问题可以问ai，只是你自己要做出判断
今天我问了chatGPT一个问题，想看一下他会怎么回答。问题是：在学习ai的过程中,相同时间内，了解大概与深度钻研哪个更重要，他给我了这样一个答案，在阅读后惊奇的发现，他的回答跟我的理念有些不谋而合了，所以我想着分享出来。
一，先了解全貌，再选择少数关键点深度钻研。
AI领域更新极快，单纯追求“什么都深入”成本太高；但只了解大概，又容易停留在会聊天、会复制代码，却无法解决真实问题的阶段。最合理的是 “T型学习”：
- 横向广度：知道主流模型能做什么、不能做什么，了解提示词、上下文、智能体、RAG、微调、评测和安全等基本概念。
- 纵向深度：围绕自己的真实目标，深入掌握一两个方向，并做出能够实际使用的项目。
二，时间可以大致这样分配：
初学阶段：70%建立全貌，30%动手实践。
找到方向后：20%关注新趋势，80%深入核心领域。
三，判断是否应该深入，不要看它是否热门，而看三个问题：
1. 它是否与你想解决的真实问题有关？
2. 未来半年是否会被反复使用？
3. 深入以后，能否形成作品、业务结果或难以替代的能力？
例如，如果你做内容，不必先深入模型数学，而应钻研内容工作流、事实核查、风格控制和自动化；如果你做AI开发，则需要深入编程、模型原理、数据、评测与系统设计。
四，一个很实用的原则是：
广度帮你选对方向，深度帮你建立价值；项目帮你把两者连接起来。
每学习一个主题，都尽量完成“了解概念 → 做出小项目 → 遇到问题 → 针对性深挖”的循环。不要等全部学懂才开始做，也不要把刷资讯误认为学习