常见失败：直接问「我想学 X，给我一份学习路线」
这样得到的通常是一份正确的清单：概念、工具、进阶方向一应俱全，但不知道每天该做什么，两周后就放弃了。问题在于缺少三件事：范围约束、验收标准、最小项目。
第一步：先给约束，再要路线
提问时至少提供：
- 当前水平：用过什么、能做什么
- 目标场景：是要做项目、面试，还是解决工作中的某个问题
- 可用时间：每周大概多少小时
- 明确排除：哪些方向暂时不学
示例：
我有 Python 基础，做过简单脚本。目标是三个月内能独立搭一个内部数据查询工具。
每周约 8 小时。暂时不学前端与移动端。请给出分阶段计划。
第二步：要求「里程碑 + 验收标准」
不要让它在第一阶段就铺开所有概念，而是要求：
- 每个阶段结束时，你应该能做出什么
- 用什么方式验证学会了（能独立跑通什么、能解释清楚什么）
验收标准示例：
阶段一结束：能用框架搭出一个可查询的本地接口，并说明请求是怎么走通的。
第三步：用小项目驱动，而不是按章节推进
把每个阶段绑定一个可交付的小项目，学的内容服务于项目。这样做的好处是：
- 知道每一块知识用在哪，不容易忘
- 有实际产出，能形成正反馈
- 遇到问题时提问更具体，AI 的回答也更有用
第四步：让它当「陪练」而不是「老师」
三种高价值的用法：
- 解释追问：把不懂的概念让它用别的角度再讲一遍，直到能用自己的话复述
- 代码审查：写完代码让它指出问题，并要求说明原因
- 出题自测：让它根据你的学习进度出几道题，检验是否真的掌握
注意事项
- 它给出的技术选型可能不是最新或最适合你的，重要选型要交叉查证
- 学习计划需要按你的实际进度动态调整，不要机械执行
- 涉及具体版本、API 的内容以官方文档为准
小结
学习路线的价值不在「全面」，而在「可执行」。给足约束、绑定项目、设定验收标准，AI 才能帮你把计划落到每天能做的事情上。