内功：把原理真正搞懂 · 里程碑长文：先让自己不被问倒，再谈传道
这个里程碑要做什么
写一篇《给非技术朋友的 Agent 入门》3000 字长文，找一位真正的外行读懂并复述给你听。复述不出的段落，就是你还没讲懂的段落，回去改到他能讲给别人听为止。
为什么是它（设计意图）
传道者最大的风险不是口才差，是讲错。Agent 领域充斥着二手、三手甚至完全失实的转述，一旦你在台上讲出一个被内行当场戳穿的论断，信誉资产立刻归零。所以第一阶段不练表达，只练内功：用一个月把原理吃到「能向三种人讲清 Transformer」的程度——给小学生讲，用类比和故事；给产品经理讲，用能力边界和成本语言；给工程师讲，用数学和代码。三种讲法背后是同一个理解，做不到三种，说明你只有记忆、没有理解。
这一阶段的另一个目的是建立「事实清单」习惯：你写下的每一个结论都要能溯源，并标注置信度。「已核验」「多方一致」「单一来源」「我的推测」是四种不同的东西，混着说是传道者最常见的翻车起点。
配套资源怎么用
按以下次序使用，不要跳：
- 3Blue1Brown 神经网络/注意力系列：先看，建立视觉直觉。看三遍——第一遍看懂，第二遍记录他用的每一个类比，第三遍研究「动画如何承载直觉」。这是给小学生讲 Transformer 的弹药库。
- Andrej Karpathy · Intro to LLMs / Deep Dive into LLMs：第二顺位。Karpathy 是业界公认的叙事标杆，注意他怎么把「训练—推理—涌现能力」串成一条线。把他的大纲抄下来，这就是你写 3000 字长文的骨架参考。
- MIT 6.S191（2026 版，3 月 30 日起每周开源讲座，Alexander Amini 开场主讲之一）：用来补深度学习地基。只看你讲不清的章节，不必全刷。
- Princeton COS 597G · Understanding LLMs（Danqi Chen 主讲，Fall 2022 课件公开）：学名校如何把复杂主题拆成 12 个清晰讲次。你将来写系列文章、做课程，都需要这种「拆」的能力。
- Stanford CS25 · Transformers United：顶级研究者轮流主讲的前沿系列。放在最后，用来校准「前沿讲到什么程度算到位」，并收集一手信息源清单——每位讲者的主页和论文就是你的源头。
- Hugging Face LLM Course：免费系统课程，作为查漏工具，哪一节概念含糊就回去补哪一节。
跟一手信息源是本阶段的硬要求：讲义、论文、官方博客优先于一切转述。理解成本与局限比理解能力更重要——非技术听众真正需要的是「能干什么、不能干什么、大概多少钱」，而这恰恰最容易被讲错。Stanford HAI 的 AI Index 报告是引用数据的权威来源。
常见翻车点
- 用术语解释术语。对非技术读者说「注意力机制」等于没说，3Blue1Brown 的做法是先建立画面再给名词。
- 把比喻当原理。「Agent 像新员工」是入口不是结论，文章里每个类比后面必须跟一句「但实际上它是……」。
- 置信度混写。把「我推测」「有研究说」「官方文档明确写了」揉成一段，读者分不清哪句能信。
- 只讲能力不讲局限。没有成本、失败率、适用边界的入门文章，本质上是广告。
- 找错试读人。找个懂你内容的人试读毫无意义，必须找真正的外行。
验收清单
- 长文 ≥3000 字，且全部结论可在事实清单中溯源并标注置信度
- 文中包含对「Agent 能做什么/不能做什么/成本量级」的明确说明
- 一位非技术读者读完后能用自己的话复述核心内容，且复述无关键错误
- 能分别用小学生、产品经理、工程师三种方式口头讲清 Transformer，各不超过 5 分钟
- 事实清单中至少 10 条结论标注了一手来源（讲义/论文/官方文档）
- 全文无「据说」「有人说」等无源表述
延伸建议
把这篇长文存成你的「母稿」：s2 的视频脚本、s4 的讲座大纲都会从它生长出来。同时开始维护一个公开可检索的事实清单（放在你的知识库里即可），它会成为你日后所有内容的信用底座。若有余力，读《风格感觉》（Steven Pinker）——它专治「知识的诅咒」，即懂了之后反而讲不清的毛病。