 #1：通用AI（大多数人忽视的基础知识）
- 大语言模型（LLM）是什么及工作原理
- 各类 LLM 及其差异
- LLM 训练方法（预训练 vs. 微调）
- 标记经济（Token Economy）
- 上下文窗口（Context Windows）
- 有效的上下文管理
- 提示工程（Prompt Engineering）
- RAG、嵌入与向量数据库
- MCP（可能指模型控制协议）
- 警惕幻觉与偏见
路径 #2：创意方向
- 理解不同 LLM 的多模态能力（如 Gemini 的视频分析）
- 创建统一风格配置文件
- 通过 LLM 生成文本内容
- 图像生成（Sora、Midjourney、Flux）
- 视频生成（Kling、Runway、Higgsfield）
- 语音/音效生成（ElevenLabs、Sesame、Suno）
- 工具链整合
路径 #3：AI 自动化
- AI 自动化与传统自动化的区别
- 工作流自动化工具（n8n、Make、Zapier）
- 数据结构基础（JSON）
- 触发器、操作、凭证与 API
- 错误处理与数据操作
路径 #4：氛围编程（vibe-coding）
- 编码最佳 LLM 选择（性能 vs. 成本）
- 顶尖 AI 集成开发环境（Cursor、Windsurf、Replit）
- 将项目拆解为分步目标（提示工程的延伸）
- 基础编程知识更佳
- 错误处理与 AI 调试
- 前端工具（v0、Tailwind、shadcn）