/证据
以证明为基础的学习：是什么，以及为什么比 AI 证书更好
以证明为基础的学习要求你产出真实的成果物——工具、工作流程、报告——并按照具体标准接受评审。与证书课程不同，你不能仅靠看视频或通过选择题测试来完成它。
简短回答
以证明为基础的学习是一种模型，完成的定义是产出具体的成果物，并按照你开始之前就存在的标准接受评审。它与 AI 证书不同，因为证书确认你消费了内容；证明确认你做了工作且工作达到了标准。对于构建 AI 技能的营销人员来说，证明比资质更重要。
以证明为基础的学习是一种模型，在你产出真实的东西并按照标准接受评审之前，你还没有完成。
不是测验。不是完成徽章。不是带进度条的视频。而是成果物——构建好的工具、记录的工作流程、测试过的流程、有证据支撑的报告——由没有构建它的人，按照你开始之前就存在的标准进行评审。
这个区别改变了你实际学到的东西。当你从一开始就知道评审标准，你在做工作时会做出不同的决定。你的范围更窄。你更早测试。你记录对评估重要的东西，而不仅仅是感觉有趣的东西。学习发生在做的过程中，但因为做有一个具体的、预先陈述的终点，所以它更加锐利。
如果你想了解为什么 AI 课程不够，有一篇更长的文章。这篇文章是关于那种认识之后来的东西：替代方案在实践中实际看起来是什么样子。
为什么 AI 证书无法确认 AI 技能
证书确认内容的完成，而不确认你能做什么。
这很重要，因为内容消费和技能发展是不同的认知活动。观看关于如何规划 AI 工作流程的解释会激活识别记忆。实际规划 AI 工作流程、提交它、收到说明遗漏了你不知道自己不知道的东西的反馈、然后修改它——这激活了不同的过程。第二个产生判断力。第一个产生熟悉感。
大多数 AI 证书项目围绕内容完成构建。完成模块，通过评估（通常是关于刚看过内容的选择题），获得徽章。评估测试你是否记住了消费的内容，而不是你是否能使用它。
我从完成了 AI 证书项目的营销人员那里听到最多的是："我学到了很多，但我还是不知道实际上应该构建什么。"知道关于与知道如何之间的差距，正是证书学习停止、以证明为基础的学习开始的地方。
成果物实际上是什么
在以证明为基础的学习中，成果物是完成的单元。
AI 工作的成果物具有以下属性：
- 由你产出，而不是由 AI 模型完全生成
- 有可观察的、具体的行为或内容可以被评估
- 除你之外的人可以阅读、使用或测试它，并告诉你它是否有效
- 反映你做出的决定——关于范围、设计、权衡——而不仅仅是执行给定的指令
营销人员构建 AI 技能时，这看起来是什么样的几个示例：
| 成果物类型 | 它证明的 |
|---|---|
| 带用户测试记录的运行中 AI 工具 | 你能规划、构建和测试一个功能性 AI 系统 |
| 带 AI 机会图的工作流程审计 | 你能分析真实流程并识别具体、可行动的 AI 应用 |
| 带测试标准的构建 brief | 你能以足够的精确度规定工具应该做什么，让别人可以评估 |
| 带证据的 sprint 评审报告 | 你能将预期输出与实际输出进行比较并产出诚实的评估 |
注意这个列表中没有的东西。你了解到的 AI 工具列表。你整理的提示词库。关于 AI 转型的策略演示文稿。这些在以证明为基础的意义上不是成果物，因为它们不能证明你可以做具体的工作——它们证明你研究了它。
"按照标准接受评审"在实践中意味着什么
这是使以证明为基础的学习在结构上不同于同伴反馈或自我评估的部分。
当你在 Prova 提交成果物接受评审时，评审标准在你开始 sprint 之前就已经指定了。你在第一天就看到了它们。评审者评估成果物是否符合这些标准——不是他们个人是否认为这是个好主意，不是他们是否会用同样的方式做，而是它是否符合陈述的标准。
这在两个方面很重要。
第一，它在你构建时给你一个目标。大多数自我导向的学习因为没有明确的完成定义而失败。你一直做到感觉完成了，意味着你自己的舒适感是唯一的质量信号。预先指定的评审标准给你一个外部目标。
第二，它使反馈可以行动。当反馈说"你的构建 brief 中的范围定义没有包含明确的'这个工具不会做什么'部分"，这是具体的、可改进的，不是观点问题。你知道要修复什么。你把这个知识带入下一个 sprint。学习积累。
"通过"意味着什么——以及不意味着什么
通过以证明为基础的评审意味着成果物符合陈述的标准。不意味着成果物是完美的。不意味着过程是顺利的。不意味着再有一周你不能做得更好。
实际上，大多数情况下，再有一周成果物可以做得更好。评审关卡的意义不是产出完美。而是确认工作达到了值得进入下一个问题的标准。建立判断力需要随时间积累的可评审输出序列，而不是漫长过程末尾的一个完美成果物。
这也是为什么标准如此重要。如果标准是模糊的（"展示对 AI 原则的理解"），"通过"几乎没有意义。如果标准是具体的（"工具处理 X 格式的输入，应用指定的逻辑，产出新用户无需额外解释就能评估的输出"），"通过"意味着你可以基于此构建的东西。
AI 技能如何对雇主变得可见
作品集的问题经常出现。如何向招聘的人展示 AI 技能？
证书是薄弱的证据。它们确认你参加了课程。招聘经理无法从证书中判断你是否能规划工作流程、构建有功能的东西，或为给定问题识别正确的 AI 应用。
成果物是更有分量的证据。你构建的运行工具，加上构建 brief 的文档、用户测试记录，以及说明通过了什么和你修改了什么的评审报告——那是能力的记录。它展示了你识别的问题、你规划的解决方案、你构建的东西，以及你整合的反馈。那就是作品集。
根据我的经验，2026 年被录用到 AI 相关职位的营销人员，是那些能展示自己构建过的东西的人。不是关于 AI 的幻灯片，不是 AI 基础证书，而是有 URL、文件、演示的东西——他们做了工作的证据。
以证明为基础的学习不是通向那种作品集的唯一路径。但它是最直接的路径，因为学习过程和作品集构建过程是同一个过程。
