AI 基础认知

前置阅读：建议先做 先动手 的 3 个练习，再读这一篇。"用过"再看定义更容易理解。 预期收获：读完你能解释 AI 能力类型、Token、上下文、一次请求的结构，并写出一个结构清晰的 prompt。

这篇是给第一次系统熟悉 AI 的人看的。先理解 AI 能做什么、为什么能做、一次请求里发生了什么，再进入具体工具和专题。

先把 AI 分成几类

AI 的主要优势

• 信息压缩：把长文、会议、资料和文件变成摘要、表格、待办、问题清单。
• 初稿生成：快速得到文案、PRD、代码、脚本、报告、方案的第一版。
• 多版本探索：同一目标生成多个角度，帮助人更快比较。
• 跨格式转换：把文字转成表格、清单、流程、邮件、演示稿、代码注释。
• 重复步骤自动化：把固定流程拆成可复用指令或 Agent。
• 低门槛专业辅助：让非专业用户能先做出可讨论的草稿。

AI 的常见限制

• 它不等于事实数据库，重要事实要交叉确认。
• 它只能基于当前上下文回答，看不到你没有提供的信息。
• 它可能误解目标，所以复杂任务要分步骤。
• 它对模糊约束很敏感，输入越含混，输出越不稳定。
• 它不天然知道你的业务标准、品牌风格、权限边界和验收方式。

Token 是什么

Token 可以理解为模型读写文本时使用的“片段单位”。中文、英文、标点、数字都会被切成 token。

你需要知道：

• 输入和输出都会消耗 token。
• 上下文窗口用 token 计算，窗口越大，能放进去的内容越多。
• 长文件、长对话、长提示词都会占上下文空间。
• 输出越长，等待时间和成本通常越高。
• 同样一段话，不同模型的 token 切分可能略有差异。
• 工具定义、RAG 片段、JSON 字段、图片/文件描述也可能占 token。
• 有些模型还会区分输入 token、输出 token、推理 token、缓存 token。

实践判断：

• 简单问题不要塞很多背景。
• 长文处理要先摘要、分段、提纲化。
• 需要稳定输出时，把格式要求写清楚，减少模型自由发挥。
• API 或 Agent 场景要给 token 预算，不要让长上下文和工具循环失控。

上下文是什么

上下文就是模型这一次回答时能看到的全部信息。

它通常包括：

• 系统规则：工具、风格、安全边界、角色约束。
• 用户输入：你当前提出的问题。
• 历史对话：前面几轮对话中仍被保留的内容。
• 文件和图片：你上传或系统传入的材料。
• 检索结果：RAG 或联网搜索返回的信息。
• 工具结果：代码执行、数据库查询、网页读取等外部动作结果。

关键理解：

• 模型不是一直“记得全部”，它只处理当前窗口里的上下文。
• 上下文太少会答偏；上下文太多会稀释重点。
• 好的 AI 使用者会主动组织上下文，而不是把所有材料一次性扔进去。
• “记忆”是产品层长期保存的信息，不等于本次请求一定可见。
• 检索结果、网页内容、用户上传资料不能覆盖系统规则和安全边界。

一次请求是什么结构

一次请求可以理解为：

系统规则 + 用户任务 + 相关上下文 + 可用工具 + 输出要求
        -> 模型推理
        -> 文本回答或工具调用
        -> 工具结果再进入下一次上下文

更细一点：

如果你要从产品或工程角度继续深入，读 Token、上下文与一次请求结构。那篇会把 API 字段、工具调用、RAG 片段、结构化输出、成本和截断讲细。

好请求的基本模板

我的目标是：……
背景是：……
你可以使用的材料是：……
请你输出：……
限制条件：……
判断好坏的标准：……
如果信息不够，先问我最关键的 1-3 个问题。

为什么很多回答不稳定

常见原因：

• 目标没说清：只说“帮我优化”，没有说优化成什么。
• 背景缺失：模型不知道用户、场景、限制和判断标准。
• 输出格式不明确：模型不知道要清单、表格、文案还是代码。
• 一次要求太多：摘要、分析、生成、评估、改写全塞进一个请求。
• 没有示例：对风格、结构、颗粒度的预期没有样本。

改法：

• 先让 AI 复述任务和假设。
• 把复杂任务拆成“理解 -> 提纲 -> 初稿 -> 评估 -> 修改”。
• 给一个你喜欢的示例。
• 让 AI 列出不确定信息。

从基础到进阶的概念顺序

1. Token、上下文、一次请求结构。
2. Prompt、示例、约束、输出格式。
3. 文件、图片、搜索、数据分析等工具能力。
4. RAG：把自己的资料接入 AI。
5. Agent：让 AI 围绕目标连续执行多步任务。
6. 评测：判断输出是否稳定、准确、可上线。
7. Runtime：把 AI 能力放进产品或业务系统里稳定运行。

读完自测

读完这页，你应该能回答下面这些问题（别只在脑子里答，写下来或讲给一个不懂的人听）：

• [ ] 用 30 秒解释什么是 Token，以及为什么它会影响你的成本和回答质量。
• [ ] 同一个问题，AI 两次回答完全不同，可能是哪几种原因？
• [ ] 把"帮我优化一下这个文案"改写成一个结构完整的 prompt（包含目标、背景、材料、约束、输出格式、判断标准）。
• [ ] 列出 3 种 AI 不能信任的事实场景，以及对应的校验方式。

如果第 3 条做不出来，回头看 核心概念卡 → Prompt。

下一站