🧠
机器学习
不靠写死全部规则，而是用大量样本让模型自己总结模式。识别猫、推荐视频、判断垃圾邮件，都是这条路。
canghaixiao.hidns.cc · AI 入门导览
用更清楚的语言
理解人工智能
这里不是堆术语的说明书，而是一份面向好奇者的地图： AI 从哪来、现在能做什么、普通人怎么真正用起来。
语言 · 图像 · 代码
多模态能力快速普及
对话即接口
用自然语言驱动复杂任务
人机协作
不是替代思考，而是放大思考
01 · What
AI 到底是什么？
一句话：让机器从数据中学习规律，并在新问题上给出有用结果。
✨
大语言模型
ChatGPT、Claude、Grok 这类系统，本质是在海量文本上训练出的“下一段最合理内容预测器”，却意外擅长推理、写作与编程。
🧩
智能体（Agent）
不只聊天：它会规划步骤、调用工具、读写文件、查网页、执行命令，把目标拆成可完成的动作链。
02 · How
它大概怎么工作？
不必先懂数学，先建立正确心智模型就够用了。
1
输入变成表示
文字、图片、音频会被编码成高维向量。模型处理的是“关系与模式”，不是人类句子本身。
2
注意力与上下文
Transformer 架构让模型在长上下文里关注相关片段：问题、约束、示例、历史对话都会影响输出。
3
逐 token 生成
输出通常是一个词/片段接一个词/片段地生成。看起来像“思考”，底层仍是概率预测 + 后训练对齐。
4
工具把能力落地
接上搜索、代码执行、浏览器、数据库后，模型从“会说”变成“会做”，这才是当下 AI 应用爆发的关键。
03 · Use
今天已经很好用的场景
与其问“AI 会不会取代我”，不如问“哪部分工作可以先交给它”。
写作与表达
- 把零散想法整理成结构清晰的文章
- 改语气：正式邮件、产品文案、技术说明
- 多语言翻译与本地化润色
学习与研究
- 把复杂论文拆成可理解的导读
- 用苏格拉底式提问帮你真正学会
- 对比多个方案的利弊与适用边界
编程与自动化
- 从需求到原型：脚手架、脚本、小工具
- 读报错、定位 bug、补测试
- 把重复手工流程变成可运行流水线
创意与设计
- 头脑风暴产品名、故事、视觉方向
- 文生图/视频辅助概念验证
- 快速做出可展示的 demo 页面
04 · Mindset
用对 AI 的几个原则
它很强，但会胡说
置信度高不等于正确。关键事实、数字、引用务必二次核验。
上下文决定上限
给目标、约束、示例、失败标准。提示词不是咒语，是需求说明。
人负责判断
AI 擅长生成选项与草稿；取舍、价值观与最终责任仍在人。
小步闭环
先做一个能跑的最小结果，再迭代。比一次写完美 prompt 更有效。
05 · Start
从今天就能开始的路径
Day 1
选一个真实任务
例如：写周报、总结会议、修一个小 bug、做一页介绍站。
Day 2–3
学会给约束
明确读者是谁、输出格式、长度、必须包含/禁止的内容。
Week 1
建立个人工作流
把常用提示、模板、检查清单沉淀下来，形成可复用系统。
Ongoing
接入工具与代理
搜索、代码执行、自动化 Agent……让 AI 从聊天框走向真实系统。
人工智能不是终点
它是放大器。问更好的问题、做更清楚的判断、把想法更快变成作品——这才是红利所在。