去大学做了一次 AI + OPC 主题分享，我发现很多大学生学 AI 还卡在第一步

前几天去大学做了一场小范围分享，聊 AI，也聊 OPC。

去之前我其实有个预设：大学生应该是离 AI 最近的一群人。每天都在接触新信息，对新工具也不会太排斥。

结果聊完发现，这个判断有点太乐观。

都知道 AI，但是使用方法还非常“原始”

现场很多同学当然知道 AI，也会用豆包、DeepSeek。但大部分人的用法还是：有问题了，打开网页问一下，拿到答案，结束。

当我讲到 GitHub、Skills、Agent、工作流这些东西时，能明显感觉到中间隔着一段距离。我平时已经把这些东西当成工作的一部分了，但对很多同学来说，这些词还很远，甚至不知道该从哪里碰起。

分享结束后，有位研究生问我：如果之前没听过 GitHub，也不知道 Skills，应该从哪里开始？

我给了他一个很朴素的建议

别急着补名词，也别一上来就收藏一堆教程。先把自己的位置说清楚。

把自己的情况说清楚——什么专业、几年级、会什么不会什么、想了解 AI 的哪个方向——然后让 AI 给你做一张入门路线图。

也可以去问人。找一个已经在这个领域里做出一点东西的人，厚着脸皮问他：你是怎么开始的？哪些东西值得先学？

很多时候，学习成本不是高在内容本身，而是你一开始就站错了入口。

比工具更重要的，是把需求想清楚

这次分享我没有把重点放在某一个具体工具上。工具变化太快，一直追工具，很容易陷入“我每天都在学习”的错觉。

后来我发现，很多人用 AI 用得不顺，不是工具不会用，而是需求一开始就没说清楚。

很多人直接对 AI 说：帮我写一篇文章，帮我做一个 PPT。它当然会给你一个结果，但通常都很拉胯。不是 AI 突然变笨了，是你前面什么都没交代，它只能按最普通的方式往下猜。

一个我自己很常用的方法：不要一上来就要结果，先让 AI 帮你做需求调研——“我想做一件事，但我还没想清楚，请你用提问的方式帮我理清需求。”

这一步看起来慢，但后面少返工。

做完一件小事，留下记录，变成一个作品集

这次讲座里我聊到了 OPC（一人公司）的概念。对学生来说，不用急着把它理解成创业。你可以先把它当成一种练习：从身边一个真实的小问题开始，借助 AI 做出一个能看的粗糙版本，拿给别人用一下，再根据反馈往前改。

这件事在校园里就能练。比如帮社团做一次招新，给同学设计一个小服务，或者尝试接一点小企业的外包项目。事情不一定大，但做完之后，要留下一点痕迹。

说到这个，我自己其实挺后悔的。

过去我做过不少事情。韩国读书，美国实习，在教育行业做课程、产品、培训方案，也参与过很多学校和机构的项目。但那时候没有写东西的习惯，很多做完就过去了。

最明显的是更新简历。总觉得自己好像做了很多，但真要写出来，又不知道哪些算亮点。后来我把过去的材料丢给 AI 帮我重新梳理，才慢慢看见一些被自己忽略的东西。

那一刻我有点复杂。一方面觉得，原来我也不是没有积累；另一方面也后悔，为什么没有更早把这些东西记录下来，哪怕只是发出来一部分。

所以我现在越来越觉得，作品集不是设计师和程序员才需要的东西。你写过的一篇文章，做过的一个项目，一次社团活动，一份实习复盘，一个小工具，一次公开分享，都算。

形式不重要。

重要的是，你有没有把做过的事情留下来。

以后当你要找实习、找工作、争取机会的时候，这些东西会比一句“我学习能力强”更有说服力。

最后

这次讲座之后，我最大的感受是：AI 离很多人并没有想象得那么近。

大家知道 AI，也用过 AI，但很多时候它还停留在“问一下”的层面，没有真正进入自己的学习、项目和输出。

其实不用一上来就搞很复杂的东西。先从一个具体的问题开始，做完一件小事，把过程留下来，再做第二件。

这可能比收藏十几个 AI 教程更有用。