AI 概念入门
面向零基础读者的 AI 概念科普系列，共 36 篇，按认知顺序分六组编排。
第一组 AI 到底是什么
第 1 组 · 6 篇
AI、机器学习、深度学习——三个词搞混，科技新闻你等于白看
三个词是套娃关系：AI 最大，机器学习是核心，深度学习是最火的那层
大模型（LLM）到底是什么？它凭什么「什么都能聊」
它不是知识库，是个读过整个互联网的「超级接话机」——想明白这点，你就知道该信它几分
参数上百亿，就一定更聪明吗？别被数字骗了
参数是「脑容量」不是「智商」——同参数的两个模型，表现能差出一大截
Token 是什么？AI 的收费、字数和记性都绕不开它
按「字」算不对，按「词」也不对——AI 数的是 token，搞懂它你会算账也会省钱
训练和推理：AI 怎么「上学」，又怎么「上班」
一个是花几千万造出来，一个是每次用花几厘钱——分不清这两件事，看不懂一半的行业新闻
AI 幻觉：它为什么一本正经胡说，怎么一眼识破
它不是说谎，是「按概率接话」的副产品——三个习惯，能把瞎编率压下去大半
第二组 怎么把 AI 用明白
第 2 组 · 6 篇
提示词（Prompt）怎么写？换个说法，答案差一大截
不是玄学，是把「你要什么」说清楚——五段式模板，拿去就能用
上下文（Context）是什么？AI 聊久了就忘事，根子就在这儿
AI 没有记忆，它只有「眼前这一摊」。懂上下文，你就知道它为什么忘、该怎么让它记住
深度思考模式该不该开？AI 的「思维链」到底在想什么
它不是真的在想，是先把推理步骤写出来再答——什么时候值得多等 20 秒
多模态：AI 能看、能听、能说，分别到哪一步了
文字已经很强，图片能看懂但看不清细节，语音最好用——分清能力边界，别用错地方
AI 搜索和百度差在哪？连不联网，答案差多少
一个给你链接，一个给你答案——但答案可能是抄错的，看清它的信息从哪来
同一个问题问两次，答案不一样，是 AI 坏了吗
它本来就是随机的，这叫「温度」——什么时候该固定答案，什么时候该多抽几次
第三组 AI 造内容
第 3 组 · 6 篇
AI 画图是怎么画出来的？搞懂「扩散」你就明白了
它不是照着画，是从一团噪点里「擦」出画面——懂了原理，就知道为什么手总是画歪
AI 生成视频，现在到底能用到什么程度
十几秒的片段很惊艳，但拼成完整片子就崩——分清「演示」和「能用」，不花冤枉钱
AI 听写和 AI 配音：录音变文字、文字变人声，怎么选
这两个方向已经相当能用了，选错了工具白花钱——按「准确率、语种、单价」三条线挑
数字人是怎么「活」起来的？拿它做口播靠谱吗
不是真人录像，是「脸+声音+口型」拼出来的——什么场景能用，什么场景一眼假
换脸视频满天飞，Deepfake 该怎么分辨
技术已经很难靠肉眼百分百识破，但破绽依然存在——五个检查点，加一条最实用的自保原则
AI 做的东西，版权到底归谁？AIGC 合规一次讲清
不是所有 AI 产出都能拿来商用，也不是全部归平台——分清「工具」「素材」「成品」三层
第四组 让 AI 真的干活
第 4 组 · 8 篇
Agent 智能体：从「会聊天」到「会干活」，中间差了什么
会说话的 AI 只是嘴，智能体给它装上了手和腿——但它还没你想象的那么听话
工具调用（Function Calling）：AI 怎么自己订机票、发邮件
它不是真会订票，是学会了「叫人代办」——看懂这层，你就明白智能体的手脚哪来的
MCP 是什么？AI 圈的「通用插座」，为什么突然火了
一次接入，到处能用——它解决的是「每接一个工具就要重写一遍」的麻烦
Skill 技能：给 AI 装个专业包，它就从通才变专家
不是训练模型，是把「你的经验」写成它照着执行的说明书——这才是最划算的提效方式
AI 的记忆（Memory）：它凭什么记住你上周说过的话
不是模型变聪明了，是产品在旁边记了笔记——分清「对话内上下文」和「跨对话记忆」两回事
RAG 知识库：把你的资料喂给 AI，它就成了你的专属专家
不是训练模型，是「先查资料再回答」——公司内部资料问答，就靠这套搭起来
AI 工作流：不写代码，也能让 AI 自动干完整套活
把「触发—判断—执行」串成流水线——一条搭好的流程，能省下每天一小时的重复活
Vibe Coding：一句话做个小工具，普通人真能干成吗
能，但只限于「小、独立、你自己用」——分清能做的和做不了的，别把项目压上去
第五组 底座和成本
第 5 组 · 5 篇
算力、GPU 和显卡荒：为什么全世界都在抢英伟达
不是显卡贵，是「能算的机器」供给不够——看懂这条链，读懂一半科技新闻
开源模型和闭源模型，差在哪？普通人该选哪个
一个能下载到自己机器上，一个只能用别人家的接口——选错了一年多花不少钱
本地跑 AI 和手机上的 AI：断网也能用，代价是什么
把模型塞进自己电脑和手机——隐私换来的自由，配上能接受的慢一点
微调（Fine-tuning）：把通用 AI 养成你的专属员工
不是所有问题都得微调——先分清「提示词能解决的」和「真需要改模型的」
API 和 Token 计费：AI 到底在花你哪份钱
一份能自己算的账单思路——看懂输入输出差价、缓存、以及什么最烧钱
