直接输出一篇Markdown格式的博文从正文内容开始。1. 第二天我为什么把学习策略整个推翻了昨天是我正式啃AI的第一天说实话第一天我过得挺狼狈的。刷了一整晚的概念视频从神经网络聊到反向传播从Transformer讲到注意力机制笔记本上抄了满满十几页合上电脑那一刻脑子却是空的——那些名词我都见过可真要我说清楚“大模型到底是怎么工作的”“我明天能用它做点什么”我一个字都憋不出来。这也是大多数自学AI的人第一天的真实状态被信息洪流冲晕了头收藏了一堆资料却完全不知道从哪下手。所以第二天我做了个很关键的决定把学习主线从“看懂原理”改成“做完一个东西”。我给自己定了一条规矩——今天学的任何一个概念必须当天用在某个看得见摸得着的产出上否则就不算学会。这条规矩让我的第二天和第一天彻底拉开了差距也让今天这篇文章有了落地的价值。这篇内容不是什么系统的AI教程就是以一个初学者的身份记录第二天从零到一完成一个小项目的过程连同我踩过的坑、想明白的问题以及那些刚开始接触AI的人最容易卡住的地方一并讲清楚。如果你也是个AI新手刚看完一堆科普但没动过手这篇文章应该比那些“XX天精通AI”的课程实在得多。你不需要懂高等数学不需要会写复杂的代码只需要一台能上网的电脑和一点耐心就能跟着我复现第二天的完整路径。2. 先搞清楚一件事大模型到底是个什么东西2.1 从“鹦鹉学舌”说起在学习路线里我砍掉了大部头的理论但有个基础问题还是绕不开AI大模型到底是什么我用了一个特别朴素的类比才真正把它想明白——大模型本质上是一只被喂了海量文本的超级鹦鹉。它不是真的理解你说的话而是见过足够多的文字组合之后学会了“看到前面的词猜下一个词最可能是什么”。就好比你跟一个熟读了几百万本小说的人聊天你说“今天天气真”他大概率能接上“好”“不错”“热”——因为他见过太多类似的句子知道后面通常跟什么。大模型干的事情本质上就是这样只不过它猜测的维度更大、背景信息更多、训练数据量是普通人一辈子都读不完的千万倍。所以它看上去像“懂”其实是基于统计规律在做预测。这个认知帮我理解了一连串问题为什么AI偶尔会一本正经地说胡话因为它在猜猜错了就会编为什么同一个问题换种问法答案就不一样因为不同的问法激活了它不同的“记忆路径”为什么它写代码经常比写散文靠谱因为代码是语法严格、模式固定的文本而这种文本在训练数据里重复出现的频率极高猜测的准确率自然就高。2.2 三个绕不开的关键词Token、上下文、参数第二天的学习让我彻底和三个词交了朋友理解它们之后很多为什么AI这么笨/这么聪明的问题都有了答案。Token是AI处理文本的最小单位你可以把它理解为“半个词”或者“一个词片段”。中文里一个词经常被切成两三个TokenAI一次能处理的数量上限就是上下文窗口。打个比方如果AI是一个厨师Token就是案板上的菜上下文窗口就是案板的大小——案板越大能同时摆的菜越多能做的菜就越复杂。我试过给AI塞一整本书让它总结结果它死活说“内容太长”就是因为案板放不下了。上下文窗口则是当天实操里对我影响最大的概念。和AI对话的时候它能记住当前这轮对话里的所有内容但这个记忆是有限的。一旦聊得太长、内容太多早期的信息就会被“挤”出去AI就会突然“失忆”。这就像你和朋友聊天聊了三个小时后他忘了你一小时前说过的话——不是他不上心是脑子装不下了。参数则决定了模型的“能力上限”。参数可以理解为模型内部调节行为的旋钮数量旋钮越多模型从数据中总结规律的能力越强回答自然更细腻。但它不是越贵越好——参数大的模型跑起来慢、成本高有些简单任务用小模型反而更快更稳。2.3 为什么我最终选择了现在的工具组合明白了基础概念下一步就是选上手的工具。第二天的第一课我先说清楚工具选型这件事因为这里面的坑实在太多了。市面上的AI产品五花八门有对话式的有能生成图片的有专门辅助写代码的还有号称能“自动干活”的Agent类工具。新手最容易犯的错就是全都装一遍然后每个都浅尝辄止——这是典型的“收藏癖”根本不是学习。我在第二天明确了自己的主线是“大模型应用”也就是用现成的AI能力解决实际问题所以对话式大模型是绝对主力AI编程工具作为代码辅助图像生成类工具作为项目环节的补充。如果你也准备开始我建议不要贪多。先选一个主力的对话式大模型把80%的精力花在和它配合上摸清楚它的脾气剩下的等到有明确需求的时候再加。工具不是越多越好而是越顺手越好。3. 从零动手我用AI辅助建了一个小型网站第二天的核心任务是给自己建一个简单的个人介绍网站。选这个任务是因为它有明确的完成标准页面能在浏览器里打开、有基本信息展示、看起来像个正常作品。过程足够复杂能逼我用到AI的多种能力又足够简单不至于第一天就倒在代码上。3.1 明确任务边界动手之前我先做了一件事——把需求说清楚。我给自己列了三个条件单页面、纯静态、不要依赖复杂框架。为什么要这样限制因为我的目标不是学网页开发而是体验“如何和AI协作完成一个完整任务”。如果一上来就用那种一键生成网站的工具确实快但看不到协作的过程如果用太复杂的框架又会陷入漫长的环境安装偏离主线。任务明确之后我对AI的第一句提问是“帮我把一个个人介绍网页的完整HTML代码写出来要求包含姓名、个人简介、技能列表、联系方式四个板块风格简洁现代。”注意这句话的信息量很关键我指定了内容结构、页面板块和风格方向。这是我当天学到的第一个真本事——好的提问AI直接给你能用烂的提问AI给你一坨需要返工的东西。3.2 一次完整的人机协作流程AI很快就返回了一整段HTML代码附带一些简单的CSS样式。我复制到本地编辑器保存成index.html双击打开浏览器——页面出来了。那一刻还是挺有成就感的但紧接着就发现了问题排版很朴素颜色搭配一般而且顶部导航栏点链接根本跳不动。这些问题都在预期内毕竟是第一版真正的协作从修改才开始。于是我开始了一轮轮“提出修改意见—AI重新生成—测试—再提意见”的循环。这整个流程大概重复了四次每一次都对应一个明确的问题第一轮我让AI把配色改成深色背景配渐变高亮色顺便把导航栏的锚点链接修复。第二轮我要求加入响应式布局因为手机上看页面会乱掉。第三轮我让它把技能列表改成卡片式展示每个卡片加一个小图标。第四轮我请它把联系方式从纯文本换成带链接的按钮。整个协作过程让我对“AI编程”有了切身体会它不是替你完成一件事而是配合你完成一件事。AI负责高效地产出初稿、根据反馈快速修改我负责判断好坏、提出具体方向、验证最终结果。判断力和方向感才是人这边真正有价值的部分。这也是我这两天最大的认知转变之一。3.3 第一次和“幻觉”正面交锋说一个最典型的翻车现场。第三轮修改的时候我让AI给技能卡片加图标它直接引用了一组图标库的链接。网页打开后图标确实显示了但我后来发现那个图标库的域名看着很陌生而且我在离线状态下打开页面所有图标全部消失。我去查了一下AI给的链接发现它引用的是一个真实存在但是冷门的CDN库——链接是真的但可用性和稳定性很难保证。这件事给我提了个醒AI生成的内容大概率是对的但一定不能默认它百分之百是对的。尤其是它主动填入的第三方依赖、API接口、外部链接这些是幻觉的高发区因为它们常常超出AI训练数据的验证范围。从那以后凡是我用AI生成的代码里出现“从某个网址加载”的内容我都会先去确认那个网址是否真实存在、是否可靠。这个习惯第二天养成从第三天起就开始帮我省钱了。4. 拓展边界从单打独斗到多AI协作网站基本成型之后我提前体验了一把更进阶的玩法顺便测试了最近热度很高的一个概念也是热搜里频繁出现的词——多AI协作以及常被混为一谈的AI Agent。这里的收获值得单独拿出来讲因为它彻底刷新了我对“能不能让AI自主干活”的理解。4.1 为什么一个AI不够用我一开始想当然地认为既然一个AI已经这么强了那“多AI协作”是不是就是四个AI一起上总量变多质量变好。实际试过之后才发现完全不是这么回事——多AI协作的价值不在于累加数量而在于用不同的AI擅长的地方互相补位、互相检查。我用一个具体例子来展示。我让AI A擅长中文表达的对话模型为我的网站写了一篇自我简介文案写得确实漂亮语言流畅、气质得体。但当我把它交给AI B一个更偏逻辑和代码的模型去检查时AI B指出文案里有两处事实性表述不准确一处是我写的技能年限和我简历里对不上另一处是文案里提到“曾服务过多个企业客户”实际上我根本没做过企业项目。AI A写的时候“感觉”很流畅但流畅不等于真实它为了把句子写漂亮自动补全了一些好听但不真实的内容——这就是幻觉在自然语言写作中的表现。这种“让一个AI写、另一个AI审”的模式本质上就是用不同模型的偏差互相抵消。一个模型的优势恰好能纠正另一个模型的弱点效果比单独用任何一方都好。4.2 Agent到底是怎么回事顺便把“AI Agent”这个概念也理清楚。我当天看了一大堆关于Agent的热搜词和讨论最大的感受是这个词被过度神化了。很多人把Agent描述得像一个能完全自主干活的数字员工仿佛输入一个指令它就能自动把活儿干完。但实际上在我亲测的场景里Agent更准确的定位是一个会调用多个工具并按步骤执行的大模型。举个最简单的例子——有些Agent框架能自动完成“查资料—写大纲—形成文档—发送邮件”这样一条流程。它做的事情是先理解目标、拆解步骤接着调用搜索引擎工具查资料然后调起文档生成模块最后调用邮件接口发送。每一步都是调用现成工具的组合大模型在其中充当的是“决策大脑”决定下一步该调用什么。原理不复杂但工程上做出来确实效果惊艳。对新手来说我的建议很直接不要一上来就追Agent框架。先把单次对话用熟然后再理解工具调用最后再考虑让AI替你编排多步流程。步子迈太大容易连问题出在哪一步都找不到。4.3 派单模式一种低配版的多AI协作方案在还没精力配置复杂Agent框架的时候我发现有一种“派单模式”非常实用特别适合个人学习场景。做法很简单把任务拆成几个环节每个环节指定一个AI负责你自己做中转站在中间传递。拿我的小网站举例我把任务拆成四个环节文案由对话AI负责代码结构由编程AI负责测试建议由另一个逻辑AI审查视觉描述由我自己写好再让AI实现。整个过程不需要复杂框架就是四个对话窗口来回切换。这虽然听起来原始但带来的好处特别明显——每个AI都只处理它最擅长的窄范围任务出错率大幅下降产出质量显著提高。而且因为中转站是你自己每个环节你都必须读一遍结果再往下传被迫养成了检查的习惯。5. 第二天的避坑清单这些坑我今天全踩过5.1 提示词太笼统输出的东西根本没法用这是我今天第一个踩的坑而且踩得特别扎实。刚开始用AI的时候我不自觉地就问“帮我写个网站。”AI很礼貌地回了一大堆话从网站规划到技术栈建议到目录结构洋洋洒洒几百字但没有任何一行代码。我说“不对我要的是代码”它才重新开始写。这个来回浪费了我十分钟。后来我总结了原因提示词越模糊AI就越倾向于“解释”而不是“执行”。它是真的不知道你想要什么你笼统地问它就笼统地回答。正确的做法是直接把背景、约束、输出格式说清楚。我后来的有效提问格式是这样的背景我要做一个个人展示网站任务需要首页的全部HTML和CSS代码约束单页、静态、不要框架、不要图片依赖外部服务器格式HTML和CSS放在一个文件里直接可运行给AI布置任务本质上跟给同事交代工作是一样的——你说明白活儿才能干明白。5.2 盲目信任AI的“一本正经”内容这是第二个坑也是AI使用中最危险的一个。今天测试多AI协作的时候已经暴露过一次AI写的文案里有虚构的项目经历写的时候语气流畅得像真的一样如果不是让另一个模型检查我根本发现不了。在编程场景里也有同类问题AI会生成一些看似合理但实际并不存在的API接口名你调用的时候才会发现根本跑不通。这里需要一个方法论级别的认知AI不是一个可靠的信息来源它是一个你需要交叉验证的“初稿生成器”。涉及事实的去查证涉及代码的跑一遍涉及引用的看原始出处。这条原则怎么强调都不过分尤其是在第二天这种刚建立信任感的阶段更要时时提醒自己。5.3 上下文管理不当导致AI“失忆”第三个坑出现在网站的第七八轮修改之后。当时页面已经被我改得相当复杂我让AI继续调整某个样式结果改完之后它把我之前明确要求保留的另一个板块样式给弄丢了。回翻对话记录我才意识到我们聊得太长早期设定的“保留XX板块不变”这个要求在计算层面已经被远远挤出了上下文窗口AI压根记不住这条限制了。解决方案有两类一是精简对话轮次完成一个大改动就开一个新对话在新对话里重新粘贴项目当前状态和核心要求二是把长期不变的约束写进项目说明文件每次开新对话时直接附上。这个习惯帮我避掉了后来无数次类似的“失忆”问题建议你从第一天起就养成。5.4 工具选了太多哪个都没学深这个坑不是踩的是看着别人踩的。我在学习社群里看到不少同期的朋友今天试这个AI画图工具明天试那个写论文工具后天又开始玩Agent搭建平台。一周过去每样都会一点点但每样都做不出一个完整的产出。而我第二天只在一个主模型上深耕附带接触了编程辅助和图像生成各一项但每一个都真正用在了网站上。两者的差距立竿见影他们有广度没深度我有产出有理解。给新手朋友一句实在话前期一定要做减法。选定一个主AI把它的性格摸透把和它协作的流程跑通再考虑扩展。学AI和学其他技能没有本质区别——深挖一口井比到处挖坑出水的概率大得多。6. 第三天打算往哪里走第二天的收获可以说完全超出了预期。最大的改变不是学会了某个具体技术而是把对AI的认知从“一个更高级的搜索引擎”修正成了“一个需要管理和协作的同事”。它有能力但它有自己的毛病——会编造、会失忆、会在某些任务上惊艳、也会在某些任务上翻车。管理好这个同事让它发挥长处、控制短处这正是所谓“AI工程实践”在个人层面的最小版。第三天我给自己定了几个方向。第一把我今天“派单模式”的流程固化成一套模板以后遇到新的小项目直接套用第二开始研究怎么给本地环境配置一个开源的小模型把“AI模型部署”这个一直很模糊的环节拉出来实测一遍第三继续完善网站试着接入一个小功能模块让AI解决具体交互问题。别怕慢怕的是站在原地只说不做。第二天这一步我觉得是踩对了。