想學 AI 但不知道從哪開始？零基礎到能用的 30 天行動路線圖

為什麼工具明明擺在那邊、教學影片也看了一堆，三個月過去你跟 AI 的關係還是停在「偶爾用一下 ChatGPT 翻譯郵件」？

大部分人卡關的真正原因是把「學 AI」當成考駕照——以為背完規則就會開車，跟聰明與否無關。實際情況更接近學游泳：你必須真的下水，喝幾口水，才知道身體要怎麼動。這篇文章把「想學 AI 但不知道從哪開始」拆成 30 天的具體任務，每週只要做 3-5 件事，月底你會帶著一個能拿出來講的成品畢業。資料來源參考了 Prompt Engineering Guide、Coursera 與台大 Build with AI 等開源課程體系，去掉理論留下動作。

先講結論：你真正需要的是一張 30 天的時程表，加上每週驗收標準，更多教學反而是其次。下面把整個流程攤開來給你。

為什麼大部分人學 AI 學不下去

觀察身邊有在「想學 AI」的朋友，會發現他們卡在三個地方。第一是焦慮型過度蒐集——把 100 支 YouTube 教學加到口袋，每天看 3 支，結果一個都沒實作。第二是工具炫技型——昨天試 Midjourney、今天玩 Suno、明天又跳 Runway，每個玩五分鐘就放下，記憶留在表面。第三是純理論型——把 Transformer 架構、Attention 機制讀得頭頭是道，但同事問他怎麼用 AI 寫週報還是要查。

這三種人都有一個隱藏共通點：他們把 AI 當成一個學科，而學科要從基礎理論讀起。但 AI 工具更像微波爐——你不需要懂磁控管原理才能熱便當。你需要的是知道哪個按鈕做什麼、不同食物要設多久、爆掉一次學一次。理論可以慢慢補，動作才是核心資產。

另一個常被忽略的卡點是「沒有失敗的權利感」。很多上班族用 AI 寫第一封信、AI 回得不夠好，就直接結論「AI 不適合我的工作」。問題是新工具的學習曲線本來就有挫敗段，你給 ChatGPT 打 0 分的時候，可能只是你的 prompt 寫得太簡陋。把這 30 天當成「允許自己拍 100 張爛照片才會有 1 張像樣」的攝影練習，心理門檻會低很多。

這三種卡關共通點是「沒有產出」。香港學者 Dr. Jackei Wong 在 學 AI 與學用 AI 其實完全是兩回事 一文中明確指出，多數人混淆了「研究 AI」與「使用 AI 解決實際工作」這兩件事，導致學習路徑越走越偏。研究 AI 是給博士生的事，你需要的是後者。

開始前先設好兩個錨點：場景 + 量化目標

動工前花 30 分鐘做這件事，可以省掉後面 30 天的迷路。拿一張 A4 紙寫下兩個東西。

第一個錨點是「場景」——你日常工作或生活中，最花時間又最重複的事是什麼？業務的話可能是寫客戶回信、整理會議記錄；行銷可能是發想標題、改文案；學生可能是讀論文、做摘要；客服可能是回答常見問題。挑一件，寫死它。30 天內所有 AI 練習，都圍繞這個場景。

第二個錨點是「量化目標」——把「我想學會 AI」這種模糊願望改寫成數字。例：每週用 AI 寫 5 封客戶回信並寄出、每週產 3 篇社群短文、月底交出一份 2000 字的市場分析。沒有數字，30 天到了你會記不得自己做過什麼，學習感是假的。

這裡借一個產品圈常用的 OKR 框架簡化版：Objective 寫一句話的方向，Key Result 寫 2-3 條可驗證的數字。例如 Objective「30 天內讓 AI 替我節省週末加班時間」，Key Result「每週用 AI 完成週報初稿、每週減少 2 小時手寫郵件時間、月底產出 1 份用 AI 輔助的內部分享簡報」。這樣寫的好處是，第 31 天你可以直接打勾或打叉，不會自我催眠「我有在學」。

把這張 A4 紙拍照存在手機桌面，每週至少看一次。30 天裡你會被新工具、新教學、新技巧誘惑無數次，這張紙是你的指北針——任何不符合場景與量化目標的學習活動，這個月先不做。

第 1 週：選定主力工具 + 跑完第一個小任務

第一週只做一件事：把工具收斂到一個。新手最常犯的錯是同時開五個帳號（ChatGPT、Claude、Gemini、Perplexity、Copilot），結果哪個都沒摸熟。建議先二選一：偏文字創作和對話選 ChatGPT 或 Claude；偏搜尋研究選 Perplexity。其他先不要碰。

選定後，按照 ChatGPT 新手完整教學 把基本介面、對話歷史、自訂 GPT 這些功能跑一遍。第一週的任務是建立「我每天都會打開這個網頁」的肌肉記憶，技巧反而是其次。

第 1 週每日任務

第 2 週：學會把工作流交給 AI（prompt 模板化）

第二週開始進階。這週的目標是把第一週的「散打」升級成「招式」——也就是把好的 prompt 寫成可重用的模板。

Prompt 模板化的觀念可以參考 AI Prompt Engineering 入門教學。簡單講，一個好的模板包含五個要素：角色（你扮演誰）、任務（要做什麼）、輸入（給你哪些資料）、限制（不能做什麼）、輸出格式（要交出什麼樣的結果）。

舉例：你是業務想用 AI 寫客戶回信，模板可以是「你是一位有 10 年 B2B 經驗的業務主管。請依照以下客戶來信，回覆一封繁體中文的中性語氣信件。回信不超過 200 字，需要包含：感謝、回應對方提的三個問題、一個下次會議的提議。」這個模板存起來，下次同類信件直接套，把客戶內容貼進去就好。

第二週至少要做出 3 個自己常用的模板，並且每個模板實際使用 5 次以上。模板存在 Notion、Apple Notes、甚至 ChatGPT 自訂 GPT 都可以，重點是「找得到、改得動」。

一個容易忽略的細節是「輸出格式」。同樣的內容請 AI 產出 Markdown 表格、JSON、條列式、純段落，後續你能拿來複製貼上的速度差很多。如果你常要把結果丟進 Excel，就在模板最後加一句「請以 CSV 格式輸出，欄位用半形逗號分隔」。如果你要貼回 Notion，就加「請用 Markdown 表格格式」。這個細節做好，模板能省的時間多 30%。

第二週末的小考核：把你最常用的那個模板拿給沒在學 AI 的同事或朋友，請他套進去用一次。如果他不用問你就跑得起來，模板算合格。如果他卡住，回去改模板的「角色」與「輸入」段落寫得更明確。AI 能不能用得好，一半是 prompt 寫得清不清楚，這個練習會逼你誠實面對自己的模板品質。

第 3 週：把 AI 整進每天的 SOP

第三週的關卡是「自動化」。你會發現自己開始每天主動打開 AI 而不是等想到才用。這時候要刻意把 AI 嵌進固定流程，而不是當特殊工具。

具體做法：寫下你每週固定要做的 5 件事（例：週一會議記錄、週三發週報、週五發社群貼文），每一件都設計一個 AI 介入的環節。會議記錄可以丟給 AI 做摘要與行動清單；週報讓 AI 根據你的草稿改成正式格式；社群貼文讓 AI 從你的長文摘出三條短的。

這週也是開始試「進階用法」的好時機——上下文上傳、長文分析、簡單資料表處理。如果工作會接觸到程式或自動化，可以開始接觸 Claude Code 或 ChatGPT 的程式介面。對程式零基礎也能玩得起來的入門路徑，可以看看 vibe coding 的實作。

詳細做法參考 Vibe Coding 零基礎入門，文章裡有講怎麼用 AI 把想法變成可跑的小工具，完全不需要先學程式語法。

第三週的另一個重要練習是「讓 AI 處理長文件」。把你最近收到的一份合約、一份報告、一份會議記錄整份貼給 AI（注意把機敏資料先去掉），請它做摘要、找出風險點、列出待辦事項。這種「資訊壓縮」是 AI 在工作上最高 CP 值的應用，第三週用過幾次之後，你會自動把所有 5 頁以上的文件都先丟給 AI 過濾一輪。

這週也建議刻意做一次「失敗紀錄」。挑一個 AI 產出讓你失望的場景，把對話完整存下來，旁邊寫三行筆記：我以為它會做什麼、它實際做了什麼、下次我要怎麼換問法。一週累積 3-5 個這樣的失敗案例，你的 prompt 直覺會跳一個級別。

第 4 週：交出一個拿得出手的成品

最後一週是收割。前三週累積的工具熟悉度、模板、SOP，要凝結成一個「可被別人看到」的成果。這個成果不需要驚天動地，但要符合三個條件：對應你第一週設定的場景、能解釋你怎麼用 AI 做的、可以放進履歷或作品集當案例。

成品舉例。業務：一份「用 AI 改善客戶回信效率」的內部分享簡報，含 before/after 範例與時間節省數據。行銷：一個 7 篇連續發文的社群企劃，每篇都標註用了哪個 AI 工具與 prompt。學生：一份用 AI 輔助完成的 3000 字研究筆記，附上你校對與修改的痕跡。HR：一套用 AI 半自動化的應徵者初篩流程文件。客服：一個用 AI 整理出的 50 題 FAQ 知識庫。

成品做完最重要的一個動作是「公開」。發到 LinkedIn、Threads、公司 Slack、社團群組，挑一個你會緊張但不會社死的場合丟出去。第一篇 AI 學習成果文章按讚數可能只有 5 個，但你會收到 1-2 條真實回饋——這個回饋的價值遠大於繼續悶在房間裡再做 10 個成品。30 天的學習，從第 28 天的「按下發送」那一刻才真正完成。

交完成品也是回顧時間。打開第一週寫的場景錨點與量化目標 A4 紙，逐條打勾。沒達成的不要避開不看，誠實寫下原因——是高估自己時間、低估場景複雜度、還是工具選錯。這份檢討會直接決定你第 31 天之後該往哪走，比成品本身重要。

30 天行動路線圖

30 天結束後該怎麼往下走

月底如果第一週的場景已經被你做順了，恭喜——這時候要做一個分岔選擇：應用路徑還是開發路徑。兩條都好，但只能選一條深耕，貪心會讓你回到月初的混亂狀態。

應用路徑適合非工程背景的人。重心放在「把 AI 用得比同事深」——研究自訂 GPT、Claude Projects、各種垂直工具（Notion AI、Gamma、Cursor、ElevenLabs）。半年內你會在公司被當成「AI 那個誰」，內部分享、跨部門協作的機會會自己找上門。

開發路徑適合對技術有興趣或本身就是工程師的人。重心放在「讓 AI 自己做事」——學 API 呼叫、學寫 Agent、學 RAG（檢索增強生成）、學 LangChain 或 n8n 串流程。一年內可以接到自動化專案外包，或在公司主導 AI 導入。

選不下來的人通常有兩種樣子。第一種是「我兩條都想學」，這種人 90% 會失敗——因為兩條路要學的東西完全不同，並行會讓兩邊都停在表面。誠實的解法是先全力做應用路徑 3 個月，把場景跑深，第二季再看要不要轉開發。第二種是「我不確定自己有沒有技術天分」，這種人最好的測試是花一個週末跟著 AI 做一個簡單的 Telegram Bot 或 Google Sheet 自動化腳本，做不出來就走應用路徑，做得出來且玩得開心就走開發路徑，週末就有答案。

如果不確定走哪條，建議先看一下 Claude AI 完整入門教學 試試 Claude Projects 與 Artifacts，這些功能介於應用與開發之間，很適合用來判斷自己對「動手做工具」有沒有興趣。

常見彎路 5 個 + 避坑指南

這五個彎路是看了上百個學習者後整理出來的高頻地雷。對照看看自己有沒有踩到。

怎麼判斷自己卡在哪一個彎路

最快的自我診斷法：回想過去 7 天，你打開 AI 工具的次數，跟你看 AI 教學內容的次數，哪個多？如果教學遠多於實作，你卡在「理論先於動作」。如果工具開了但每次都在玩新功能，你卡在「追新工具症候群」。如果寫的 prompt 都是一兩句話，你卡在「把 AI 當搜尋引擎」。對症下藥比硬撐有效。

還有一個進階指標：你的「對話歷史」裡有多少條超過 10 個來回的長對話？少於 3 條代表你還沒進入深度使用，AI 對你而言只是進階版的 Google。30 天結束時，這個數字應該至少 10 條以上，那才算把 AI 用熟了。

適合不同職業類別的 AI 起點對照

不同職業切入 AI 的角度差很多，硬套別人的學習路徑會浪費時間。下表是 8 種常見職業類別的「最小可用起點」，建議第一週就從這裡選任務。

常見問題

把 30 天行動路線圖變成你的下一個職涯資產

文章看完是 0 分，今天打開工具丟出第一個 prompt 是 1 分。從 0 到 1 的距離，比 1 到 100 還遠。

如果你是個人學習者，把這篇收藏起來，今天就動手。如果你是企業負責人想替團隊規劃 AI 導入路線，恆遠數位行銷可以幫你設計一份對應公司業務場景的客製化 30 天計畫，包含工具選型、模板庫、SOP 設計與成果驗收。

預約 AI 顧問諮詢，告訴我們你的職業或公司情境，我們把這份路線圖換成你能用的版本。

延伸閱讀：如果想深入練 prompt 寫作，可以接著看 prompt engineering 入門教學；如果想往 vibe coding 或 Claude 進階，文章裡的內部連結都已經幫你串好。一篇看不完沒關係，先把這篇收藏，明天打開繼續往下走。

最後一句送你：30 天的差異不在天分，在每天打開工具的那 30 分鐘。明天見。