021FLOW · HOMO AIPIENS ACADEMY
021flow 出品的 AI 实践课程,从基础到编程、办公自动化、游戏和视频。
51 门课程
找到官方服务,创建本人的账号,安装适合操作系统的官方应用,并确认第一条消息及回复。
学习指南 →
用目标、必要事实和可验证的完成标准编写请求。对照原始资料检查答案,而非相信自信的语气。
区分事实、指令和待确认事项,按相关性与时效选择资料,编写可交给另一段对话的交接说明。
区分模型的行动请求和程序的实际执行。验证工具输入,并明确返回成功或失败。
识别 MCP 客户端、服务器和工具的职责,检查连接授予的权限后再进行小范围测试。
比较基于屏幕和浏览器的观察方式,将任务拆成可观察的动作,每次点击或输入后检查结果。
识别外部内容中的提示词注入,采用最小权限,并在有重要后果的操作前要求人工确认。
选择 Claude Code 或 OpenAI Codex,一次请求一个小功能,审阅差异并用有意义的测试验证行为。
设计观察工具结果并选择下一步的循环,在成功、工具故障或达到行动次数上限时正确停止。
建立正常、边界和失败案例,制定明确的评分规则,将实际输出与预期结果比较。
切分和检索文档,附上相关证据,检查引用来源是否确实支持答案中的主张。
定义角色、交付物和验收标准,检查交接失败及最终合并结果,而非只统计消息数量。
将团队流程写成含负责人、约束和审查标准的作业说明,分开管理示例与规则。
先在相同任务上测量时间与成本,再调整模型或执行设置。更快但不达质量标准的结果不能采用。
设计包含明确审批、可见错误、有限重试和防止重复执行的周期性工作流。
将开发拆成可验证的小改动,交替进行专注构建与检查,并记录清晰的下一步。
用虚构材料整理负责人、期限和遗漏事项,制作入职清单,避免暴露真实员工数据。
核对虚构交易,找出不一致,并保留供人工审查异常情况所需的证据。
用销售、咨询和采购样例构建工作流,在发送或下单之前加入核对步骤。
对照原始资料核对数字,提炼有依据的结论并编写演示提纲,不编造缺失数字。
用小例子解释输入、程序状态、存储和执行,区分已保存文件与运行中的进程。
追踪表单从用户输入到请求及响应的流程,设计加载、成功、空数据和错误状态。
连接页面、状态、存储和权限,检查关闭并重新打开应用后哪些数据仍然保留。
构建包含输入、得分和重新开始的小型游戏循环,通过实际游玩验证规则。
在小场景中连接输入、对象和游戏状态,验证可玩的流程及可见反馈。
解释请求如何转成 token 和模型输出,区分生成文本、已验证事实和外部工具执行。
区分文件、文件夹、浏览器和应用,准备练习文件夹并找到保存的成果。
提出简单请求和有效追问,说明为什么流畅的 LLM 回答仍需验证。
梳理用户任务,确定清晰的下一步,并设计误操作和空状态的反馈。
围绕主要任务组织移动页面,在扩展布局前核对层级、文字可读性、导航和按钮可触性。
设计清晰的 HUD 和输入反馈,通过短时间试玩找出令人困惑的环节。
测试触屏、重启和不同窗口尺寸,区分本地可玩与已成功部署。
设计对话请求、工具界面与执行前明确确认之间的关系。
跟踪状态、重试、交接和完成证据,中断后安全恢复,避免重复已执行的外部操作。
定义 schema,验证类型与必填字段,在后续执行前处理格式错误和缺失数据。
定义可保存范围、检索方式、过期条件和删除方式,不把所有历史文字视为事实。
区分观察与推断,标明页码或区域,保留阅读图片和文档时的不确定性。
处理延迟、打断与工具执行,重要操作先确认,结果验证后再宣布成功。
追踪输入、工具调用和重试的故障位置,在不记录个人信息或令牌的情况下保留运行证据。
定义跨智能体委派任务时的工作约定、状态更新和失败边界。
按输入方式、发布平台和团队条件比较 Godot、Phaser、Unity 与 Unreal,并测试风险最大的要求。
连接场景、输入和碰撞,制作有明确完成条件的小型收集游戏。
实现键盘、触屏、得分和重启,分别验证两种输入路径。
用 C# 连接对象、碰撞和游戏状态,在编辑器和实际构建中分别测试。
整理示例表格数据,保留公式,将重新计算的合计与独立预期值核对。
用真实段落、样式和表格构建报告,检查渲染后的页面及文档可编辑性。
检查内部结构和格式,在支持的应用中验证兼容性,不能仅凭扩展名判断。
编辑坐标、图形和文字,验证缩放、文字显示、无障碍描述和可编辑结构。
根据需求编写 30 秒脚本、分镜和字幕,检查静音观看时能否理解信息。
围绕真实任务剪辑录屏,让字幕与操作对应,播放导出文件核对时间。
选择语义连贯的片段,保留必要上下文,重新编排竖屏短视频的顺序与字幕。
每完成一门不同的相关课程升一级,最高 Lv.5