“科技+非遗”项目启动后，陈曦很快发现，作为项目核心统筹者，仅靠“懂非遗、懂时尚”远远不够——AI设计的算法逻辑、智能硬件的参数配置、AR技术的实现原理，这些陌生的科技知识，成了她推进项目的“拦路虎”。看着技术团队讨论“模型训练”“传感器适配”时，自己插不上话的窘境，陈曦暗下决心：“必须快速补上科技课，既要做非遗的守护者，也要做科技的懂行人。”
她制定了“靶向学习计划”，以项目需求为核心，拒绝“泛泛而学”，聚焦“能用、管用”的知识，在实践中快速成长，短短两个月就从“科技小白”蜕变为能与技术团队顺畅沟通、精准决策的“跨界统筹者”。
第一步：靶向选课，只学“项目急需”的知识
陈曦没有盲目报班，而是先与技术团队深度沟通，梳理出三大核心知识缺口：AI设计相关的基础逻辑、智能硬件的核心原理、AR平台的应用场景与技术边界。针对每个缺口，她筛选出“最短路径”的学习资源，拒绝冗余知识。
? 针对AI设计：她没有学习复杂的编程代码，而是选择了“智芯科技”推荐的《AI设计入门：逻辑与应用》短视频课程，重点学习“AI模型如何学习数据”“设计prompt如何精准下达”“AI生成结果如何优化”，同时每天花1小时，跟着技术团队实操AI设计系统，在下达关键词、调整参数的过程中，理解AI与非遗设计的结合点。“比如要生成‘唐代宝相花+极简风格’的蜀绣纹样，我需要知道怎么描述‘宝相花的花瓣层数’‘极简的线条要求’，才能让AI精准理解需求。”陈曦在学习笔记上写道。
? 针对智能硬件：她邀请“宜居科技”的工程师团队，每周开展一次“一对一答疑课”，不纠结于电路原理、芯片架构，而是聚焦“智能模块与非遗手工的适配问题”——比如“温控芯片的功率如何匹配竹编灯架的散热需求”“柔性太阳能板的厚度如何不影响扎染面料的垂感”，并实地走访生产线，观察智能硬件的安装过程，直观理解“手工与科技的融合逻辑”。
? 针对AR技术：她重点学习“幻境科技”提供的《AR应用场景设计手册》，了解“虚拟试穿的技术限制”“AR互动的用户体验逻辑”，并亲自测试AR互动平台的每一个功能，记录下“操作不流畅”“知识科普不够直观”等问题，结合用户反馈与技术团队沟通优化方向。“学习AR不是为了懂技术，而是为了知道‘哪些体验能实现’‘哪些需求技术暂时无法满足’，避免提出不切实际的设计要求。”
这种“靶向学习”让陈曦避开了“知识过载”的陷阱，所有学习都围绕项目推进展开，效率极高。技术团队负责人感慨：“陈总学习能力太强了，每次沟通都能精准抓住核心问题，完全不像刚接触科技领域的人。”
第二步：实践练兵，在项目推进中消化知识
陈曦深知，科技知识“纸上得来终觉浅”，只有在项目实践中运用，才能真正掌握。她把每一次项目会议、每一个问题解决过程，都变成“学习练兵场”。
在AI设计系统优化会议上，技术团队提出“可以通过增加‘纹样风格权重’参数，让AI生成的方案更贴合品牌调性”。放在以前，陈曦可能只会被动接受，但经过学习后，她立刻追问：“这个权重参数能否针对不同非遗技艺设置？比如蜀绣需要更高的‘传统纹样权重’，而竹编可以适当提高‘创新纹理权重’，这样能更精准地匹配不同产品的设计需求。”技术团队当场采纳了这个建议，后续测试显示，针对性调整参数后，AI设计方案的通过率提升了25%。
在智能竹编温控灯的量产调试阶段，生产线反馈“部分竹编灯架的孔径过小，导致温控芯片无法安装”。陈曦结合学到的“智能硬件适配知识”，提出“在竹编灯架生产时，提前预留适配不同孔径的安装位，同时优化安装底座的可调节范围”，既解决了量产难题，又保留了手工竹编的随机性与独特性。工程师们纷纷点赞：“陈总的方案既懂手工，又懂技术，完美平衡了两者的需求。”
在AR互动平台的用户测试反馈会上，有用户反映“AR手工体验的步骤讲解太专业，看不懂”。陈曦结合学习到的“AR用户体验逻辑”，建议技术团队“将复杂的工艺步骤拆解为‘傻瓜式’指令，同时增加‘虚拟传承人手把手演示’的视频模块”，并亲自撰写了部分步骤的讲解文案，用“像穿针引线一样绕线”“像编麻花辫一样编织”等通俗比喻，降低用户学习门槛。优化后的平台，用户留存率提升了40%。
“实践是最好的老师，每次解决一个问题，对知识的理解就加深一层。”陈曦的学习笔记上，贴满了项目问题的解决方案，每一条都标注着“对应的科技知识点”，形成了“学习-实践-复盘-巩固”的闭环。
本小章还未完，请点击下一页继续阅读后面精彩内容！