AI 基础概论 入门
从模型如何生成内容，到怎样与 AI 协作并做出可靠产品
AI 给出候选答案，人负责目标、证据、边界与后果。
AI 能快速生成文字、图片、代码和方案，但它不是事实数据库，也不会替使用者承担判断责任。 学习 AI 的关键，不是背工具名称，而是理解它怎样工作、哪里容易出错，以及如何验证结果。
先看全景
五层概念地图
这些词不是同义词，而是从大范围到具体应用逐层收窄。
人工智能 AI
让机器完成通常需要人类认知能力的任务，是最宽泛的总称。
机器学习 ML
让系统从数据中发现规律，而不是为每种情况手写固定规则。
深度学习 DL
使用多层神经网络学习复杂模式，是现代语音、视觉和大模型的重要基础。
生成式 AI
根据输入和训练所得规律，生成新的文字、图像、声音或代码。
AI Agent
围绕目标进行多步处理，并在授权范围内调用搜索、文件或业务工具的系统。
大语言模型只是 AI 的一种。推荐、识别、预测、规划等系统也属于人工智能，不一定通过聊天界面工作。
拆开黑盒
生成式 AI 怎样回答问题
以大语言模型为例，一次回答可以理解成下面五个连续环节。
Token：模型处理信息的单位
文字会被切成更小的片段。输入和输出都会占用 Token，因此长文档、长对话会增加时间与成本。
上下文：模型的工作台
模型只能依据当前看见的指令、材料和对话工作。上下文有限，过长或互相冲突的信息会降低表现。
概率生成：流畅不等于正确
模型会选择看起来合理的后续内容，所以可能自信地给出错误信息。这类现象通常被称为“幻觉”。
✓ AI 通常擅长
- 整理、改写和总结已有材料
- 生成初稿、备选方案和检查清单
- 解释概念、辅助学习和头脑风暴
- 在明确约束下完成重复性信息工作
! 必须谨慎对待
- 未经来源核验的事实、数字和引用
- 涉及医疗、法律、金融等高影响决定
- 需要实时信息却没有可靠数据源的问题
- 涉及隐私、权限、付费或不可逆操作的任务
把话说清楚
与 AI 协作的四要素
好的提示不是神秘口诀，而是一份简洁、可执行的小型需求单。
要完成什么
说明最终需要的结果，而不是只说“帮我优化一下”。
为什么要做
提供受众、使用场景、已有材料和当前状态。
哪些不能变
明确范围、格式、语气、长度、权限和安全边界。
怎样算完成
把“做好了”变成可以逐项检查的事实。
目标：为零基础读者写一段 120 字以内的 AI 科普介绍； 背景：用于公益学习页面； 约束：不用专业公式，不夸大能力，不包含未经核实的数据； 验收：读者能说清 AI 是工具、输出需要核验。
复杂任务，用小步闭环代替“一次全做完”
理解现状和材料
拆成可检查步骤
一次改变一个目标
用证据检查结果
沉淀规则和经验
看懂一个应用
AI 产品不只有模型
一个能长期使用的应用，通常由多个部件共同完成工作。
前端
用户看见和操作的界面，负责收集输入、展示结果。
后端
处理业务规则、模型调用、权限检查和任务编排。
数据库
保存需要长期存在的用户、内容、配置和业务记录。
API
不同系统之间约定好的信息入口和返回格式。
文件与 CDN
存放图片、音视频等文件，并把内容更快送到用户附近。
队列与后台任务
把耗时工作放到后台处理，避免让页面一直等待。
本地环境
只在自己的电脑上运行，适合开发和测试。能在本地运行，不代表已经适合公开使用。
线上环境
部署到服务器或云平台，需要考虑域名、访问量、监控、备份、成本和安全更新。
密钥与环境变量
API 密钥、数据库密码等应保存在安全配置中，不能写进公开网页、聊天记录或代码仓库。
从想法到可用
七步产品路径
做得快很重要，但先确认方向、范围和验收标准更重要。
-
01
问题
谁在什么场景下遇到了什么困难？
-
02
验证
通过真实访谈、观察或小实验确认问题存在。
-
03
范围
明确这次做什么，也明确暂时不做什么。
-
04
MVP
用最小但完整的方案验证最大的未知。
-
05
验收
提前写出可观察、可重复的完成标准。
-
06
测试
检查正常流程、异常情况、性能和易用性。
-
07
上线与观察
小范围发布，关注反馈、错误、成本与持续改进。
能运行
在开发者自己的环境里完成主要流程。
能上线
真实用户可以稳定访问，错误有提示，数据有保护。
能持续
面对更多用户仍可维护、监控、控制成本并持续改进。
Demo 展示“可能做到”，产品证明“可以可靠地做到”。功能数量不是唯一标准，稳定、清晰、安全和可维护同样重要。
负责任地使用
六条安全边界
能力越强，越要明确什么可以自动完成，什么必须由人确认。
保护隐私
不要随意输入身份证件、联系方式、健康记录、未公开业务数据等个人或敏感信息。
保管密钥
密码、验证码、API 密钥和访问令牌只放在受保护的位置，不复制到公开对话或前端代码。
核验事实
重要信息回到可信的一手来源确认，记录来源和日期，不把模型的语气当作证据。
尊重权利
注意版权、商标、肖像和数据使用授权；公开发布前检查内容来源和使用范围。
高影响决定由人负责
涉及健康、法律、财务、教育评价、就业等重要权益时，应由具备相应资格的人审查。
重要操作二次确认
发送消息、付款、删除数据、修改权限或公开发布前，明确对象、范围和影响，再由人确认。
随用随查
十二个常用术语
点击词条查看解释，不需要一次背完。
LLM 大语言模型
从大量文字中学习语言规律，能够理解和生成文本的一类模型。
Prompt 提示
提供给模型的任务、背景、材料、限制和输出要求。
Token 信息片段
模型读取和生成内容时使用的基本单位，不一定等于一个完整汉字或单词。
Context 上下文
模型本次处理时能够看到的指令、材料、历史对话和工具结果。
Inference 推理
训练完成的模型接收新输入并生成结果的运行过程。
Hallucination 幻觉
模型生成了看似合理、实际错误或缺乏依据的内容。
Multimodal 多模态
能够处理文字、图像、音频或视频等多种信息形式。
Embedding 向量表示
把内容转换成数字表示，便于计算相似度、搜索和分类。
RAG 检索增强生成
先从指定资料中找到相关内容，再让模型依据这些内容组织回答。
Fine-tuning 微调
使用特定示例进一步训练已有模型，使其更适应某类任务或表达方式。
API 应用接口
让程序按照约定格式请求另一项服务并获得结果的连接方式。
Agent 智能体
围绕目标分解步骤，并在授权边界内调用模型和外部工具的系统。
学完测一测
三个判断题
选择答案后会显示解释。
01 AI 的回答越流畅，事实就越可靠。
02 为了使用方便，可以把 API 密钥直接写在公开网页中。
03 复杂任务应拆成小步，并用证据逐步验收。
最值得培养的，不是记住更多工具，而是提出好问题、验证结果和承担责任。
本页为通识科普，知识会随技术发展持续更新；涉及专业或高影响事项时，请咨询相应领域的专业人士。