本文共字，预计阅读时间。

现在很多人想系统学习AI，但真正开始之后，很容易陷入一个问题：工具学了不少，ChatGPT、DeepSeek、豆包也都会用，但回到工作中，还是不知道具体怎么把AI用起来。

如果希望建立一套相对完整的AI应用能力，可以参考CAIE人工智能工程师认证Level I的学习路径。按照2026版大纲，CAIE一级并不是围绕某一个AI工具展开，而是从AI基础认知开始，逐步学习AI交互、Prompt、多模态生成、AI工作流，再进一步进入RAG、Agent、Skills和多智能体协作。

整个大纲分为六个主要模块：AI认知、伦理与法规占5%，大模型核心机制与多模态原理占6%，面向产出物的思维能力和AI交互占19%，Prompt设计与多模态应用占25%，AI工作流与商业成果落地占26%，RAG、Agent与高级商业策略占19%。其中后三部分占比最高，也说明CAIE一级的重点并不是算法推导，而是AI的实际应用和业务落地。

第一阶段：先把AI“看懂”，知道它能做什么，也知道不能做什么

CAIE一级首先学习AI基础认知，包括人工智能、机器学习、深度学习、大语言模型等基本概念，以及AI的发展、硬件基础和能力边界。

同时，还会接触神经网络、Token、Embedding、Transformer、大语言模型训练与微调，以及GAN、扩散模型、MOE、多模态融合等基础原理。

这一部分并不是要求学习者去训练一个大模型，而是解决一个更基础的问题：为什么大模型能够理解文字？为什么它会产生幻觉？文生图、视频生成背后大概是什么逻辑？不同模型为什么适合不同任务？

对于非技术岗位来说，这类知识的价值在于建立AI判断力。以后看到一个新的AI工具，不只是会点按钮，而是能够大致判断它适合解决什么问题、有哪些局限。

另外，大纲还专门设置了AI伦理、职业操守、隐私、安全和法律合规，包括数据泄露、模型逆向攻击、成员推断攻击、数据匿名、联邦学习、同态加密以及相关法律法规和企业数据使用边界。

对于财务、人力、法务、银行、国企等涉及敏感信息的岗位来说，这部分尤其重要，因为真正把AI带进企业工作，首先要知道哪些数据可以交给AI，哪些内容不能直接上传。

第二阶段：从“会聊天”进阶到真正会给AI布置任务

接下来进入CAIE一级非常重要的一部分：面向产出物的思维能力和AI交互。

大纲首先不是教Prompt，而是先让学习者理解职场中到底要产生什么结果。它将职场产出物分为企划类，经营、市场和运营分析类，文创类，以及AI产品和业务流程自动化类。

原因很简单：AI最终不是用来“聊天”的，而是用来完成工作的。

比如市场岗位可能要做竞品分析、营销方案和活动策划；运营岗位要做数据分析、用户研究和内容规划；产品经理需要写需求、方案和产品路线图；行政人员可能需要整理制度、会议材料和汇报PPT。

因此，在学习Prompt之前，CAIE会先学习5W2H、5Why、MECE、SCQA、双钻模型、需求分析等结构化思维方法，把模糊的问题转化为清晰的任务。

例如领导只说一句“帮我做一个活动方案”，真正会使用AI的人不会马上把这句话扔给模型，而是会先拆解：活动面向谁？目标是什么？预算多少？在哪个渠道做？最终需要什么形式的方案？

这一阶段学完后，真正获得的是一种能力：能够把自己的业务需求翻译成AI能够准确执行的任务。

第三阶段：系统学习Prompt和多模态，不再只会一句话提问

有了前面的任务拆解能力，下一步才正式进入Prompt设计。

CAIE一级会学习User、System、Assistant等指令角色，Prompt工作原理，Temperature、Top-P等模型参数，同时学习模型幻觉的成因、防范方法，以及Prompt注入和越狱攻击等安全问题。

在实际应用层面，则进一步学习Zero-shot、Few-shot、结构化输出、外部工具调用，以及利用Mermaid生成流程图、思维导图和甘特图等。

而且Prompt并不只针对文字。CAIE一级还包含文生图、视频和数字人的提示词设计，比如主体、场景、风格、镜头、光影、构图、运动描述，以及视频风格统一与连贯性控制；同时还会学习深度思考模型的使用策略和提示词优化。

学完这一阶段，可以从最基础的“帮我写一下”，进阶到能够针对不同任务设计相对稳定的Prompt。

对于行政和人力岗位，可以用于制度文件整理、招聘JD、面试题、培训材料、通知和汇报材料；对于市场和新媒体岗位，可以用于选题、文案、图片、视频脚本和营销内容；对于教师和培训人员，则可以用于课程设计、教案、题目、学习资料和教学素材生成。

第四阶段：真正把AI嵌入工作，开始学习AI工作流

CAIE一级权重最高的模块是“AI工作流与商业成果落地”，占26%。

这一模块不再研究单次对话，而是学习怎样把一项完整工作拆成多个环节，让AI连续参与。

大纲首先涉及内容创作与营销工作流，包括主题和内容规划、风格一致性、文稿审核和润色，以及多语言翻译；随后进入图片、视频、数字人、音频和PPT制作等视觉与多媒体工作流。

更值得职场人关注的是数据与逻辑工作流，包括数据获取、AI辅助网页捕获、数据处理与分析、公式与函数生成、AI直接分析数据、自动生成图表，以及进一步形成商业报告和策略。

这对于很多岗位都非常实用。

比如财务人员可以学习如何借助AI处理Excel公式、整理数据、分析异常并生成报告；运营人员可以把数据整理、分析、图表和周报串成一套流程；采购人员可以整理供应商资料并辅助分析；项目经理可以用AI整理项目资料、分析问题、形成进度汇报。

CAIE还包含AI编程与Vibe Coding，包括代码生成、代码理解、Bug定位、代码优化、自动化测试和基础Vibe Coding。

因此即使不是程序员，也可以开始理解如何通过自然语言让AI帮助完成一些简单的自动化和程序任务；而对于开发、测试和QA岗位，则可以进一步将AI用于代码解释、测试用例生成、调试和文档生成。

此外，大纲还纳入了GEO，包括GEO与SEO的区别、应用场景、流量获取逻辑和内容优化方向。 对市场、品牌、内容运营和增长岗位来说，这也是AI时代正在出现的新应用方向。

第五阶段：进一步学习RAG和Agent，让AI从“工具”走向“任务执行者”

完成工作流学习后，CAIE一级最后会进一步进入RAG和智能体。

RAG主要解决的是“怎样让AI使用自己的知识”。学习内容包括知识库、Retriever检索模块、Generator生成模块，以及如何通过Prompt限定AI只根据检索内容回答、进行引用溯源和减少幻觉。

例如企业有大量内部制度、产品资料和项目文档，就可以利用RAG思路让AI优先基于这些资料回答，而不是完全依赖模型原本的知识。

再往后就是Agent。CAIE一级会继续学习任务拆解、ReAct、Function Calling、MCP、插件、记忆，以及基于Workflow的节点连接、If-Else、Loop、并行执行和Human-in-the-loop人机协作。

进一步还包括Skills Based Agent、SKILL.md、Reflection自我反思，以及Router、Supervisor、Worker等多智能体协作模式。

到了这一阶段，学习目标已经从“我怎么向AI提问”，变成“我能不能设计一个AI系统，让它围绕目标自动完成一系列任务”。

那么，CAIE一级到底适合哪些人？

从整个大纲来看，CAIE一级并不是只针对计划进入AI技术岗的人，它更适合希望把AI与自己原有专业和岗位结合的人。

市场、运营、新媒体人员，可以重点学习Prompt、多模态内容、营销工作流和GEO，提高内容生产、数据分析和营销流程的AI化能力。

行政、人力和企业职能岗位，可以重点学习结构化思维、Prompt、文档与PPT、数据工作流，以及AI合规，提高资料处理、汇报、招聘培训和内部流程效率。

财务、采购、银行等业务岗位，可以重点学习数据分析、Excel相关工作流、RAG以及隐私和数据合规，把AI用于数据整理、分析、报告生成和知识查询。

产品经理、项目经理和数字化岗位，则可以进一步学习需求分析、工作流、RAG、Agent和Skills，理解怎样把一个业务问题转化为可落地的AI应用方案。

开发、测试和QA人员，除了Prompt和Agent，还可以重点学习AI编程、代码理解、测试生成、调试优化和自动化流程。

大学生和刚进入职场的人，如果还没有明确的AI方向，也可以沿着这套路径先建立比较完整的AI应用能力，再结合自己的专业做项目和实践。

从CAIE一级大纲的整体结构来看，它的学习路径其实非常清楚：

AI认知 → 结构化思维与AI交互 → Prompt与多模态 → AI工作流 → RAG → Agent与Skills。

最终希望形成的，并不是“记住多少AI名词”，而是三种能力：知道AI能做什么、不能做什么；能够把真实工作拆解成AI可以执行的任务；能够进一步把Prompt、数据、工具、知识库和Agent组合起来，解决具体的业务问题。

这也是CAIE一级从“技术认知”转向“成果导向”的核心逻辑——不只是会使用AI工具，而是逐步建立把AI应用到学习和工作中的完整能力。

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文版权归原作者所有，如有侵权，请联系删除。