个人学习者
想系统入门 AI，先建立模型思维、提示词工作流和个人学习地图。
Recommended
AI Foundations
Learning Path
从 AI 入门到项目作品集的学习路径
ChatBear 的学习入口不只是课程列表，而是一套可持续推进的成长系统：先诊断，再学习，再做项目，最后把成果变成可展示的作品证明。
01 / Diagnose
诊断基础、目标、时间和适合的项目方向。
02 / Learn
学习 AI 素养、提示词、代码、工具和系统思维。
03 / Build
把每个模块转成真实项目、Demo 或任务作品。
04 / Show
用作品集、视频、复盘和成长报告证明能力。
白熊 AI 导师会贯穿每条学习路径
解释知识点、追问思路、检查项目、辅助复盘。
Path Diagnostic
3 个问题，先判断你应该从哪条路径开始
这不是正式测评，而是 ChatBear 的第一层学习分流：根据你的基础、目标和时间节奏，推荐一个最容易开始并留下成果的路径。
当前推荐
AI Foundations｜AI 基础学习系统
建立 AI 素养、模型边界、提示词工作流和个人学习系统。
零基础 - 入门4 周标准推进节奏
Start Plan
第 1 周先完成 AI 工具盘点、风险边界卡和 3 个真实学习场景测试。
Final Proof
个人 AI 学习地图 + 提示词模板库 + 第一份能力检查报告。
学习目标卡
AI 工具清单
提示词模板库
下一阶段项目建议
白熊导师重点检查：你是否能解释 AI 输出质量、边界和自己的判断依据。
进入推荐路径你现在处在哪个阶段？
这次最想达成什么？
你希望用什么节奏推进？
L1 Foundation
零基础 - 入门 4 周
AI Foundations｜AI 基础学习系统
建立 AI 素养、模型边界、提示词工作流和个人学习系统。
理解主流 AI 能力与边界
搭建个人提示词模板库
完成一次 AI 学习路径诊断
Final Proof
个人 AI 学习地图 + 工具工作流
进入路径
L2 Project Studio
入门 - 进阶 6 周
Project Studio｜真实问题项目工作室
围绕真实问题做 AI 应用、自动化、数据分析或轻量产品原型。
完成问题定义与用户场景
做出可演示 AI 项目 Demo
形成项目复盘与展示脚本
Final Proof
AI 应用 Demo + 项目说明页
进入路径
L3 AI + Robotics
进阶 8 周
AI + Robotics｜机器人与具身智能路径
把视觉识别、传感器、控制逻辑和 AI 决策组织成机器人项目。
理解机器人系统组成
完成视觉/传感器实验
交付机器人任务 Demo
Final Proof
智能分拣 / 巡线 / 视觉识别机器人
进入路径
Proof Track
所有阶段 2 周循环
Portfolio Proof｜作品集与成果表达
把学习过程整理成作品集、演示视频、复盘报告和下一阶段成长计划。
完成作品集结构
录制项目演示脚本
沉淀可复用成长报告
Final Proof
公开作品集卡片 + Demo Day 表达
进入路径
7-Day Kickoff
第一周不是听课，而是产出第一个可展示成果
面向个人学习者，ChatBear 的入门体验要足够清晰：每天一个动作、一个交付物、一条反馈线。学习者不用先理解完整体系，也能在 7 天内看到自己的第一个 AI 作品雏形。
Day 1
完成学习画像
填写基础、目标、兴趣和时间节奏，确认推荐路径。
Proof
学习画像卡 + 推荐路径
Day 2
建立工具工作台
整理常用 AI 工具、账号、提示词模板和资料文件夹。
Proof
个人 AI 工具清单
Day 3
选择一个真实问题
从学习、生活、课堂或工作中选一个可以用 AI 改善的问题。
Proof
问题定义卡
Day 4
做第一版流程图
拆出输入、处理、输出、使用者和验收标准。
Proof
项目流程图
Day 5
完成最小 Demo
用低成本方式做出能演示的第一版，不追求完美。
Proof
Demo 截图 / 运行记录
Day 6
接受白熊导师反馈
让 Chat Bear 检查失败样本、表达漏洞和下一版方向。
Proof
导师反馈记录
Day 7
整理作品集卡片
用问题、方法、结果、下一版四段话讲清楚这个作品。
Proof
作品集卡片 v1
这套启动计划可以直接进入 Learning OS
后续可以把每一天做成系统任务卡，和白熊导师、作品集卡片、项目模板打通，形成真正可运营的个人学习闭环。
01
学习地图
进入路径前明确阶段、目标和推荐任务。
02
项目任务书
每个模块都有问题定义、材料和验收标准。
03
导师反馈
白熊 AI 导师辅助解释、追问、复盘和下一步建议。
04
作品集证明
最终留下 Demo、脚本、截图、反思和成长记录。
Start Learning
先从一次学习路径诊断开始
选择适合的阶段、项目方向和学习节奏，再进入课程、任务和作品集闭环。