AI FOUNDATIONS
AI 基础概念：从会用工具，到真正看懂 AI
14 章零基础学习路线：理解模型为什么会回答、为什么会忘记、为什么会编，以及怎样选择适合你的工具
你可能已经会用 ChatGPT、Claude 或 Gemini，但一看到 Token、上下文窗口、推理模型、Embedding，就很难判断它们究竟意味着什么。这门课不教你背术语，也不要求编程基础；它会用直观的例子，把现代 AI 最重要的概念连接成一张可以长期使用的认知地图。
学习路线
这 14 章会带你走过四步
课程从一次回答是怎样产生的开始，先补齐记忆、知识与出错这三处最常见的挫败，再进入 AI 如何表示文字与图像，最后回到你每天真正要做的决定：打开工具时选哪个模型、把钱花在哪里。
- 01先理解一次回答是怎样产生的
看懂 LLM 的猜词机制、它是怎么被训练出来的，以及 Token 如何同时决定速度与费用。
- 02再摸清它的三条边界
上下文窗口决定它记得多少，知识截止日期决定它知道多少，幻觉决定它会在哪里出错——再加上一条你必须自己守住的隐私边界。
- 03然后理解它如何认识世界
通过 Embedding 和多模态，理解文字如何变成向量、图片与声音如何进入模型，也就理解了知识库检索为什么有用。
- 04最后形成自己的选择标准
看懂模型选择器上的推理模型与快速模型、Agent 何时真的去查、参数量数字的含义，以及订阅、API 与开源自部署之间怎么算账。
课程学习路径
第一阶段
第一阶段：一次回答是怎么产生的
从「猜下一个词」这一件事出发，看懂模型为什么能回答、它的能力是怎么练出来的，以及为什么每一次回答都会产生可计量的成本。
第二阶段
第二阶段：它记得多少、知道多少、会错在哪
这一阶段解决日常使用中最高频的三类挫败：它为什么会忘、为什么不知道最新的事、为什么会自信地编造。最后补上一课新手最容易忽略的隐私边界。
第三阶段
第三阶段：它怎么理解这个世界
文字怎么变成可以计算的坐标，图片和声音又是怎么进到同一个模型里——这两章解释了知识库检索和「拍张照问 AI」背后的同一套机制。
第四阶段
第四阶段：你该怎么选、怎么控
回到打开工具的那一刻：模型选择器上那几个选项差在哪、什么时候 AI 会真的去查而不是猜、参数量数字意味着什么，以及你到底该花订阅的钱还是 API 的钱。
附录
附录：进阶选读与速查
附录 A 是给需要调 API 参数的读者准备的，普通用户可以跳过；附录 B 把全课术语汇总成一页，随时回来查。
学完能做到什么
学完以后，你不需要变成算法工程师，但应该能够用自己的话解释核心概念，并把这些概念用于真实的工具选择和问题判断。
- 解释大语言模型如何生成回答，以及它的能力是通过预训练、微调和 RLHF 三步练出来的。
- 看懂 Token、上下文窗口与费用之间的关系，知道长对话为什么会遗忘、长文档该怎么拆。
- 识别幻觉的高发场景，知道哪些回答必须交叉验证，以及怎样提问能把编造的概率压下去。
- 判断哪些内容不该贴进对话框，看懂产品隐私设置里「是否用于训练」这类选项的实际含义。
- 理解 Embedding、多模态、训练数据和知识截止日期分别解决什么问题。
- 面对模型选择器时，能根据任务判断该用推理模型还是快速模型，以及什么时候需要让 AI 联网或调用工具。
- 看懂 7B / 70B / 671B 这类参数量标注，并在订阅、API 与开源自部署之间按成本、隐私与控制权做出选择。