从共同底座开始，进入四条主路线，再走向前沿专题、高阶系统能力与组织级实践。
无论你最终走向产品、工程、设计还是架构，都需要先建立同一套底层理解：AI 改变了什么，模型边界在哪里，什么是 Context Engineering，什么是 Agent / Workflow / MCP / Skills / Computer Use / Harness，以及为什么可靠性、评测、成本与治理会成为系统的一部分。
理解软件 1.0/2.0/3.0、能力迁移与 AI 原生软件的新构件。
建立 LLM 基础心智、失败类型、上下文窗口、RAG 与 Tool Use 的边界感。
学习场景筛选、问题定义、任务拆解、MVP 控制与产品交付路径判断。
理解 Prompt 的边界，掌握 Context Engineering、上下文八要素与可复用 Context Spec。
理解 AI 原生 IDE、vibe coding、agentic engineering 与 Harness Thinking 的关系。
理解 Agent 的核心组成、协议层与最小可用系统设计方式。
学习 Skill 的定位、结构、能力打包方式，以及如何建设 Skills Library。
学习 Computer Use 的边界、系统结构、体验模式与可控工作流设计。
建立评测、调试、Tracing、成本-延迟平衡与最小工程化原则。
理解 AI 产品交互流、可信机制、工作台形态与未来团队协作方式。
点击任一路线，可展开查看该路线的完整能力解释、模块路径与代表成果。
适合想把 AI 从机会识别一路做成可运行产品、可验证 MVP 与可持续迭代体系的人。
机会判断
L1-PB：能理解 AI 产品机会、MVP 与基本产品路径，能做基础判断。
原型构建
L2-PB：能做出一个小型 AI 产品原型或 MVP，并讲清用户、价值与流程。
独立 MVP
L3-PB：能独立完成 AI 产品定义、原型、闭环和迭代方案。
产品体系
L4-PB：能设计产品体系、版本策略与前沿能力引入路径。
产品线领导
L5-PB：能领导 AI 产品线、产品飞轮与多角色协作体系。
以下模块直接来自课程主路线设计文档，覆盖从入门到高阶认证所需的核心能力与代表产出。
建立 AI 产品判断力，学会识别真正值得做、且不是伪需求或伪 AI 的机会。
把机会判断收束成用户、任务、价值与版本边界清晰的产品定义。
用 AI IDE 与轻量工程方式快速拼出第一版可交互产品原型。
把模型能力升级成完整工作流体验，建立输入、状态、反馈与闭环。
站在产品视角判断 MCP、Skills、Computer Use 等前沿能力何时值得引入。
把产品从演示态推进到真实用户环境，并建立迭代飞轮。
当你已经具备主路线中段能力后，可以进入前沿专题层。这里的目标不是再学几个新概念，而是把主路线能力推进到 MCP、Skills、Computer Use、Harness 等复杂系统实践中。
Harbor-spec 互动叙事系统
围绕工程事实、上下文漂移与 Human Accept，理解 AI coding 为什么从生成问题转向变更接受问题。
理解 MCP 的时代背景、核心结构、生态趋势与工程适配边界。
把一次性 prompt 能力升级成可版本化、可评测、可治理的技能资产。
理解环境设计、权限控制、人工确认与体验模式如何决定环境级 Agent 的可控性。
高阶加修不是第五条主路线，而是把你已经建立的路线能力继续推进到复杂系统、跨团队交付、标准治理与组织转型的问题空间。
认识专题方向与适用边界。
能复用专题方法处理更复杂的问题。
能将专题能力整合进自己的主路线实践。
能主导复杂系统与跨团队交付。
能推动组织级 AI-native 转型。
高阶加修不是第五条主路线，而是把路线能力推进到组织、标准、治理与转型层的问题空间。
从岗位失效、新能力、新协作方式与企业 AI 成熟度判断切入，重建组织视角。
把需求、设计、开发、评测重新组织为 AI 时代的人机混编协作流程。
围绕 Context、Skill、Eval、Review、Harness 等能力建立组织级标准与治理机制。
把试点、推广、培训、平台与治理联动起来，形成组织级 AI-native 转型蓝图。