# Start Small Find Partner

> 应用从 AI for Everyone 蒸馏出的「从小处着手+寻找伙伴 — AI入门的行动原则」方法论。Use when the user needs practical guidance, diagnosis, workflow design, decision support, or an action plan related to start-small-find-partner.

- Skill: `kangarooking/start-small-find-partner` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add kangarooking/start-small-find-partner`
- Raw SKILL.md: https://api.skillmd.com/api/skills/kangarooking/start-small-find-partner/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Productivity
- Author: kangarooking (https://skillmd.com/u/kangarooking)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/kangarooking/start-small-find-partner

---


## Source Metadata

Original cangjie-skill frontmatter from the distillation run:

```yaml
id: f22
title: "从小处着手+寻找伙伴 — AI入门的行动原则"
book: "AI for Everyone"
author: "Andrew Ng（吴恩达）"
source: p25
tags: [getting-started, action-principle, learning, collaboration]
related_skills:
  - slug: pilot-momentum-flywheel, relation: composes-with
  - slug: iterate-not-perfect, relation: composes-with
```

## R — Reading（原文引用）

> "项目不必太大...与工程师朋友组队...邀请同事一起学习...第二个项目会比第一个好"
> — p25

## I — Interpretation（用自己的话重新阐述）

对于AI入门者，最常见的陷阱是"等待完美计划"或"试图一步到位"。Andrew Ng给出的行动原则是：

1. **从小处着手**：第一个AI项目不需要很大、很有价值，只需要**你能完成**。一个小项目能帮你建立信心、理解流程、发现自己的知识盲区。
2. **寻找伙伴**：不要孤军奋战。找一个懂技术的同事、工程师朋友或志同道合的学习者一起做。协作能互补技能、互相激励、减少放弃的概率。
3. **先动起来**：不要等"准备好了"才开始。第二个项目会比第一个好，第三个会比第二个好——关键是**开始做**。

**为什么有效？**
- AI学习是"做中学"——听课看书无法替代亲手做一个项目
- 小项目失败成本低，成功能建立信心
- 伙伴提供技术支持和情感支持，大幅降低入门门槛

## A1 — Past Application（过去应用案例）

- **个人学习者**：一个产品经理想学AI，没有等到"学完所有数学基础"，而是直接找一个工程师朋友，用两周时间做了一个简单的客户反馈分类小项目。项目不大，但让他理解了完整的AI项目流程，为后续更大的项目打下基础。

## A2 — Future Trigger（未来触发条件）

**触发场景：**
- 个人想入门AI，但不知从哪开始
- 团队刚接触AI，还在"学习阶段"没有行动
- 有人担心"我能力不够做AI"
- 个人学习AI感到孤单或遇到困难容易放弃

**语言信号：**
- "我想学AI但不知道从哪开始"
- "AI太难了，我怕做不了"
- "等我把基础学完了再开始做项目"
- "想找人一起学AI"
- "第一个项目做什么比较好"

**区分要点：**
- 用户是**个人入门**还是**组织转型**？本skill面向个人入门场景。
- 用户是**寻求知识**还是**寻求行动**？本skill强调"做中学"。

## E — Execution（执行步骤）

1. **找一个伙伴**：
   - 优先找懂AI技术的同事或朋友（工程师、数据科学家）
   - 如果没有，找同样想入门的同伴一起学习
   - 可以在公司内组建AI学习小组

2. **选一个小项目**：
   - 选择能在1-2周内完成的项目
   - 选择你有数据或能获取数据的场景
   - 不要追求"有价值"，追求"能完成"

3. **快速执行**：
   - 不要花大量时间学习理论，边做边学
   - 遇到问题及时找伙伴讨论
   - 完成比完美重要

4. **复盘并做第二个项目**：
   - 总结第一个项目的经验教训
   - 第二个项目可以稍大一些、更有价值
   - 逐步提升难度和影响力

**完成标准**：完成第一个AI项目（无论大小），并找到至少一个AI学习伙伴。

## B — Boundary（使用边界）

**不适用场景：**
- 组织级的AI转型（需要用ai-transformation-playbook）
- 已有AI经验的团队做正式项目
- 需要战略决策的企业级场景

**失败模式：**
- 选了一个远超当前能力的项目，导致中途放弃
- 试图一个人搞定所有事，遇到技术困难无人帮助
- 永远在"准备"阶段，迟迟不动手

**作者盲区：**
- Andrew Ng假设你能找到"工程师朋友"——但如果你在完全不懂技术的传统行业，可能找不到伙伴。此时可以考虑：参加AI社群、找外部顾问、或从在线课程的项目开始。
- "从小处着手"不等于"只做小事"——入门后需要快速过渡到有影响力的项目。

## 相关 skills

- **[pilot-momentum-flywheel](/books/ai-for-everyone/pilot-momentum-flywheel/)** — *composes-with*：个人层面的"从小处着手"与组织层面的"先求成功再求价值"理念一致——都强调通过小成功建立信心和信誉，逐步升级。
- **[iterate-not-perfect](/books/ai-for-everyone/iterate-not-perfect/)** — *composes-with*："从小处着手"与"不期望一次完美"相辅相成——第一个项目不需要完美，重要的是开始做并在迭代中学习。