动手前 · 先懂概念
把"懂某件事"打包成一个 AI 能反复用的小专家。
建议先花 5 分钟到「概念地基」看完这一节的进阶版讲解 —— 你做项目时就不再"照着步骤抄"，而是知道为什么。
→ 看「技能定义」概念地基把 Skill 做成可工程化、可测试、可演化的系统。3 个深项目。
萌芽和中阶版的"技能" = 在网页 AI 上写一段 system prompt + 几个示例。 进阶版要把它做成真工程系统：本地 Ollama 模型 跑、用 RAG 接外部知识库、给每个 Skill 写测试用例、用 CI 管回归、最后部署到能让外部用户调用的端点。
RAG = 让 AI 在回答前先"翻一下你给它的资料"，再根据资料回答。
典型做法：把 100 份你领域的文档切成块 → 用 embedding 转成向量 → 存进向量数据库（Chroma / FAISS）→ 用户提问时先 retrieve 最相关的几块 → 把这些块塞进 prompt → AI 答。
项目 01 就是把这一整套架起来。学完，你能给任何领域做"不爱瞎编"的 AI 专家。
Ollama + Chroma + 100 份你领域的文档。带 retrieval 准确率评估。
5 个互相调用的 Skill，组成完整工作流。带版本号、回滚机制。
30+ 测试用例 + GitHub Actions + 真实用户反馈通道。
代码俱乐部把同一套思维放到 web 应用：Vite + TS + vitest + GitHub Actions + Pages 部署。这一所做完，你的简历上能放第一个完整的 AI web 应用。