AI for Everyone Skill

把吴恩达 Andrew Ng《给所有人的 AI 入门课》视频课程蒸馏成 25 个可调用 AI Skills。

What This Is

这不是课程摘要，而是一套面向 agent 执行的 AI 应用判断与落地方法论工具包。它适合用来回答：

• 一个业务问题能不能用 AI 做
• AI 项目该怎么选、怎么验证、怎么启动
• 非技术团队如何理解 AI 转型、数据战略和项目生命周期
• 在 LLM 时代如何保留吴恩达课程里的实用判断框架，同时意识到它的时代边界

Source

• 来源：Andrew Ng / 吴恩达《AI for Everyone / 给所有人的 AI 入门课》
• 版本：Bilibili 26 集视频字幕蒸馏
• 蒸馏方法：cangjie-skill / RIA-TV++
• 处理时间：2026-06-29

Skill Index

完整技能地图见 INDEX.md，整课理解见 BOOK_OVERVIEW.md。

AI 可行性判断

• ab-mapping — A to B 映射：用统一结构理解监督学习问题
• one-second-rule — 一秒法则：用人类反应时间判断 AI 可行性
• ml-feasibility — 双因素框架：简单概念 + 充足数据

项目选择与评估

• cross-functional-brainstorming — 跨职能头脑风暴
• automate-task — 自动化任务而非岗位
• triple-due-diligence — 技术、商业、伦理三重尽职调查
• three-value-drivers — 降本、增收、新业务三种价值驱动

项目执行流程

• ml-vs-ds — 区分机器学习项目和数据科学项目
• ml-workflow — 机器学习项目标准流程
• train-test-split — 训练集、测试集分离
• statistical-acceptance — 统计化验收标准
• ai-pipeline — 多组件 AI 流水线设计

组织转型与数据战略

• ai-transformation-playbook — AI 转型五步指南
• pilot-momentum-flywheel — 先求成功的试点势能飞轮
• role-tiered-training — 高管、经理、工程师分层 AI 培训
• ai-team-building — AI 团队构建与协作
• data-flywheel — 数据飞轮
• unified-data-warehouse — 统一数据仓库
• dont-wait-perfect-data — 不等完美数据
• dont-acquire-for-data — 不为数据而收购

战略与行动

• build-vs-buy — 自建 vs 购买决策
• ai-strategy-moat — AI 战略护城河
• iterate-not-perfect — 迭代而非完美
• start-small-find-partner — 从小处着手并寻找伙伴
• ai-project-lifecycle — AI 项目生命周期

Repository Layout

ai-for-everyone-skill/
├── README.md
├── LICENSE
├── BOOK_OVERVIEW.md
├── INDEX.md
├── verified.md
├── candidates/
├── rejected/
└── */SKILL.md

每个子目录都是一个独立 skill，并配有 test-prompts.json，可用于后续接入 darwin-skill 或其他自动进化流程。

License

MIT. See LICENSE.