计算机类专业低年级学习推荐
写在最前面
据我个人的经验、观察，以及和一些同学的讨论，很多同学在低年级（大二下学期开始前）经常存在不知道学什么的问题。通常表现为大一大二都只按部就班地听课、完成作业、通过期末考试，而没有利用课余时间学习更多专业知识。到高年级的时候出现基础不牢、知识体系零碎、技术栈散乱，导致无法具备解决问题、完成工程项目的能力。同时郁闷的是，身边的同学要么已经参加多场学科竞赛，并屡次获奖；要么加入实验室做科研、做项目，并有一定的成果产出；要么已经具备成体系的技术栈，已经具备开发 Web、APP 等应用的能力；要么专业基础知识扎实，已经开始摩拳擦掌开始准备研究生考试的科目……
原因有很多，其一是同学初来乍到，面对陌生而又包罗万象的技术时不知道要学什么，不知道学了某技术后有什么用。只能按部就班地完成学分要求，或者不知道如何有效利用课余时间。针对上述问题，本人按照个人经验总结出本文，以期为有心想要提升自己但是不只从何下手的同学提出一些可选的学习选项。首先明确本文的目标读者，即就读计算机类专业的一般同学：
- 还未确定自己的技术栈（所以请已经明确方向的不要杠我说学习某某技术对某某方向没用，此时应该去看具体方向的学习路线）；
- 还未加入实验室或类似有明确分工的工作组，包括但不限于报班、实习、有稳定培训的社团（所以请不要指责我瞎提建议分散同学的注意力）；
- 还未确定自己是否要考研考公（所以请不要杠我说这些对考试卵用没有，同时我相信其中一部分技术是有助于读研和一些事务工作的）；
- 对绝对的优绩主义保持（部分）怀疑态度（如果你认为卷绩点是你的主业，所有的学习行为都需要严格计算的话，大概也不会点进这篇博客）；
- 觉得课内知识通过一定的努力尚且能应付，并希望提升自己的能力，但不清楚应该做什么；
- 觉得课余时间还是能提供一定的时间给自己充充电，丰富技术栈，但是不知道要学什么；
- 想要为自己争取一些可能性，包括但不限于学科竞赛、加入实验室、实习机会等，但是不知道从何开始。
同时这篇博客主要面向低年级同学，我对低年级的定位是从入学到大二下学期开学前（含寒假）。因为处于这个时期的同学拥有较为丰富的学习时间、对专业有一定的新鲜感和好奇心、暂时还不需要面对就业、升学压力，非常适合为后续高年级时的冲刺锻炼和储备体能。如果你已经到了高年级（大二下学期开学后），我觉得就不应该面面俱到，而是要尽早确定发展方向然后参考专门的学习经验（例如某技术栈的学习、考研和考公经验等）。
这篇博客分享的学习可选项我将尽量取不同方向的交集，即学习这部分知识能或多或少地有益于后续的大部分选择的选项，提高只是利用率。需要指出的时，这篇博客列出的所有资料和技术本人在本科期间也并不完全都有涉猎或学习，而是把我认为可能有用的学习内容呈现出来。所以希望你不要受完美主义的思潮影响，知识和技术是学不完的，不要过度苛求自己，能在课外多学习多接触更多技术本身已经非常不错了。同时也不要陷入功利主义的陷阱（即我学的一定要有用，学了没用上就是浪费），在实战阶段起作用的是你针对具体问题然后调出来最匹配的那部分知识，但并不代表你没用上的知识就浪费白学了，学习的过程同样值的珍视。
本篇博客为古法手搓，不含任何的 AI 和科技成分，所以非常主观，仅供参考，请结合自身情况具体问题具体分析。啰嗦了很多，下面进入正题。
编程语言
我相信大部分同学对计算机的初印象就是“计算机==编程”，认知到存在不同的编程语言构成了对不同方向的初步认识。然而可能会有同学产生如下认知：
- 隔“语言”如隔山，学习一门编程语言是费劲的。但是我觉得程序设计的底层逻辑是共通的，熟练一门语言后接触另一门语言（在不深入的情况下）会更快；
- 编程语言学得越多越好。然而你做具体的项目时肯定不是所有编程语言一起上，而是选择和具体场景最匹配的语言；
- 大部分同学入学后学习的第一门语言是 C 语言，可能会觉得我 C 语言都学不好（期末分数不高）所以肯定学不会其他的语言。然而 C 语言的难度是非常大的（因为接近底层+“轮子”少），被这门语言打击了并不意味着其他所有的语言你都没法学；
- 学会编程语言就能解决所有问题。实际情况是具体的应用场景需要的不仅是编程，例如做一个 Web 项目需要配置环境->写代码->打包部署->测试->上线，期间可能需要软件工程、IT项目管理来把控。
![1774310-20260131012637569-2125857108]()
个人认为，在课余时间比较推荐学/提前学的编程语言有 Java 和 Python。首先说 Java，目前最主流、行情稳定，也是大部分同学会从事的岗位就是 Java 开发。个人观察前几年不同的岗位都有所波动，包括不限于 Python 开发、嵌入式、移动端、前端、网络安全等，经常是有几年好然后就饱和了。目前来看因为开发做产品是大部分企业的刚需，所以 Java 开发（主要是后端和全栈）仍然是比较稳定的选项（变卷了也是事实）。Java 能写后端和 Android 等，更重要的是你学完之后就能写出一些看得见、摸得着的小项目，而不是只能对着 C 语言的“黑框框”干瞪眼。
对于低年级阶段，我觉得 Java 主要还是要掌握基础，即基础语法、面向对象、异常和日志、泛型、集合。因为无论你拿 Java 做什么应用，这些基础的语法都是需要频繁使用的。过完基础后把一些 Java 的经典应用做一遍过去，即简单的并发、JDBC 连接数据库、Swing GUI、套接字编程等。如果可以，争取在大二下学期开学前用 Java 开发一个 Web xx 管理系统（用啥都行，JSP 也行，用框架更好）。我经常把这个作为衡量同学基础掌握情况的指标，以及推荐参加学科竞赛的依据。因此这个时候你已经对 Web 开发有了非常具体的认知，在高年级阶段你可以进一步细化精进，并争取参加学科竞赛或实习的机会。
学习资料方面，首先我个人推荐 《Java 核心技术 卷 I》。《Java 核心技术 卷 I》和《Java 编程思想》这 2 本书都是公认比较权威的书籍，我当时也是照着 《Java 核心技术 卷 I》学的。国外的书有个特点就是，很多书是“任务驱动型”的讲法，也就是我要实现什么需求该怎么做。这本书如果看的话推荐读到异常（第 7 章）或第 9 章就可以了，其他内容个人感觉有点过时，你应该能在 B 站找到更好的。
我刚刚提到的经典应用也建议自己找别的资料学，例如 B 站播放量最高的几门课程中挑一门然后挑选对应的内容跟着做（当然也可以不看书直接找门课学，只是我个人觉得从头到尾刷课有点花时间）。这样搞一遍，用一些刷题平台巩固一下基础语法的掌握，然后做几个带 GUI 或 Web 界面的小项目，在低年级阶段就能打下很不错的基础了。
现阶段拿纯 Python 去就业是不现实的，但是学完 Python 可以做很多事情，例如：写一些脚本处理 Excel 表格，完成一些繁琐的匹配工作；在部分运维和测试场景写一些自动化测试脚本；做一些爬虫爬取一些数据；用 Pygame 做个小游戏；用 Django 或 FastAPI 搭建 Web 等。因此学完 Python 平时可以玩的玩具会变得很多，同时学习周期短、开发效率高（虽然运行效率不一定高），你的想法可以很快地变现。在网络安全方面，很多的渗透和注入脚本也都可以用 Python 实现。特别是对于以后想要读研的同学，大概率你读研时就是用 Python 搭一些模型做 AI。
学习内容方面，我觉得最关键的地方在于学会如何调库，只要你学会如何调库你就可以快速地使用各种现成的工具搭建出你想要的玩具，这个要求本身就涵盖了基础语法和面向对象的要求。我并不建议深入学习某某库，因为这部分知识已经非常靠近边缘，你使用 Python 的大部分场景主要还是调库，所以不用过于苛求。
学习资料方面，推荐《Python 编程：从入门到实践》和《Python 编程快速上手：让繁琐工作自动化》。我原来是按照 《Python 编程：从入门到实践》学习的，这是一本面向 0 编程基础的书，阅读门槛非常低，非常适合没有写过任何代码的读者。这里作者并没有深究某个编程语法，然后详尽地展示出与该语法有关的所有内容，而是带领着读者建立基本的编程思想。个人建议重点学习第一部分就行了，第二部分（即应用部分）我觉得可以用 B 站的资料平替。
《Python 编程快速上手：让繁琐工作自动化》相对来说更细一些，我其实更建议科班的同学看这本，效率会比较高（因为面向 0 基础的表述较少）。后面的章节也展示了一些库的使用，例如正则表达式、文件读写、简易的爬虫、操作 Excel 和 GUI 等，能够帮助你达到“学会调库”的目标。
至于其他资料，其实我觉得 Python 的学习资料是最泛滥的，所以感兴趣的话自己找找相关的教程或者 Github 项目做一做就行。相比 Java，Python 可以分化出来可以做的事情更多，“乱花渐欲迷人眼”，一定不能深陷其中，还是要把握住“学会调库”。因为你能调 A，你就一定会调 B，调不出来就说明你调的库开发的不是很好。
其他编程语言我没有提是因为我觉得这些不是低年级该做的事，或者应该是确定了发展方向后才需要做的事。例如 C/C++ 适合想做通信编程、游戏服务器开发、嵌入式开发等方向；做 Unity 游戏开发需要学 C#；用 GOlang 做后端开发（一般学完 Java 后学）等。我这边没有一一列举，一是因为已经有很多相关的资料能把这些介绍得很清楚（例如程序员鱼皮的视频），二是我觉得这已经是非常具体的方向选择问题了，对这些语言感兴趣更应该看具体方向的学习路线，故此不再赘述。
B 站程序员鱼皮：我该学哪个编程语言？对比10+主流语言优劣，入门编程不迷茫！自学必看，Java、Python、Go、PHP
算法刷题
从编程语言的话题中很自然能引申出日常刷题的话题，很多同学在大一就被平时的刷题作业来回摩擦，很容易对这件事有抗拒心理。但整体来看，保持一定的日常刷题习惯还是我们专业的硬通货之一。功利一些来说，找工作时公司的面试核心仍是算法与数据结构，在低年级时就有一定的算法题储备量到面试时也会比较从容。对于研究生考试（主要是复试），机试在很多院校的复试考核占比很大，甚至会在机试上设置斩杀线。同时这也是在复试时展示专业素质，补足补足初试和面试的机会，我身边就有因为机试分数高得到老师青睐的例子。从专业学习来看，日常刷题能够以比较稳定的方式保持“码感”，锻炼编程能力和 debug 的能力，同时也有助于数据结构、算法设计与分析之类的课程学习。
我推荐平时在 leetcode 上刷题，在题库里面挑一个专题来练习。刷题时要注意节奏，例如你刚学完课内的 C 语言就可以先刷一些递归、排序、二分查找的题目，学完数据结构的内容再去动对应章节的题目，也就是不要硬刷，还是以巩固和拓展为主。也不用死磕困难的题目，循序渐进，而且力扣的简单题并不简单——一般来说都有你想不到的多解和巧解。所以我觉得力扣的精华在于评论区和题解区，这几个地方会有题目的深度解析技巧，对编程能力的提升很有帮助。使用的编程语言的话，我觉得你会什么就用什么，但是还是建议尽可能用 C/C++ 或 Java，因为这两种语言一般都是考核的指定语言。
技术书的话推荐胡凡、曾磊的《算法笔记》，这本书虽然是针对复试的机试，但是我觉得拿来做平时的学习也非常合适。这本书是自称体系的，在开篇就会结合具体题目带你把基础语法过一遍，如果你担心基础不牢的话可以把这部分过掉。接着对多个专题进行讲解，包括基础题（排序、递归、贪心等）、STL 库的使用、数据结构与算法（树、图、动态规划等）。同时这本书还有一本配套的习题册《算法笔记 上机训练实战指南》，还有时间的话可以继续扩充。这本书我曾推荐给多位同学作为复试机试的参考资料，反馈都说效果不错。
计算机系统
在专业学习初期，很多同学存在对计算机系统无法建立整体性的认知。这可能是因为不同的课程（例如高级语言程序设计、数字逻辑、计算机组成原理、操作系统）在顺序和学期上安排零散，同时它们往往只针对本课程的局部知识，缺乏课程之间的联系。因此如果能建立起对计算机的宏观认知，把握好整体的主线，则具体的课程学习就能被认为是对其中一部分的细化，减轻课程的学习压力，并加深对计算机本身的理解。
首先是技术书，个人推荐《编码 : 隐匿在计算机软硬件背后的语言》和《深入理解计算机系统》（CSAPP）。《编码》这本书写得非常扎实且通俗易懂，有人将其评价为可以完全平替学校的计算机组成原理和操作系统课程。本书从摩斯电码和布莱叶盲文开始 ，再到如何构建逻辑门，然后更进一步实现加法器、CPU、存储器，以及对操作系统和高级语言的概览。读完这本书能够较为省力且具体地搭建起对计算机整体的认知体系，理解计算机工作的流程。
《深入理解计算机系统》相比上一本体量更大（中文版 700+ 页），专业性更强，也是我更建议科班同学用心学习的。这本书从 hello world 程序在计算机上的执行过程作为开头，然后以此展开信息表示、汇编、处理器、程序优化、编译器、存储器，最后再到 I/O、网络和并发。你可以把这本书的内容当做数字逻辑、计算机组成原理、操作系统、编译原理等课程的高度浓缩版，你会发现把这套逻辑理顺了上具体的课程就是把里面的细节细化，在理解上已经降低了很多门槛了。同时建议有时间的话，把这本书的习题和实验也做过去。
当然要啃下来《深入理解计算机系统》还是需要不少时间，我本人也还没有完全读完，边读研边（三天打鱼两天晒网地）慢慢看。看的感受就是相见恨晚吧，所以还是觉得能尽早看（尤其是在低年级有较多的时间的情况下）越好。如果你感觉阅读有困难，可以配合 B 站 UP 主的合集·CSAPP-深入理解计算机系统，里面有对这本书的核心知识点进行动画讲解。
视频方面还比较推荐 B 站 UP 主的 Micro_Frank 的 计算机硬件基础，Micro_Frank 用简单粗暴的方式把硬件的功能和怎么看型号喂给你。看完之后不仅能了解一台计算机的基本组件，还能看懂硬件配置和型号，面对配电脑的环境时就不会觉得一头雾水了。
对于计算机网络，如果你打算好好学可以看我写的博客计算机网络个人学习经验。但是据我个人经验我知道这是很困难的，同时在这些计算机基础理论中计算机网络的知识通常遗忘率是最高的。我个人认为可能是因为上课时老师就在那分析协议，然后同学学习时也是挨个协议孤立地去记忆，无法用 TCP/IP 协议栈搭建起网络的工作流程和体系。我对于计算机知识的学习非常强调正确的第一印象 + 整体性的认知，你只有知道这玩意是做什么、大致流程是什么样的，才能更好地往你的体系中填充细节。对于一般同学我简化一下，这篇博客只推荐《网络是怎样连接的》这本书。豆瓣热评将其称之为“计算机网络：端到端方法”，也是一本讲述了访问一次网络发生了什么事的小册子。相信你通过这本书把这个逻辑、过程理顺了，再去听课和学教材就更容易接受了。
同时，上述内容也可以认为是在对 408 考研科目中的《计算机组成原理》、《操作系统》和《计算机网络》打基础，我觉得只要能够搭建起计算机系统的结构体系，对高年级的研究生初试的准备也大有裨益。
MySQL
数据库是计算机专业会非常频繁使用的技术，一般的科班专业都会开始数据库原理课程，可以说是迟早要学。对于一些动作比较快的同学，可能在做 C 语言的课程设计的时候就会把数据塞进数据库里了。做 Web、移动端等开发都需要对应用的数据进行存储，做网络安全也会涉及到对数据库的 SQL 注入攻击。同时使用的结构化查询语言 SQL其学习门槛并不高，对于基本的增删改查操作在不同的关系型数据库上具有通用性。因此我觉得 SQL 在大一期间就可以找个时间快速刷掉，越早学完就能越早解锁后续的更多内容。
其中我建议直接学 MySQL，MySQL 是一款开源免费的数据库，在实际应用场景中使用非常广泛。我推荐直接使用《MySQL 必知必会》来学，这本书是一本小册子，对于基本的 MySQL 的使用和 SQL 语法的介绍非常简洁明了，可以在很快的时间内把 MySQL 过一遍。
至于数据库设计、数据库效率优化、复杂的 SQL 语句编写，我不建议作为单独的专题进行深究。更应该通过项目驱动的方式，跟着一个项目或者案例教程体验才能有直观感受。包括渗透测试中的 SQL 注入，也是在学会基础语法之后直接上靶场上练习效率更高。因此关于更多内容我就不再赘述，学完数据库后就尽快应用它就行。
Linux
一般来说服务器都是使用不带图形界面的 Linux 系统，简单来说是因为 Linux 系统的效率和安全性更高，同时还是开源的用户对其知根知底。例如对于 Web 开发，一个很经典的架构 LAMP 指的就是：Linux（操作系统）、Apache（HTTP 服务器）、MySQL（也指 MariaDB，数据库软件）和 PHP（有时也是指 Perl 或Python）。
例如在网络安全方面，有个专门为数字取证和渗透测试设计的发行版 Kali Linux。里面已经包含了大量信息收集、渗透测试、漏洞破解等工具，可以说做网络安全的话要今早去熟悉并使用上的。
例如在深度学习方面，目前深度学习严重依赖 NVIDIA GPU，其官方驱动和 CUDA 工具链也是在 Linux 上支持最完善、更新最快，TensorFlow、PyTorch 等主流框架对 Linux 的支持也是最稳定。所以做一些深度学习的模型，或者租算力服务器（例如 AutoDL 平台）做模型训练，都需要使用 Linux 的操作。
我们平时可能 Windows 和 macOS 用习惯了，以敲命令为主的和操作系统交互的方式对于初学者来说会很不适应。很多应用场合都是纯命令行操作，例如配置 Cisco 和华为的路由器/交换机，因此 Linux 的基本操作和命令以及面向命令行的工作模式也是越早接触、越早熟练越好。学习资料我建议使用《Linux 就该这么学》的开源电子书，以第 0~6 章的基础知识为主，包括：Linux 的基础命令、Vim 编辑器、Shell 脚本、用户角色和权限、存储结构。
除了平时有事没事在 Linux 系统上敲敲命令，还有一个很重要的能力是学会如何配置虚拟机。在学习阶段，我们很难有真机可以让我们随意折腾，为不同的应用配置五花八门的环境。在学习的角度上虚拟机功能等同于真机，还能随意测试一些如 'rm -rf' 之类的命令或复现安全漏洞。同时主流的虚拟机软件（例如 VMWare 和 VirtualBox）都支持快照，可以快速将系统状态恢复到任意保存点（所以建议配好环境就直接拍个快照）。而且等未来要为真机安装系统时，其实流程和配置虚拟机的过程也是基本一致的。《Linux 就该这么学》里面的软件资源也有提供一些基本的工具，并在第一章就讲解了配置的方法。建议平时有事没事可以配置一些不同发行版的 Linux 虚拟机，例如 Red Hat、Ubuntu、Kali等。
当然，如果学有余力可以进一步学习这本书的后续章节，或者看例如《鸟哥的 Linux 私房菜》和 B 站课程等一些更为全面的教程。但是我觉得对于一般同学而言能熟悉熟悉这些基本操作就已经够用了，可以在后期根据需要自行选择是否深入。
软件工程
很多同学在后期可能对具体的开发技术掌握得不错，但是对于一个软件的生命周期和从 0 到 1 的构建过程缺乏整体性的认识，导致思维模式和实际生产环境难以匹配。加上现在国内很多软件工程的教材都在着重介绍如何画图、填表、写报告，导致很多同学在软件工程课上被这些东西折磨得死去活来，以为软件工程就是写文档。所以避免被这样错误的认知带跑，在低年级就熟悉软件工程的一些知识建立起正确的第一印象就很重要了。
这方面我建议阅读邹欣写的《构建之法》，这本书不仅介绍了需求分析、软件实现、软件测试、软件发布等基本要素，对结对编程、敏捷流程等开发范式有比较深入而具体的讲解，同时还包括软件工程师的成长、项目经理、行业创新、职业道德等专业认知方面的章节。可以说看完这本书不仅能全面了解软件的生命周期，还能对 IT 这个行业有初步的认识。这本书门槛非常低，0 基础和非科班的同学我觉得都可以较为轻松地接受，所以可以当闲书不带压力地看完。
机器学习
当前仍是以深度学习为代表的人工智能技术蓬勃发展的版本，虽然很多计算机专业同学不会在课堂上学习人工智能相关课程，也可能不会读研做 AI 的相关研究。但是学习机器学习基本模型的使用，能给功能更强大的应用开发提供关键技术。尤其是现在很多软件设计的竞赛对作品的立意有较高的要求，可以说结合人工智能设计核心功能更有可能博得评委的眼球。同时，上手这些基础模型并不困难，学习门槛很低。
这部分我推荐学习 scikit-learn 和 pytorch 两个框架。Scikit-learn（sklearn）是一个基于 Python 的开源机器学习库，它的使用在学术界和工业界非常广泛，同时因为有标准化的 API 所以调用非常方便。sklearn 库包括一些基础的有监督学习（KNN、SVM、决策树、集成学习等）、无监督学习（聚类、降维、异常检测）、特征选择等算法，还有数据预处理、模型评估、模型调优的工具。学习 sklearn 不仅要会这些模型的基本原理和调用，更要理清楚机器学习的整体流程（包括数据加载、数据预处理、特征工程、模型训练与调优、模型评估），这样就能搭建出简单的机器学习功能并打下良好的基础。
PyTorch 是一个由 Meta（原 Facebook）人工智能研究院（FAIR）主导开发的开源框架，是目前最主流的深度学习框架。通过对该框架的学习并复现一些经典神经网络架构，就可以实现一些经典的计算机视觉（图像分类、目标检测、语义分割、图像生成）、自然语言处理（文本分类、文本翻译、知识图谱、的模型微调）、强化学习、时序预测等方向的模型。学习如何搭建这些模型后，就可以尝试在自己的应用中进行部署，尝试设计更加智能化的功能。
教程方面，我和身边的一些同学其实没怎么看教程，大多都是直接现学现卖。不过还是老套路，直接去 B 站找个口碑比较好的或者播放量高的就行。我这里给出一个 pytorch 教程的简单测评，可以根据该视频的介绍挑选。
技术书的话，周志华的《机器学习》（西瓜书）、邱锡鹏的《神经网络与深度学习》（蒲公英书）和李航的《统计学习方法》这些都是很好的书。但是这些书的“硬货”比较多，对于一般同学而言并不必要甚至有点劝退。我个人推荐黄佳的《零基础学机器学习》，虽然这本书在理论高度上不及前面的几本，但是能够把机器学习的流程和一些基本模型，以比较生动形象又相对容易接受的方式介绍。能够符合我一直坚持的正确的第一印象 + 整体性的认知的目的，等你把这个逻辑理顺了再去看其他教程或者论文就会清晰多了。
IT 发展史
这大概是本文介绍的所有内容中门槛最低、最容易接受，也可能是最有意思的部分。据个人观察，很多同学在专业学习仍乐此不疲地沿用高中的学法，即我只管把课程内容学了，外界的风云变化与我无关。我觉得这是一种明显的“掩耳盗铃”，尤其是在技术迭代如此之快的当下。所以这方面我推荐看看吴军写的《浪潮之巅》，里面介绍了 IT 行业的发展史。从三大定律作为开篇，介绍了 IBM、苹果、英特尔、微软、思科和 Google 等公司的发展与沉浮，其中也体现了技术是如何迭代和演进的，能帮助你更好地对整个 IT 业界有所了解。
结语
我差不多把我能想到的且能尽可能取交集的内容都列上去了，但是还有几点需要再提一下：
- 首先上述可学习的内容虽然是我挑过的，但是显而易见其范围还是很大，所以如果能对其中一部分进行有效的学习就已经有所提升了，我低年级时和现在也没有完全学完这些内容。
- 第二，这些内容可能就计算机系统那部分比较有章法，其他内容摆在一起看起来还是很零碎、不成体系。这是因为上述内容并不是具体到某个方向的，而是相当于把其中一部分方向的前置学习内容拿出来。因此我更推荐你在低年级多尝试一些具体的方向，确定后就进入专门方向的学习，这样才能具备解决工程问题的技能。
- 第三，我没有专门提 AI 编程的内容，是因为我觉得我不需要单独去说这回事怎么做，而是你应该把它渗透到平时的学习和实践中。并不是你直接把你应该学、做的内容直接扔给 AI 进行“托管”，而是通过学习你的提示词要写得更专业、更准确，和 AI 为你生成的回答一起“进化”。
最后祝大家学习愉快。
浙公网安备 33010602011771号