1. 先把判断力建起来
先学能力边界，学会什么时候该答、什么时候该澄清、取证、拒答或升级。
打开这一步First User Sprint
如果你就是第一位真实用户，就按这条路径开始
这不是“逛一圈内容”的路线，而是一个能在几小时内让你明显更会判断、更会约束、更会停下来的起步链路。
课程不是信息堆叠
每节课都要求你做判断、写反思、沉淀知识卡，而不是被动浏览内容。
学习路线可执行
从 token、上下文到 eval 和交付，每一步都对应真实 AI 系统能力。
知识会变成资产
你保存下来的知识卡、反思和项目产物，会逐渐变成自己的方法论库。
第 01 层：模型现实
先理解硬约束：token、能力边界、输出契约。
第 02 层：系统设计
把上下文、检索、工具调用做成显式结构，而不是继续堆长 prompt。
第 03 层：可靠性
让系统可评估、可调试、可控风险、可控制成本。
第 04 层：交付
把工作流变成真实产品：身份、权限、订阅和上线验收都要连起来。
Search Paths
按真实搜索词进入内容
这些入口不是内部命名，而是直接对齐用户真正会搜索的词，用来把搜索流量接进课程、跟做和项目闭环。
Prompt Engineering Course
Prompt Engineering 课程，不该只教你写更长的 prompt
这页面向真正搜索“prompt engineering course”的用户，但 DepthPilot 不把它做成提示词花活合集，而是把 prompt 放回系统设计、上下文架构和评估闭环里。
打开入口页LLM Limitations
LLM limitations，不只是“模型会幻觉”，而是你要学会什么时候不能让它硬答
很多人在搜 LLM limitations 时，只是想知道模型有哪些缺点。DepthPilot 更进一步：我们要让用户学会把任务分流到回答、澄清、检索、工具调用或拒答，而不是继续被流畅输出骗走判断力。
打开入口页Structured Outputs Guide
Structured Outputs 指南，不是让模型“像 JSON”，而是让结果真的可验证
很多人搜 structured outputs，只是想知道怎么让模型吐出 JSON。DepthPilot 更关心的是：怎样把 AI 输出变成系统能验证、能拒绝、能回退的契约。
打开入口页Retrieval and Grounding Guide
Retrieval 与 Grounding 指南，不是把文档全塞进去就算做了 RAG
很多人搜 retrieval 或 grounding，只想知道怎么把文档喂给模型。DepthPilot 更关心的是：什么时候必须取证、如何筛证、如何保留来源，让用户真正知道答案为什么值得信。
打开入口页Agent Workflow Design
Agent Workflow Design，不是让模型自己猜下一步
很多人搜 agent workflow design 时，想找的是一套能真正执行、能停止、能交接、能复盘的设计方法。DepthPilot 把它拆成 routing、工具边界、确认关卡和 operator skills。
打开入口页Context Architecture
Context Architecture，不是把更多字塞进 prompt
当用户开始搜 context architecture 或 context engineering，他已经从“怎么写提示词”进入“怎么设计信息流”。这正是 DepthPilot 的核心中层能力。
打开入口页AI Eval Loop
AI Eval Loop，决定你是在优化系统还是在凭感觉试错
真正严肃的 AI 产品不会把‘感觉更好了’当成评估。搜 AI eval loop 的用户通常已经意识到，没有评估，前面的 prompt 和 workflow 都很难稳定增长。
打开入口页OpenClaw Tutorial
OpenClaw 教程，不只是装起来，而是跑通、排错、沉淀成 skills
这个入口页直接对齐 OpenClaw tutorial 搜索意图，帮用户先理解自己会拿到什么，再进入正式跟做课、skills 页和项目路径。
打开入口页Supabase Auth Tutorial
Supabase Auth 教程，不止是做个登录页
这页对齐 Supabase auth tutorial 搜索词，但落点不是表单，而是一条真实可用的账号链路，包括 callback、session 和 RLS。
打开入口页LLM Observability Guide
LLM Observability 指南，不是多记日志，而是让失败真正可重放
很多人搜 LLM observability，是因为系统出了问题却不知道怎么查。DepthPilot 关心的不只是埋点，而是怎样记录 trace、标注失败、重放坏 case，让调试进入系统方法。
打开入口页Prompt Injection Defense
Prompt Injection 防护，不是再补一句“忽略恶意输入”
很多人搜 prompt injection defense，是因为系统开始接用户文本、网页内容或知识库之后，已经意识到靠 prompt 提醒不够。DepthPilot 关心的是 trust boundary、动作确认和真正能止损的 guardrails。
打开入口页LLM Model Routing Guide
LLM 模型路由指南，别再让所有请求都走同一条回答链
很多人搜 model routing，只盯着哪个模型更强。DepthPilot 更关心的是：哪些请求值得强路径，哪些应该走便宜路径，哪些根本不该直接回答。
打开入口页LLM Latency and Cost Guide
LLM 延迟与成本指南，先消灭浪费，再谈模型价格
很多人搜 LLM latency 或 cost optimization 时，第一反应是换更便宜模型。DepthPilot 更关心的是：系统有没有重复请求、上下文有没有膨胀、哪些任务其实该缓存或异步。
打开入口页Human in the Loop AI
Human in the loop 不是兜底口号，而是升级路径、review queue 和 handoff packet 设计
很多人搜索 human in the loop AI，只是想知道“要不要人来审核”。DepthPilot 关心的是更实战的问题：什么时候必须停下、谁来接手、接手时系统要交什么证据。
打开入口页RAG Freshness Governance
RAG 不是检索到就算 grounded，真正关键是 freshness governance
很多团队把 RAG 做成“能搜到一些文档”，然后就默认系统有了可靠知识。DepthPilot 关心的是：这些文档谁负责、多久过期、版本怎么治理、过时了怎么办。
打开入口页LLM Evaluation Rubric
LLM evaluation rubric，不是打分表花架子，而是修复顺序和上线判断
很多人在搜索 LLM evaluation rubric 时，只是想找一张模板。DepthPilot 更进一步：我们把 rubric 变成维度、锚点、hard-stop 和 grader 规则，帮助用户真正决定系统哪里坏了、先修哪里。
打开入口页从这里开始
先学这几节核心课
Mindset
18 分钟Free
严肃 AI 工作中的 Token 预算
理解 token 不是成本细节，而是决定 AI 系统边界的第一层约束。
Source-backed and reviewed
进入课程Mindset
24 分钟Free
别把流畅当正确：模型能力边界与不确定性管理
真正会驾驭 AI 的人，先知道什么时候该让模型回答，什么时候必须让它澄清、检索、调用工具或停下来。
Source-backed and reviewed
进入课程Mindset
26 分钟Free
从会写提示到会立契约：提示设计与输出契约
真正可用的 AI 系统，不靠模型自由发挥，而靠清晰任务 framing、结构化输出和可验证的结果约束。
Source-backed and reviewed
进入课程Systems
22 分钟Premium
别再写巨型 Prompt，开始设计上下文架构
上下文管理的核心不是堆内容，而是设计信息进入和退出模型的方式。
Source-backed and reviewed
进入课程Systems
28 分钟Premium
检索不是多塞资料：Retrieval 与 Grounding 的真实作用
真正可靠的系统，不会假装模型天生知道一切，而是知道什么时候必须取证、引用、保留来源和新鲜度。
Source-backed and reviewed
进入课程Systems
30 分钟Premium
别把 Agent 当魔法：工具调用与工作流设计
可靠的 agent 不是因为模型说得像就去行动，而是要经过澄清、取证、动作边界、恢复顺序和可复用 operator skill 的设计。
Source-backed and reviewed
进入课程Systems
29 分钟Premium
文档一旧，Grounding 就会失效：知识新鲜度与文档治理
做了 retrieval 还不够。如果系统检索到的是过时政策、混乱版本或没有 owner、没有时间戳、没有过期规则的内容，它依然会带着“有来源”的外观稳定答错。
Source-backed and reviewed
进入课程Evaluation
20 分钟Premium
真正能改进系统的 Eval 闭环
没有评估闭环，AI 产品只是在随机试错。
Source-backed and reviewed
进入课程Evaluation
31 分钟Premium
别再说“看起来更好了”：Rubric 评分与可复查评估
如果你不能按维度给质量打分，就无法负责任地改进系统。Rubric 的作用是把含糊口味变成可复查证据和修复优先级。
Source-backed and reviewed
进入课程Evaluation
30 分钟Premium
别再猜 Prompt：可观测性与调试，让失败可重放、可定位、可修复
真正成熟的 AI 系统，不靠“感觉哪里不对”来排错，而是靠 trace、失败标签和可重放证据把问题定位到具体链路。
Source-backed and reviewed
进入课程Evaluation
32 分钟Premium
Guardrails 不是一句提醒：Prompt Injection、权限边界与风险控制
可靠系统不会把安全寄托在一句“请忽略恶意输入”。它会明确谁能下指令、什么内容不可信、哪些动作必须二次确认。
Source-backed and reviewed
进入课程Evaluation
30 分钟Premium
别只盯模型单价：延迟与成本控制，真正决定能不能上线
AI 系统上线后最常见的崩溃，不是模型不够聪明，而是太慢、太贵、太浪费。成熟设计会把延迟和成本当成产品约束，而不是最后才补的财务问题。
Source-backed and reviewed
进入课程Evaluation
32 分钟Premium
模型路由与 Unsupported Answer Policy
严肃团队不会把所有请求都打到同一个模型上，也不会逼系统把所有请求都答出来。它们会按任务价值、风险、证据需求和预算来分流，并保留澄清、取证、拒答和升级的权利。
Source-backed and reviewed
进入课程Evaluation
30 分钟Premium
系统什么时候必须停下：人工升级与 Review Queue
真正可靠的系统，不是所有请求都给答复，而是知道什么时候该停、该升级、该把证据交给人，从而让人工接手既快又准。
Source-backed and reviewed
进入课程