下载，然后直接开始做
很多朋友问我 Claude Code 怎么入门。他们看到命令行，第一反应是这需要会写代码。其实不需要。
我的建议很简单：下载以后，先做一件小事。等你卡住，再弄清楚为什么卡住，然后去读需要的内容。没有碰过东西以前，很多解释进不了脑子；有了具体问题以后，知识才粘得住。
AI 的入门路径有很多。YouTube、系统课程、训练营和文档都可以，关键是找到符合自己学习方式的那一条。我自己最有效的方法，是先动手，再围绕问题学习。
从你最熟的东西开始
第一个项目最好来自你最深的积累，而不是听起来最厉害的方向。
我在 WRI 和 BCG 做了好几年国家气候规划。决定做第一个工具时，我直接进入这个领域。这个背景给我的不只是内容，还有质量判断标准。AI 写出一段气候承诺分析时，我能看出哪里对、哪里不够。
你在自己的领域里也天然知道什么是好的。这个优势常常被低估。范围要小一点，尽快跑通，尽快完成。
让 AI 来设计你的学习路径
我没有先做一张完整的学习路线图，因为我根本不知道自己应该按什么顺序学。
实际发生的是：做一个小项目，遇到问题，就问 Claude 下一步应该补什么。它推荐一个课程或概念，我学完继续做，再遇到下一个问题。路线图就这样围绕真实工作长出来。
每个概念出现的时机都刚刚好。我已经有上下文，也已经知道自己想解决什么，所以更容易记住。AI 很适合从你现在的位置出发，陪你学习怎么使用 AI。
好想法很少在书桌前出现
以前的工作大多是分析性的：发现问题、做分析、给建议。做产品以后，我越来越相信底层需要的是判断。
判断来自自己的经历、选择和观察。它让你看出一个问题是不是真的值得解决，也让你知道一个结果虽然完整，却还是不对。AI 可以执行，但不能替你决定一件事感觉对不对。
我最好的想法常常来自走路、休息和彻底离开工作的时候。我开始主动接触跟 AI 无关的东西：艺术、自然，以及只属于自己的生活经验。那里往往才是想法的源头。
先把那个让你不好意思的版本发出去
刚开始时，我一直在等，觉得要到一个不丢人的版本才能发出去。
后来我把作品分享出来，收到了很多消息。以前的同事、朋友和很久没联系的人，会告诉我这些东西给了他们什么触动。那些对话又变成新的连接、反馈和问题。
你不知道分享会带来什么。早点让作品碰到真实的人，通常比一个人继续猜更有用。
找到几位你信任的人
现在很多产品只靠一个人和 AI 就能做出第一版。我会让 AI 审产品决策、挑界面的问题，也真的会采纳它的建议。
但我还是保留了一个很小的真人圈子：艺术家、产品经理、AI 工程师、数据科学家和视觉设计师。他们不只是给反馈，也是思维碰撞和灵感的来源。
一个人做东西时，这几个人就是你的团队。入门的门槛比看起来低。更难的问题一直是：你想做什么，为谁做。