L0 开窍
L0 的目标不是学算法，而是让你在 30 分钟内明白 AI 到底是什么、怎么和它沟通、它为什么会错，以及一次请求里发生了什么。
读完能多干成什么事
| 能力 | 完成标准 |
|---|---|
| 解释 AI | 能用三句话解释 AI 不是黑魔法，而是根据上下文预测和生成内容的系统 |
| 看懂工具 | 能区分通用助手、搜索研究、文件分析、图像生成、代码助手、工作流工具 |
| 写出请求 | 能写出包含目标、背景、材料、约束、输出格式、验收标准的一次请求 |
| 判断风险 | 能说出幻觉、过期知识、上下文不足、权限不清四类风险 |
| 开始实践 | 能完成一个长文总结或周报改写任务 |
AI 是什么
对普通使用者来说，AI 可以先理解成三层：
- 模型：负责理解、生成、推理、看图、听音频、写代码。
- 工具：让模型能搜索、读文件、跑代码、生成图片、访问业务系统。
- 工作流：把模型和工具放进固定步骤，产出可复用结果。
这意味着你不需要先学神经网络公式，也能开始使用 AI。真正重要的是：给它正确材料，定义明确任务，知道什么时候要校验。
AI 层次结构
| 层级 | 人话解释 | 你要关心什么 |
|---|---|---|
| 硬件和算力 | 支撑模型训练和推理的基础设施 | 普通人不必深入，只要知道强模型通常更耗资源 |
| 基座模型 | ChatGPT、Claude、Gemini、DeepSeek 等模型能力 | 质量、速度、上下文、多模态、价格、可用性 |
| 产品形态 | 聊天助手、搜索助手、办公助手、代码助手 | 哪个任务用哪个入口更省事 |
| 工具能力 | 搜索、文件、图片、代码、表格、连接器 | 工具是否能拿到真实资料、是否有权限 |
| Workflow | 固定步骤的自动化流程 | 步骤是否稳定、能否复用、是否需要人工复核 |
| Agent | 能持续规划、调用工具、观察结果的系统 | 目标、边界、权限、日志、停止条件 |
| 业务场景 | 周报、学习、客服、PRD、数据分析、研发协作 | 成果是否真的节省时间或提高质量 |
常见误解
| 误解 | 正确认知 |
|---|---|
| AI 会直接取代我 | 更常见的是先替代“重复、可描述、低创造性”的任务片段 |
| AI 什么都知道 | 模型有知识边界，近期事实要搜索或用资料核对 |
| AI 回答像真的就是真的 | 流畅不等于正确，重要结论要看证据 |
| Prompt 是咒语 | Prompt 是任务说明，重点是上下文、约束和输出标准 |
| 上下文越长越好 | 上下文越长越容易混入噪声，关键材料要精选 |
| Agent 就是更聪明的聊天机器人 | Agent 是能调用工具和持续执行的系统，必须有边界和停止条件 |
30 个基础术语
| 术语 | 人话解释 |
|---|---|
| Token | AI 读写文本的计量单位 |
| 上下文 | AI 这次能看到的全部信息 |
| 上下文窗口 | 一次请求能放入的最大 Token 数 |
| Prompt | 你给 AI 的任务说明 |
| System Prompt | 系统层规则 |
| 多模态 | 能处理文字、图片、语音、视频等多种信息 |
| 幻觉 | AI 编出看似合理但不真实的内容 |
| 搜索 | 让 AI 获取近期或外部网页信息 |
| 文件分析 | 让 AI 阅读 PDF、表格、文档或图片 |
| 代码解释器 | 让 AI 运行代码做计算或分析 |
| RAG | 先查知识库，再基于资料回答 |
| Embedding | 把文本变成可检索的向量 |
| Chunk | 知识库切片后的片段 |
| Rerank | 对检索结果重新排序 |
| Agent | 能围绕目标规划并调用工具的系统 |
| Workflow | 固定步骤的自动化流程 |
| Tool Use | 模型调用外部工具 |
| Function Calling | 模型按结构生成工具参数 |
| MCP | 工具和上下文接入协议 |
| Memory | 系统保存的用户偏好或任务状态 |
| Runtime | AI 任务运行、调度、日志和权限层 |
| Trace | 一次任务的完整执行记录 |
| Eval | 用样例和标准评测 AI 输出 |
| Bad Case | 失败样例 |
| 结构化输出 | 让 AI 按 JSON、表格、清单等格式输出 |
| Guardrail | 限制 AI 行为边界的护栏 |
| Prompt Injection | 外部资料里藏恶意指令 |
| API Key | 调用服务的凭证 |
| 模型路由 | 按任务选择不同模型 |
| 成本预算 | 控制一次任务消耗的上限 |
更多术语见 AI黑话词典。
一次请求结构
最小可用结构：
目标：你要 AI 帮你完成什么。
背景：这件事发生在什么场景，给谁用。
材料：粘贴文本、表格、截图、链接或约束。
要求：不要做什么，必须注意什么。
输出：要表格、清单、邮件、PRD、JSON 还是步骤。
验收：什么样算好，哪些地方必须自查。
示例：
你是我的工作助理。请把下面这段会议记录整理成行动清单。
背景：这是产品周会，目标是明确下周要推进的事项。
要求：
1. 不要补写记录里没有的信息。
2. 每条行动项必须包含负责人、截止时间、待确认问题。
3. 如果记录里没写负责人或时间，用“待确认”。
输出：Markdown 表格。
材料：
【粘贴会议记录】
L0 必做 5 个小任务
- 用一句话解释 Token，再用一个例子说明“上下文不等于记忆”。
- 把一段 1000 字文章交给 AI，总结成 5 条结论和 3 个行动项。
- 让 AI 改写一封邮件，分别输出正式版、简短版、温和版。
- 让 AI 根据一个截图或表格指出关键信息，并列出它不确定的地方。
- 拿一个 AI 回答做事实校验：哪些是资料支持，哪些需要再查。