从零开始了解人工智能。

0. 乱花渐欲迷人眼

Claude Code、Codex、ChatGPT、Gemini、Claude Opus 4.6、GPT-5.4、Gemini 3.1 Pro 等等这些都是什么？

主要分为两层：工具产品 和 底层模型。

工具产品

  • 网页端/客户端：ChatGPT、Claude、Gemini、Kimi、豆包等
  • 终端命令行：Claude Code、Codex（也有客户端）、Trae、OpenCode、Amp 等

底层模型

  • Claude Opus 4.6、GPT-5.4、Gemini 3.1 Pro 等
  • GLM-5、MiniMax 2.5、Kimi 2.5 等

1. AI 到底是什么？

  • AI（人工智能）：让机器模拟人类智能行为与思考方式。
  • ML（机器学习）：AI 的主流实现方法。传统编程是“人写规则 -> 机器执行”；机器学习是“人给数据 -> 机器找规律”。
  • DL（深度学习）：机器学习的升级版，使用多层神经网络来处理复杂数据（图像、语音、文本）。

简单比喻：AI 是目标，ML 是方法，DL 是目前最强大的引擎。

2. 生成式 AI 与 LLM（大语言模型）

我们常用的 ChatGPT、Claude、Gemini 都属于生成式 AI（Generative AI）。

它们的核心是 LLM（Large Language Model，大语言模型）：

  • LLM 在海量文本上预训练，学会“预测下一个 token”。
  • 它不是“查答案”，而是“按概率生成内容”——写作、写代码、翻译、总结、对话都基于这个原理。

关键特性

  • Token（词元）：模型处理文本的基本单位，不等于“一个字”或“一个词”。
  • 上下文窗口（Context Window）：模型一次能处理的 token 上限。窗口越大，可处理内容越长。
  • Hallucination（幻觉）：模型可能会自信地编造事实，需要结合外部工具和数据源校验。

3. Transformer 架构：LLM 的心脏

Transformer 来自 2017 年论文 Attention Is All You Need，现代 LLM 几乎都基于它。

它的革命性在于：抛弃了传统“按时间步循环处理”的方式，转向并行计算。

核心思想

  • 注意力机制（Attention）：模型可同时看整句，自动判断词与词之间的关联强度。
  • Q/K/V 机制：通过 Query、Key、Value 计算相关性后加权汇总。
  • 多头注意力（Multi-Head Attention）：从多个视角并行关注同一输入，再合并结果。
  • 位置编码（Positional Encoding）：补充位置信息，弥补无循环结构的顺序感缺失。

结构组成

  • Encoder（编码器）：负责理解输入。
  • Decoder（解码器）：负责逐步生成输出。

为什么强大

  • 并行训练效率高。
  • 能捕捉长距离依赖关系。
  • 可扩展性强：层数、参数规模提升后就能形成更强模型。

不需要先懂全部数学细节，只要记住：注意力机制让模型真正“看上下文”。

4. Prompt Engineering：普通人最实用的技能

Prompt Engineering 就是“写指令的艺术”。同一个模型，提示词质量不同，输出可能差一个量级。

核心技巧（基础到进阶）

  1. Zero-Shot（零样本） 直接下任务，不给示例。 例子：把下面这段代码改得更简洁。

  2. Few-Shot（少样本） 提供 2-5 个输入输出样例，让模型按样学习。

  3. Chain-of-Thought（CoT，思维链） 要求模型按步骤分析，再给结论。 模板：先分析问题 -> 列出步骤 -> 检查潜在错误 -> 给最终答案。

  4. Role Prompting（角色提示） 赋予模型明确身份。 例子：你是有 10 年经验的资深产品经理，请帮我写一份 PRD。

  5. 结构化输出 强制固定格式（JSON、表格、XML 等），便于复用与自动化处理。

进阶方法

  • ReAct（Reason + Act）：思考 -> 调工具 -> 观察结果 -> 再思考。
  • Self-Consistency（自洽性）：生成多个方案后做一致性投票。
  • Tree-of-Thoughts（ToT，思维树）：探索多个分支后再评估最优路径。
  • RAG（检索增强生成）：先检索外部知识，再生成答案，显著降低幻觉风险。

实战建议

  • 具体优于模糊。
  • 迭代优于一次到位。
  • 提示词 + 工具调用一起设计，效果通常最好。

5. 其他重要概念

  • Agentic AI（代理式 AI）：能自主规划和执行多步任务，并做结果校验。
  • Fine-tuning（微调）：用领域数据继续训练，让模型更擅长特定任务。
  • Multimodal（多模态）：处理文本、图像、音频、视频等多种输入。
  • Alignment（对齐）：让模型输出更安全、更有帮助、更符合人类价值。

6. 如何快速上手实践

  1. 每天用 AI 完成 1-2 个真实任务（写邮件、分析数据、头脑风暴等）。
  2. 建立自己的 Prompt 笔记库（Obsidian、Raycast Notes 都可）。
  3. 优先掌握 Few-Shot + CoT 组合。
  4. 持续关注开源社区和新模型动态。

AI 不是玄学。

把它当作一个可训练、可协作、可验证的认知工具，持续练习，你就会越来越强。