1. 在動(dòng)手之前先破除三個(gè)入門幻覺(jué)提起AI很多人的第一反應(yīng)是我數(shù)學(xué)不行、代碼沒(méi)寫(xiě)過(guò)、連命令行都怕是不是根本不適合這個(gè)念頭我在這些年里聽(tīng)人說(shuō)起過(guò)無(wú)數(shù)次?？梢载?fù)責(zé)任地說(shuō)技術(shù)小白學(xué)AI完全可行真正的問(wèn)題從來(lái)不在天賦而在三個(gè)普遍存在的入門幻覺(jué)。先把這個(gè)認(rèn)知掰正了后面的路才走得下去?；糜X(jué)一必須先補(bǔ)完數(shù)學(xué)才能碰AI。不少人的入門路線是買一本機(jī)器學(xué)習(xí)教材然后從第一章的矩陣求導(dǎo)開(kāi)始啃一個(gè)多月過(guò)去還停在第三章然后熱情耗盡、放棄收?qǐng)觥＿@不是笨是方法錯(cuò)了。今天的主流深度學(xué)習(xí)框架已經(jīng)把底層計(jì)算全部封裝好了你實(shí)際用到的數(shù)學(xué)絕大多數(shù)只是加減乘除的循環(huán)這個(gè)層面。具體要補(bǔ)到什么程度我在后面專門有一節(jié)來(lái)說(shuō)?；糜X(jué)二必須讀完經(jīng)典教材才能動(dòng)手。那些經(jīng)典教材確實(shí)是好書(shū)但它們的定位是給準(zhǔn)備做研究的人當(dāng)工具書(shū)不是給新手當(dāng)入門讀物。對(duì)技術(shù)小白來(lái)說(shuō)正確用法是遇到看不懂的概念時(shí)去翻一翻而不是從頭到尾硬背。動(dòng)手先于原理是現(xiàn)代AI入門最有效的姿勢(shì)。先跑起來(lái)一個(gè)東西你才有具體的疑惑去驅(qū)動(dòng)學(xué)習(xí)否則所有概念都是懸浮在空中的抽象名詞學(xué)完就忘?；糜X(jué)三必須搞懂每個(gè)模型內(nèi)部的每個(gè)細(xì)節(jié)。很多人寫(xiě)代碼時(shí)卡住是因?yàn)榉且斫饷恳恍刑荻裙讲趴贤伦?。但你學(xué)開(kāi)車的時(shí)候也不會(huì)先學(xué)完發(fā)動(dòng)機(jī)原理才上路。先用起來(lái)建立體感再回頭啃原理效率高十倍。我?guī)н^(guò)的新手里凡是先跑通項(xiàng)目再來(lái)問(wèn)為什么的最后都學(xué)得又穩(wěn)又深凡是憋著等我全都懂了再動(dòng)手的幾乎都停在原地。所以如果你現(xiàn)在腦子里還繃著我不行門檻太高得先學(xué)三年數(shù)學(xué)這些念頭先松一松。這篇指南就是給零基礎(chǔ)的你一條能照走的路每一步都配有具體動(dòng)作和驗(yàn)收標(biāo)準(zhǔn)不再讓你憑著感覺(jué)在信息海洋里亂游。2. 把AI黑話翻譯成人話模型、訓(xùn)練、推理、微調(diào)到底在說(shuō)什么AI圈子的術(shù)語(yǔ)密度高得嚇人這是勸退新手的主要元兇。其實(shí)這些詞背后的概念特別樸素打個(gè)比方就全通了。把AI模型想象成一個(gè)做題長(zhǎng)大的考生。它手里拿著的教材叫數(shù)據(jù)集它通過(guò)大量做題來(lái)調(diào)整自己的解題方法這個(gè)過(guò)程叫訓(xùn)練訓(xùn)練結(jié)束之后它看到新題目能給出答案這個(gè)過(guò)程叫推理。一套流程下來(lái)你就能理解整個(gè)行業(yè)在忙活什么了。模型本質(zhì)上就是一套輸入到輸出的映射規(guī)則。它不是看得見(jiàn)摸得著的實(shí)體而是一堆保存在文件里的數(shù)字參數(shù)。你調(diào)用一個(gè)AI工具時(shí)其實(shí)是把這組參數(shù)加載進(jìn)內(nèi)存讓它按規(guī)則去處理你給的數(shù)據(jù)。你可以把它想成一本菜譜——訓(xùn)練就是反復(fù)試菜、調(diào)整配料比例最終定稿推理就是照著定稿的菜譜做菜給客人吃。訓(xùn)練的本質(zhì)是讓模型根據(jù)大量示例不斷調(diào)整參數(shù)調(diào)整方向只有一個(gè)讓它的預(yù)測(cè)結(jié)果和正確答案越來(lái)越接近。每次調(diào)整一點(diǎn)點(diǎn)迭代成千上萬(wàn)次最后沉淀下來(lái)的參數(shù)就組成了模型本身。這個(gè)過(guò)程需要的計(jì)算量很大所以才有顯卡、分布式訓(xùn)練這些概念。推理則是走反向流程——不再調(diào)整任何參數(shù)了只把新數(shù)據(jù)放進(jìn)去得出一個(gè)結(jié)果速度快得多普通電腦也能跑。微調(diào)這詞這幾年特別火理解它也不難一個(gè)模型先在通用的大數(shù)據(jù)集上上了通識(shí)課具備了通用能力微調(diào)就是給它上專業(yè)課用某個(gè)特定領(lǐng)域的小數(shù)據(jù)再訓(xùn)練一輪讓它更懂你的場(chǎng)景。就像一個(gè)人考了C照會(huì)開(kāi)普通轎車再花半天熟悉一下貨車的操作和盲區(qū)就能開(kāi)貨車了?，F(xiàn)在絕大多數(shù)AI應(yīng)用落地走的都是大模型預(yù)訓(xùn)練小數(shù)據(jù)微調(diào)這條路線你理解到這個(gè)程度就夠了。參數(shù)可以理解成模型內(nèi)部一堆可以調(diào)節(jié)的旋鈕。訓(xùn)練就是在擰這些旋鈕擰到輸出的結(jié)果最好為止。參數(shù)的數(shù)量級(jí)說(shuō)明模型的容量——旋鈕越多理論上能學(xué)會(huì)的模式越復(fù)雜但訓(xùn)練成本也越高。大模型之所以大字面意思就是指旋鈕特別多多到以億為單位。還有一個(gè)高頻詞是過(guò)擬合指的是模型把教材上的題目答案死記硬背下來(lái)了換個(gè)新題就露餡。打個(gè)比方一個(gè)學(xué)生把練習(xí)冊(cè)的題目和答案全背了下來(lái)但考試題目稍微變一變就不會(huì)了。這個(gè)概念在你自己做小項(xiàng)目時(shí)會(huì)反復(fù)遇到先留個(gè)印象后面踩坑了再回來(lái)讀這段你會(huì)發(fā)現(xiàn)特別有共鳴。3. 技術(shù)基礎(chǔ)補(bǔ)課清單編程和數(shù)學(xué)到底哪一塊非學(xué)不可技術(shù)小白最焦慮的就是技術(shù)基礎(chǔ)這四個(gè)字總覺(jué)得有一大堆未知在等著自己。這里直接給你交個(gè)底AI入門真正需要的技術(shù)基礎(chǔ)比絕大多數(shù)人想象的要少得多而且完全可以邊用邊補(bǔ)。3.1 編程基礎(chǔ)Python 學(xué)到這份上就夠了AI生態(tài)里95%以上的實(shí)操都是圍繞Python展開(kāi)的。你需要掌握的只有下面這幾件事變量和常用數(shù)據(jù)類型數(shù)字、字符串、列表、字典條件判斷和循環(huán)if和for兩個(gè)就夠絕大多數(shù)場(chǎng)景用函數(shù)的定義和調(diào)用導(dǎo)入第三方庫(kù)調(diào)用庫(kù)里的函數(shù)我見(jiàn)過(guò)不少人花兩三個(gè)月去啃完整的編程教程學(xué)到面向?qū)ο?、裝飾器、正則表達(dá)式然后覺(jué)得AI門檻太高放棄了。實(shí)際上這些進(jìn)階內(nèi)容在入門階段幾乎用不上純粹是給自己加戲。你只需要按上面的清單去學(xué)邊做邊查跑完三五個(gè)小例子之后基礎(chǔ)語(yǔ)法就在實(shí)戰(zhàn)中自然補(bǔ)起來(lái)了比看任何教程都快。最快的學(xué)習(xí)方式不要從頭到尾看教學(xué)視頻。直接找現(xiàn)成的AI入門代碼去跑遇到看不懂的語(yǔ)法就搜、就問(wèn)。人只有在需要用到的時(shí)候?qū)W東西記得才牢。3.2 數(shù)學(xué)基礎(chǔ)夠用就行別被微積分勸退數(shù)學(xué)是勸退感最強(qiáng)的部分但這里我也負(fù)責(zé)任地告訴你入門階段你需要掌握的數(shù)學(xué)只是高中水平。必須有的概念有三個(gè)函數(shù)輸入到輸出的映射關(guān)系、均值與波動(dòng)理解數(shù)據(jù)長(zhǎng)什么樣、坐標(biāo)與向量常識(shí)理解特征這個(gè)說(shuō)法。這三個(gè)概念分別對(duì)應(yīng)模型、數(shù)據(jù)分布、特征空間的說(shuō)法你不需要精確定義只要建立直覺(jué)。至于微積分、線性代數(shù)、概率論的深水區(qū)入門階段完全不需要主動(dòng)去學(xué)。主流框架幫你做了梯度計(jì)算、矩陣運(yùn)算、概率建模這些臟活你要做的只是理解它在干類似什么事。硬要在入門階段啃數(shù)學(xué)大概率會(huì)耗盡你的熱情然后一無(wú)所獲。需要掌握的數(shù)學(xué)主要用途建議深度函數(shù)與映射理解輸入到輸出的關(guān)系知道 f(x)y 的含義即可均值與標(biāo)準(zhǔn)差理解數(shù)據(jù)分布和歸一化會(huì)算平均大體知道波動(dòng)概念坐標(biāo)與散點(diǎn)圖理解特征和可視化看得懂坐標(biāo)圖即可向量常識(shí)理解特征向量的說(shuō)法知道它是一組數(shù)字就行可以緩一緩的數(shù)學(xué)為什么可以緩矩陣乘法框架都幫你算好了導(dǎo)數(shù)與梯度只需要朝著調(diào)整方向走的直覺(jué)概率論公式等真正做算法研究再補(bǔ)不遲一句話總結(jié)先會(huì)開(kāi)車再學(xué)發(fā)動(dòng)機(jī)原理。等你真的進(jìn)到調(diào)參、優(yōu)化、寫(xiě)底層模型算法的階段再回頭補(bǔ)數(shù)學(xué)那時(shí)候你有具體場(chǎng)景學(xué)起來(lái)會(huì)快得多也扎實(shí)得多。4. 從0到1的學(xué)習(xí)路線四步走每一步都有看得見(jiàn)的成果很多新手掛在半路核心原因是路線太長(zhǎng)、反饋太慢。所以我一直主張把入門分成四個(gè)小階段每個(gè)階段都設(shè)計(jì)一個(gè)具體成果學(xué)起來(lái)就不容易慌。4.1 階段一搭環(huán)境并跑通一個(gè)官方示例預(yù)計(jì)1周這個(gè)階段的目標(biāo)很簡(jiǎn)單讓代碼在你自己的電腦上跑起來(lái)。具體動(dòng)作是安裝編程環(huán)境、裝好常用的AI相關(guān)庫(kù)、打開(kāi)一個(gè)交互式筆記本界面然后原樣運(yùn)行一個(gè)官方示例代碼。比如把示例里自帶的圖片換成你自己的照片看輸出結(jié)果有什么變化。這一步的核心意義是建立我能跑起來(lái)的信心同時(shí)讓你熟悉環(huán)境報(bào)錯(cuò)的長(zhǎng)相。第一次跑通代碼的感覺(jué)比看十篇教程都有用?？ㄗ∈钦５沫h(huán)境問(wèn)題占了新手踩坑的一半以上別懷疑自己搜報(bào)錯(cuò)信息就好了。4.2 階段二用現(xiàn)成模型完成真實(shí)任務(wù)預(yù)計(jì)2-3周當(dāng)你跑通示例之后開(kāi)始使用別人訓(xùn)練好的現(xiàn)成模型來(lái)解決具體問(wèn)題。比如讓模型給照片分類、給一段文字做摘要、識(shí)別一句話的情感是正面還是負(fù)面。這個(gè)階段完全不需要訓(xùn)練任何東西你只是學(xué)會(huì)調(diào)用模型—輸入數(shù)據(jù)—解讀輸出這個(gè)閉環(huán)把AI的工作流程感受清楚。這一步能幫你建立對(duì)AI能力邊界的直覺(jué)哪些事AI做得好哪些事它做得離譜。這種體感非常重要比背一堆它能做什么不能做什么的總結(jié)強(qiáng)得多。4.3 階段三改別人的代碼做小改造預(yù)計(jì)2-4周找一個(gè)你感興趣的開(kāi)源小項(xiàng)目把代碼下載下來(lái)。先跑通然后做最小幅度的改動(dòng)換一批輸入數(shù)據(jù)、改一下輸出格式、調(diào)整一個(gè)參數(shù)看效果變化。重點(diǎn)不是改得有多漂亮而是通過(guò)動(dòng)代碼把前面積累的抽象概念落到實(shí)地上。這個(gè)階段的成果是你能獨(dú)立地讓一個(gè)模型處理你自己的數(shù)據(jù)。此時(shí)你不再只是一個(gè)運(yùn)行按鈕的人而是開(kāi)始理解代碼結(jié)構(gòu)、數(shù)據(jù)流向和模型行為之間的關(guān)系了。4.4 階段四獨(dú)立做一個(gè)迷你項(xiàng)目持續(xù)進(jìn)行給自己定一個(gè)問(wèn)得出來(lái)、答得出來(lái)的小問(wèn)題比如判斷一段商品評(píng)論是好評(píng)還是差評(píng)。用學(xué)到的完整流程自己完成數(shù)據(jù)整理、模型選擇、效果評(píng)估這一整套動(dòng)作。哪怕效果不完美只要走通閉環(huán)你就真正從技術(shù)小白跨進(jìn)了AI的大門。四步走完你可能還不是算法專家但你對(duì)AI項(xiàng)目長(zhǎng)什么樣輸入輸出怎么跑通數(shù)據(jù)從哪里來(lái)已經(jīng)有了真實(shí)體感。后面再往深走你的學(xué)習(xí)效率會(huì)完全不同——因?yàn)槟憬K于知道該問(wèn)什么問(wèn)題了。5. 第一次實(shí)操跑通一個(gè)現(xiàn)成的圖像分類模型光說(shuō)不練假把式。我每次帶新人入門都會(huì)讓他先完成下面這個(gè)圖像分類小實(shí)驗(yàn)。它不涉及訓(xùn)練只涉及推理但足以讓你完整體驗(yàn)一次AI工作的全流程而且成就感非常強(qiáng)。5.1 準(zhǔn)備環(huán)境先安裝Python環(huán)境建議直接裝集合版發(fā)行包一次解決大部分依賴問(wèn)題。安裝時(shí)記得勾選把Python加入系統(tǒng)路徑這個(gè)選項(xiàng)——這是新手最常見(jiàn)的隱形坑很多人在命令行里敲命令提示找不到就是因?yàn)槁┝诉@一步。裝完后打開(kāi)命令行執(zhí)行兩件事安裝常用的AI相關(guān)庫(kù)然后在終端輸入啟動(dòng)交互式筆記本的命令。啟動(dòng)成功之后會(huì)自動(dòng)打開(kāi)一個(gè)瀏覽器頁(yè)面這就是你接下來(lái)寫(xiě)代碼的地方。5.2 用幾行代碼加載一個(gè)現(xiàn)成模型新建一個(gè)筆記本文件輸入以下代碼然后運(yùn)行from transformers import pipeline # 加載一個(gè)預(yù)訓(xùn)練好的圖像分類模型 classifier pipeline(image-classification) # 對(duì)一張本地圖片做分類 result classifier(my_cat_photo.jpg) print(result)第一次運(yùn)行程序會(huì)自動(dòng)下載模型文件文件體積不小耐心等一會(huì)兒就好網(wǎng)絡(luò)不好的時(shí)候會(huì)慢一些屬正常現(xiàn)象。之后只要圖片路徑填對(duì)了控制臺(tái)會(huì)輸出模型對(duì)這張圖的判斷結(jié)果。5.3 理解輸出在說(shuō)什么輸出的格式大致長(zhǎng)這樣[{label: tiger cat, score: 0.91}, {label: tabby cat, score: 0.06}]label是模型認(rèn)為圖片里是什么類別score是它的把握程度。把score當(dāng)成這模型有多確定就好0.91意味著它相當(dāng)有信心認(rèn)為這是一張虎斑貓的照片。5.4 換數(shù)據(jù)試試手感把圖片換成一張你手機(jī)里的寵物照片、一張風(fēng)景照、甚至一張手寫(xiě)筆記照片看看模型分別輸出什么。你會(huì)直觀地感受到一件事模型擅長(zhǎng)它訓(xùn)練過(guò)的場(chǎng)景面對(duì)沒(méi)見(jiàn)過(guò)的場(chǎng)景會(huì)給出搞笑甚至離譜的答案。這個(gè)體感比讀十篇原理文章都管用它讓你真正理解AI不是萬(wàn)能的這句老話到底在說(shuō)什么。5.5 從推理走向訓(xùn)練的最小演示感受完推理再試著感受一下訓(xùn)練是什么。用一個(gè)最簡(jiǎn)單的模型在一個(gè)只有四條數(shù)據(jù)的小數(shù)據(jù)集上跑一遍你就會(huì)看到模型是怎么一步步學(xué)出規(guī)則的from sklearn import tree # 四條最簡(jiǎn)單的數(shù)據(jù)兩個(gè)特征 - 一個(gè)類別 features [[0, 0], [0, 1], [1, 0], [1, 1]] labels [0, 1, 1, 0] model tree.DecisionTreeClassifier() model.fit(features, labels) # 預(yù)測(cè)一個(gè)新的點(diǎn) print(model.predict([[0, 1]]))這段代碼只有十行卻完整包含了加載數(shù)據(jù)—訓(xùn)練—預(yù)測(cè)的全流程。跑完你會(huì)發(fā)現(xiàn)訓(xùn)練并沒(méi)有那么玄乎——不過(guò)是給模型喂數(shù)據(jù)、讓它找出規(guī)律的過(guò)程。你也不用在這里深究樹(shù)模型的原理重點(diǎn)是完成一次最小閉環(huán)的體驗(yàn)。6. 新手翻車現(xiàn)場(chǎng)五個(gè)高頻問(wèn)題與對(duì)應(yīng)的解決思路帶新手入門這么久我總結(jié)出五個(gè)翻車頻率最高的地方。提前知道能幫你少走大量彎路。6.1 環(huán)境裝到崩潰版本號(hào)對(duì)不上幾乎每個(gè)入門者都經(jīng)歷過(guò)裝庫(kù)裝到懷疑人生。常見(jiàn)的原因是直接復(fù)制網(wǎng)上的安裝命令但沒(méi)注意對(duì)方用的Python版本和你不一樣。不同版本之間的庫(kù)兼容情況經(jīng)常有差異裝一個(gè)庫(kù)把另一個(gè)庫(kù)覆蓋掉的情況也很常見(jiàn)。解決思路很簡(jiǎn)單不要追求最新版本鎖定一套經(jīng)過(guò)驗(yàn)證的穩(wěn)定版本組合。你在跑某個(gè)教程前先看它明確說(shuō)明的環(huán)境要求或者在環(huán)境里單獨(dú)創(chuàng)建一套隔離的Python環(huán)境把依賴裝在里面系統(tǒng)壞了也不影響其他東西重裝也只要一條命令刪掉重來(lái)就行。6.2 代碼照抄還報(bào)錯(cuò)不是代碼的問(wèn)題是文件路徑和格式的問(wèn)題新手最崩潰的時(shí)刻是別人的代碼能跑我原樣復(fù)制卻報(bào)錯(cuò)。多數(shù)情況下問(wèn)題出在你看不見(jiàn)的地方圖片文件路徑不對(duì)文件名有空格、中文路徑、大小寫(xiě)不匹配、代碼縮進(jìn)被搞亂、文件中存在中文標(biāo)點(diǎn)符號(hào)。這些報(bào)錯(cuò)信息里通常都有提示把最后一行英文復(fù)制到搜索引擎里搜大概率能找到答案。6.3 一上來(lái)就想訓(xùn)練大模型數(shù)據(jù)不夠還不自知很多人跑通示例后立刻想我要訓(xùn)練一個(gè)自己的大模型然后從網(wǎng)上下載了幾千張圖片就開(kāi)始訓(xùn)結(jié)果效果一塌糊涂于是得出AI太難了的結(jié)論。真相是訓(xùn)練效果差90%的情況是數(shù)據(jù)不夠或數(shù)據(jù)質(zhì)量不行而不是你的代碼有問(wèn)題。深度模型動(dòng)輒需要幾萬(wàn)條以上數(shù)據(jù)才能學(xué)到穩(wěn)定規(guī)律幾千條根本喂不飽。入門階段的正確姿勢(shì)是要么用現(xiàn)成模型要么做小數(shù)據(jù)問(wèn)題比如用幾百條文本判斷情感同時(shí)清楚認(rèn)識(shí)到模型效果的上限由數(shù)據(jù)決定。6.4 陷入再學(xué)一點(diǎn)再動(dòng)手的循環(huán)這是最隱蔽也最致命的坑。表現(xiàn)為總覺(jué)得準(zhǔn)備還不夠今天再補(bǔ)一節(jié)課、明天再看完一個(gè)文檔然后永遠(yuǎn)停在準(zhǔn)備階段。破法只有一個(gè)規(guī)定自己必須在48小時(shí)內(nèi)跑通第一個(gè)例子哪怕它極其簡(jiǎn)陋。先跑起來(lái)再調(diào)整永遠(yuǎn)好過(guò)準(zhǔn)備好再開(kāi)始。你缺的從來(lái)不是知識(shí)儲(chǔ)備而是第一次點(diǎn)擊運(yùn)行的勇氣。6.5 追求完美復(fù)現(xiàn)論文效果期望管理失當(dāng)有些新手跑通入門項(xiàng)目后直接跳去復(fù)現(xiàn)某篇論文的實(shí)驗(yàn)發(fā)現(xiàn)怎么都復(fù)現(xiàn)不出論文里報(bào)告的數(shù)字于是自我懷疑。這里要說(shuō)句大實(shí)話很多論文的數(shù)字是經(jīng)過(guò)大量調(diào)參、算力堆積和數(shù)據(jù)篩選才得到的普通人用普通設(shè)備復(fù)現(xiàn)不出來(lái)是常態(tài)不是你的問(wèn)題。正確做法是先把復(fù)現(xiàn)目標(biāo)降級(jí)為代碼能跑通、趨勢(shì)方向一致這就已經(jīng)很有價(jià)值了。7. 寫(xiě)在最后學(xué)AI最需要的不是天賦是耐心根據(jù)我?guī)氯说膶?shí)際經(jīng)驗(yàn)最后再分享幾點(diǎn)心得。第一AI學(xué)習(xí)是月單位的事情不是天單位的。你不可能一兩天學(xué)會(huì)但也很少有人需要花一兩年才入門。只要按路線走大多數(shù)人在兩到三個(gè)月內(nèi)就能完成從零基礎(chǔ)到能獨(dú)立跑通一個(gè)小項(xiàng)目的跨越。中途卡住、想放棄都是正常情緒歇一兩天再回來(lái)就好。第二一定要找伴哪怕只是在社區(qū)里留言。AI學(xué)習(xí)的孤獨(dú)感很容易把人勸退但如果你能把每天學(xué)到的東西用一兩句話記錄下來(lái)或者在一個(gè)地方打卡輸出堅(jiān)持的概率會(huì)高很多。我見(jiàn)過(guò)太多人一個(gè)人悶頭學(xué)遇到一個(gè)報(bào)錯(cuò)就停了一周最后悄無(wú)聲息地放棄。第三學(xué)會(huì)用報(bào)錯(cuò)信息當(dāng)老師。我第一次跑深度學(xué)習(xí)代碼的時(shí)候像看天書(shū)一樣看著滿屏的報(bào)錯(cuò)日志。后來(lái)發(fā)現(xiàn)把報(bào)錯(cuò)里的關(guān)鍵詞提取出來(lái)去搜索絕大多數(shù)問(wèn)題都能找到前人踩過(guò)的坑和解決方案。你遇到的麻煩幾乎不可能是全人類第一個(gè)遇到的。技術(shù)小白學(xué)AI最稀缺的資源不是智商不是數(shù)學(xué)底子也不是運(yùn)氣而是允許自己慢慢來(lái)的耐心。放下我必須馬上什么都懂的執(zhí)念從今天開(kāi)始把第一個(gè)例子跑起來(lái)后面的事情自然會(huì)發(fā)生。