/證據
以證明為基礎的學習：是甚麼，以及為甚麼比 AI 證書更好
以證明為基礎的學習要求你產出真實的成果物——工具workflow、報告——並按照具體標準接受評審。與證書課程不同，你不能僅靠看影片或通過選擇題測試來完成它。
簡短回答
以證明為基礎的學習是一種模型，完成的定義是產出具體的成果物，並按照你開始之前就存在的標準接受評審。它與 AI 證書不同，因為證書確認你消費了內容；證明確認你做了工作且工作達到了標準。對於構建 AI 技能的市場推廣人來說，證明比資歷更重要。
以證明為基礎的學習是一種模型，在你產出真實的東西並按照標準接受評審之前，你還沒有完成。
不是測驗。不是完成徽章。不是帶進度條的影片。而是成果物——構建好的工具、記錄的 workflow、測試過的流程、有證據支撐的報告——由沒有構建它的人，按照你開始之前就存在的標準進行評審。
這個分別改變了你實際學到的東西。當你從一開始就知道評審標準，你在做工作時會做出不同的決定。你的範圍更窄。你更早測試。你記錄對評估重要的東西，而不僅僅是感覺有趣的東西。學習發生在做的過程中，但因為做有一個具體的、預先陳述的終點，所以它更加銳利。
如果你想了解為甚麼 AI 課程不夠，有一篇更長的文章。這篇文章是關於那種認識之後來的東西：替代方案在實踐中實際看起來是甚麼樣子。
為甚麼 AI 證書無法確認 AI 技能
證書確認內容的完成，而不確認你能做甚麼。
這很重要，因為內容消費和技能發展是不同的認知活動。觀看關於如何規劃 AI workflow 的解釋會激活識別記憶。實際規劃 AI workflow、提交它、收到說明遺漏了你不知道自己不知道的東西的反饋、然後修改它——這激活了不同的過程。第二個產生判斷力。第一個產生熟悉感。
大多數 AI 證書項目圍繞內容完成構建。完成模塊，通過評估（通常是關於剛看過內容的選擇題），獲得徽章。評估測試你是否記住了消費的內容，而不是你是否能使用它。
我從完成了 AI 證書項目的市場推廣人那裡聽到最多的是：「我學到了很多，但我還是不知道實際上應該構建甚麼。」知道關於與知道如何之間的差距，正是證書學習停止、以證明為基礎的學習開始的地方。
成果物實際上是甚麼
在以證明為基礎的學習中，成果物是完成的單元。
AI 工作的成果物具有以下特性：
- 由你產出，而不是由 AI 模型完全生成
- 有可觀察的、具體的行為或內容可以被評估
- 除你之外的人可以閱讀、使用或測試它，並告訴你它是否有效
- 反映你做出的決定——關於範圍、設計、權衡——而不僅僅是執行給定的指令
市場推廣人構建 AI 技能時，這看起來是甚麼樣子的幾個示例：
| 成果物類型 | 它證明的 |
|---|---|
| 帶用戶測試記錄的運行中 AI 工具 | 你能規劃、構建和測試一個功能性 AI 系統 |
| 帶 AI 機會圖的 workflow 審視 | 你能分析真實流程並識別具體、可行動的 AI 應用 |
| 帶測試標準的構建 brief | 你能以足夠的精確度規定工具應該做甚麼，讓別人可以評估 |
| 帶證據的 sprint 評審報告 | 你能將預期輸出與實際輸出進行比較並產出誠實的評估 |
注意這個列表中沒有的東西。你了解到的 AI 工具列表。你整理的提示詞庫。關於 AI 轉型的策略演示文稿。這些在以證明為基礎的意義上不是成果物，因為它們不能證明你可以做具體的工作——它們證明你研究了它。
「按照標準接受評審」在實踐中意味著甚麼
這是使以證明為基礎的學習在結構上不同於同伴反饋或自我評估的部分。
當你在 Prova 提交成果物接受評審時，評審標準在你開始 sprint 之前就已經指定了。你在第一天就看到了它們。評審者評估成果物是否符合這些標準——不是他們個人是否認為這是個好主意，不是他們是否會用同樣的方式做，而是它是否符合陳述的標準。
這在兩個方面很重要。
第一，它在你構建時給你一個目標。大多數自我導向的學習因為沒有明確的完成定義而失敗。你一直做到感覺完成了，意味著你自己的舒適感是唯一的質素信號。預先指定的評審標準給你一個外部目標。
第二，它使反饋可以行動。當反饋說「你的構建 brief 中的範圍定義沒有包含明確的『這個工具不會做甚麼』部分」，這是具體的、可改進的，不是觀點問題。你知道要修復甚麼。你把這個知識帶入下一個 sprint。學習積累。
「通過」意味著甚麼——以及不意味著甚麼
通過以證明為基礎的評審意味著成果物符合陳述的標準。不意味著成果物是完美的。不意味著過程是順利的。不意味著再有一週你不能做得更好。
實際上，大多數情況下，再有一週成果物可以做得更好。評審關卡的意義不是產出完美，而是確認工作達到了值得進入下一個問題的標準。建立判斷力需要隨時間積累的可評審輸出次序，而不是漫長過程末尾的一個完美成果物。
這也是為甚麼標準如此重要。如果標準是模糊的（「展示對 AI 原則的理解」），「通過」幾乎沒有意義。如果標準是具體的（「工具處理 X 格式的輸入，應用指定的邏輯，產出新用戶無需額外解釋就能評估的輸出」），「通過」意味著你可以基於此構建的東西。
AI 技能如何對僱主變得可見
作品集的問題經常出現。如何向招聘的人展示 AI 技能？
證書是薄弱的證據。它們確認你參加了課程。招聘經理無法從證書中判斷你是否能規劃 workflow、構建有功能的東西，或為給定問題識別正確的 AI 應用。
成果物是更有份量的證據。你構建的運行工具，加上構建 brief 的文檔、用戶測試記錄，以及說明通過了甚麼和你修改了甚麼的評審報告——那是能力的記錄。它展示了你識別的問題、你規劃的解決方案、你構建的東西，以及你整合的反饋。那就是作品集。
根據我的經驗，2026 年被錄用到 AI 相關職位的市場推廣人，是那些能展示自己構建過的東西的人。不是關於 AI 的幻燈片，不是 AI 基礎證書，而是有 URL、文件、演示的東西——他們做了工作的證據。
以證明為基礎的學習不是通向那種作品集的唯一路徑。但它是最直接的路徑，因為學習過程和作品集構建過程是同一個過程。
