核心要点
2026 年 4 月 6 日，技术博主宝玉（@dotey）在 X 平台发帖，以「看别人游泳学不会游泳」的朴素类比，直指当下 AI 学习社群中普遍存在的「围观式学习」误区。他主张主动实践才是掌握 AI 能力的唯一路径，而非被动追踪他人用法、收藏教程。这一观点呼应了认知科学中「做中学」（Learning by Doing）的经典理论，在 AI 工具大爆发、Agent 概念席卷行业的当下，具有现实针对性。
原文 + 中文翻译
原文： "不要指望靠关注谁学会 AI，还是得自己多练多用。"
翻译： Don't expect to learn AI by following who to watch—you still need to practice and use it yourself.
宝玉补充类比：「看别人用 AI 永远学不会，就像看别人游泳学不会游泳。要自己动手练。」
深度解读
「围观文化」折射行业学习焦虑
过去两年，AI 领域形成了一个独特现象：大量从业者、创业者、AI 爱好者涌向 X、微博、即刻等平台，追踪技术大 V、订阅 Prompt 技巧 newsletter、收藏「AI 产品使用指南」。这种行为模式催生了庞大的「AI 学习」内容生态——教程视频、prompt 库、AI 工具合集满天飞。但宝玉指出，这种「围观式学习」的效率极低：你只是在被动接收别人的使用经验，却从未形成自己的操作直觉。
这背后的心理机制不难理解：AI 技术迭代速度太快，FOMO（Fear of Missing Out）情绪驱动人们不断「跟进」，似乎关注了头部博主就等于自己学会了。但知识获取≠技能内化——前者是被动消费，后者需要主动试错。
游泳类比揭示技能习得的核心规律
宝玉的泳池类比并非随意选择。认知科学早已证明，动作技能（motor skill）和心智模型（mental model）的形成高度依赖身体参与和环境反馈——你无法通过观看视频学会平衡感、换气节奏、水压感知，必须亲自入水，在呛水与进步中建立神经回路。
同理，AI 使用能力也包含「隐性知识」（tacit knowledge）：如何判断模型输出的可靠性、什么时候该微调 prompt、如何设计 Agent 的工作流——这些无法单靠阅读获得。比如，很多用户收藏了几十个 prompt 模板，但真正用起来还是「调不出好结果」，正是因为他们跳过了一步：理解 prompt 与模型行为之间的因果机制，而这只能通过反复调试感知到。
Agent 时代让「动手」变得更重要
2025-2026 年，AI Agent 从概念走向落地。Manus、扣子（Coze）、钉钉 AI 助理等产品让用户可以组合工具、编排工作流。但「组装 Agent」比「使用聊天机器人」复杂得多：它需要理解 API 限制、错误处理逻辑、多步骤状态管理。这些能力不可能靠「关注谁」学会，必须自己在沙箱里跑通全流程。
更进一步，当 AI 开始渗透到编程、写作、数据分析等核心工作流时，区分「能用 AI 的从业者」和「真正被 AI 赋能的专业人士」的，正是后者具备的「AI 原生工作习惯」——知道何时让 AI 介入、何时接管、如何验证输出。这些习惯只能通过反复实践内化。
值得关注
- 个人学习者行为转变： 留意 AI 学习社群（GitHub、知乎、即刻）是否会从「信息收藏」转向「项目驱动型」讨论，即更强调「做一个小项目」而非「订阅XX个 newsletter」。
- AI 教育产品形态变化： 观察 Cursor、Claude Code、GitHub Copilot 等工具是否会集成更多「引导式实践」功能（如交互式任务挑战），而非单纯提供教程内容。
- 企业 AI 培训策略： 预计更多企业会减少「AI 知识讲座」，转向「内部 Hackathon + 实际业务场景练习」的模式，呼应「动手优先」的理念。
- Prompt 社区的命运： 如 PromptBase、SomeonesAI 等 prompt 交易平台的用户行为数据值得关注——若「只买不用」的比例高企，可能印证宝玉的观察。
- 技术博主内容策略调整： 头部 AI KOL（如 Andrew Ng、Karpathy 等）是否会从「工具教程」转向「项目实操演示」，以适应用户对「动手」内容的需求。
信源行：X 平台 @dotey（宝玉）原帖（链接）。背景报道：认知科学文献如「Situated Learning」（Lave & Wenger, 1991）支持「做中学」理论；2025 年 Agent 产品爆发可参见 TechCrunch、MIT Technology Review 对「Agentic AI」的报道。