AI 工具学习路线图：六层个人 AI 基础设施搭建指南

很多人在学 AI 工具时，容易陷入“今天换这个、明天换那个”的循环，收藏了一堆教程，但真正用起来的没几个。问题不在于工具不够多，而在于缺少一套系统化的框架。本文提供一份六层 AI Infra（个人 AI 基础设施）搭建指南，帮你理清思路：先拥有一个能每天打开的执行中枢，再逐步补齐其他能力层。

第一层：大脑层——让 AI 成为你的执行中枢

大脑层是 AI 负责推理、规划和执行的核心。对新手来说，推荐先上手 Codex，它门槛低，容易建立使用习惯。如果你有本地项目、文件系统或长期工作流需求，Claude Code 是更合适的选择，它擅长处理本地文件、维护长期上下文。

实操建议：先选一个工具，每天打开它，让它帮你完成至少一个小任务（比如整理文件、写一段代码、规划日程）。目标是让这个工具成为你日常工作的“默认入口”，而不是偶尔想起才用。

第二层：采集层——用语音输入解决“打字慢”痛点

很多人用 AI 时，需求描述不完整，是因为打字太慢，想到哪儿写到哪儿。语音输入能显著改善这个问题：说话比打字更快、更完整，还能顺带做代码、外语、总结等处理。

实操建议：找一款语音输入工具（如 SaySo 类应用），在手机或电脑上配置好。日常想到任何需求，直接语音输入给 AI，让它帮你整理成结构化的任务描述。这一步能极大提升你与 AI 的交互效率。

第三层：知识层——把资料沉淀成 AI 可调用的上下文

知识层的目标不是收藏更多链接，而是让资料能被 AI 复用。推荐组合是：Obsidian 作为长期知识库底座 + 浏览器剪藏插件作为进料口 + Claude Code 做整理。

实操建议：在 Obsidian 中建立几个核心笔记（比如“项目想法”“学习笔记”“常用代码片段”），用剪藏插件把有价值的网页内容存入对应笔记。然后定期用 Claude Code 对笔记做结构化整理，比如提取关键信息、生成摘要、建立关联。这样，你的知识库就变成了 AI 可以随时调用的“第二大脑”。

第四层：集成层——让 AI 操控外部工具

集成层的核心是 CLI（命令行接口）。你装了什么 CLI，AI 就能操控什么：日程、文档、消息、GitHub 等。Coze/扣子 适合低门槛的单点任务，而 Claude Code + CLI 更适合多步工作流编排。

实操建议：从简单的 CLI 开始，比如日历、待办事项或 GitHub CLI。配置好之后，尝试让 AI 帮你“查一下明天的日程”“把这份文档提交到 GitHub”。逐步积累，让 AI 能调用的工具越来越多。

第五层：构建层——把想法做成项目

构建层的本质是大脑层工具的可视化入口。Trae 适合快速上手，Cursor 适合有开发基础的用户。至少精通其中一个。

实操建议：选一个 AI IDE，用它把一个简单想法做成项目。比如，让 AI 帮你生成一个网页、写一个脚本、搭一个 API。重点不是代码多复杂，而是体验“从想法到可运行项目”的完整流程。

第六层：产品层——上线、存数据、收钱

产品层是把项目变成产品的关键一步。三件套是：Vercel 部署 + Supabase 用户/数据库 + 支付接口。打通这三样，才算从 Demo 变成产品。

实操建议：先用 Vercel 部署一个静态页面，再接入 Supabase 做用户注册和数据库存储，最后接一个支付接口（如 Stripe）。每一步都有官方文档，按步骤来即可。注意：价格和免费额度以官方页面为准。

两种特殊定位：平台型 Agent 与云端 Agent

平台型 Agent（如 OpenClaw/小龙虾）是封装好的整套 Infra，相当于 24 小时在线的“AI 员工”。如果你自己掌控用 Claude Code/Codex，能丢出去长期跑的用平台型 Agent。

云端 Agent（如扣子/Coze）门槛低、集成快，适合业务流，但控制权不如本地 Infra。

选择建议：如果你需要长期自动化任务，优先考虑平台型 Agent；如果只是临时业务流，云端 Agent 更高效。

学习路径与自测方法

0 基础的学习路径是：先看全景 → 大脑层工具 → 语音输入 → 知识库 → CLI → AI IDE 做项目 → 部署/数据库/支付 → 按需看平台型 Agent 或云端 Agent。

自测用法：遇到问题先判断缺哪一层，再去补对应能力。不要收藏完就结束，关键是动手用起来。

(文中案例与数字均为来源材料中提及，未经独立核实。)

系列：AI 实操