学 海 无 涯

网络（Network），本质上不过是"让两台机器能说上话"的一整套约定与设施。你手中的手机、桌上的电脑、远在天边的服务器——只要它们之间能传递信息，就构成了网络。

先看你现在正在发生的事

此刻你正在浏览 xuehai-wuya.pages.dev 这个页面。你有没有想过，这背后其实发生了这些事？

短短几百毫秒之内，全球可能穿越了几十台设备。本篇要做的，就是让你逐步看懂这一切。

一句话理解

把网络想象成一条条看不见的公路：路面（物理线路）、交通规则（协议）、门牌号（IP 地址）、目的地房间号（端口）、快递员（路由器）——所有这些加在一起，才让"你发一条消息，对方能收到"这件事成立。

为什么要学网络

入门先要认识三个最常听到的词：主机、协议、地址。它们像"参与者、规则、身份证"，缺一不可。

三个最基础的概念

网络之所以能运作，是因为把一件"从一台机器传数据到另一台机器"的复杂事，切成一层一层的小事，每一层只操心自己那一块。上层不必知道下层怎么做，下层也不必理会上层内容是什么。

OSI 七层模型（学院派参考）

1984 年国际标准化组织提出的经典模型，把网络分成七层。虽然实际很少完全按七层实现，但它是理解网络的最佳教学地图。

TCP/IP 四层模型（工程实用版）

互联网工程中实际使用的模型更精简：应用层 → 传输层 → 网络层 → 网络接口层。它是 OSI 七层的"合并简化版"，也是你以后遇到最多的说法。

协议是"网络的语言"。日常你会反复看到这些缩写，先建立最粗略的印象即可：

如果说 IP 地址是一栋楼的门牌号，那 端口就是这栋楼里的具体房间号。数据要送达，必须知道"送到哪栋楼的哪个房间"。

IP 地址

端口

端口是 0 – 65535 的一个数字，用来区分"同一台机器上运行的不同程序"。几个你必须眼熟的默认端口：

以你在浏览器输入 www.baidu.com 为例，短短几百毫秒之内，其实发生了六个关键动作。看懂这一段，等于把前面所有概念串成一条线。

数据从你到远方，中间要经过若干"驿站"。它们各自分工：

HTTP（HyperText Transfer Protocol，超文本传输协议）是你每天点开一个网页时，浏览器与服务器之间讲的那门语言。它简单、直白、几乎无处不在。

一次 HTTP 对话长什么样

本质上就是"客户端问 → 服务器答"，两段纯文本：

请求由 起始行 + 头部字段 + 空行 + 可选正文 组成；响应同样如此。看似简陋，却是撑起整个 Web 的骨架。

常用 HTTP 方法

状态码 · 五个家族

响应的第一行有一个三位数字，用百位划分家族，看百位就能猜出七八分：

常见头部字段

• Host目标网站的域名，一台服务器可挂多个网站
• User-Agent浏览器/客户端身份标识
• Content-Type正文数据类型，如 application/json
• Cookie客户端存的小凭证，登录状态就靠它
• Authorization带 Token 的身份认证
• Cache-Control缓存策略，控制多久重新拉取

HTTP 版本演进

DNS（Domain Name System，域名系统）是互联网的"电话簿"——你只记得住 baidu.com 这样的名字，机器却只认 110.242.68.66 这样的数字，DNS 负责在二者之间来回翻译。

为什么要有 DNS

人类的记忆是"语义型"的：容易记住 zhihu.com，很难记住 103.41.167.234。而且，同一个网站背后可能有几十上百台服务器 IP，还会变来变去；DNS 让你只关心名字，把 IP 交给系统。

域名的层级结构

域名从右向左，是"越大越靠右"的树形结构：

• 根 (Root)整棵树的起点，全球共 13 组根服务器
• 顶级域 TLD如 .com / .cn / .org / .io
• 二级域你注册来用的名字，如 baidu
• 子域名你可以自定义的前缀，如 www、mail

一次解析 · 递归+迭代

常见 DNS 记录类型

TCP 建立一次连接，需要三个来回；关闭连接，需要四个。这是网络课程最经典的"必背题"，理解它能一举打通传输层。

三次握手 · 建立连接

为什么是 三次而不是两次？因为要让双方都确认对方能收、能发。少一次，服务器就无法确认自己发的包客户端能收到。

四次挥手 · 断开连接

之所以要四次，是因为 TCP 是全双工——每一方"我说完了"要单独确认。中间那"两次"看似分开，其实是服务器"我收到你要关"与"我这边也关了"两条独立信号。

一个 IP 地址实际上分成两半：网络号（哪个院子）+ 主机号（院子里的第几户）。子网掩码（Subnet Mask）就是那条"分割线"。

CIDR 记法

今天最常用的是 CIDR（Classless Inter-Domain Routing）写法，把掩码写成斜杠加数字：

• 192.168.1.0/24前 24 位是网络号，后 8 位是主机号 → 254 台可用主机
• 10.0.0.0/16前 16 位是网络号 → 65,534 台可用主机（大型公司内网）
• 172.16.0.0/12前 12 位固定 → 约 100 万台可用主机
• /32只有一台主机（常用于路由规则）

三段私有 IP 段（家用/公司内网专用）

你家里明明有十几个设备联网，运营商却只分给你一个公网 IP——它们是怎么共用的？答案是 NAT（Network Address Translation，网络地址转换）。

NAT 做了什么

端口转发 · 让外网访问家里的机器

反向操作：你有一台家庭服务器想让外部访问？在路由器上做端口映射：

网络安全的三大目标可以浓缩成 CIA——机密性（Confidentiality）、完整性（Integrity）、可用性（Availability）。不能被偷看、不能被篡改、随时可访问。

加密的两种基本套路

HTTPS = HTTP + TLS

你在地址栏看到的小锁，背后是 TLS（Transport Layer Security）：客户端和服务器先用非对称加密协商出一把临时对称密钥，之后所有内容都用对称密钥加密传输——既安全又快。

常见威胁一览

把线拔掉、让数据通过电磁波传输，就是无线网络。它们靠频段、信道、协议三件事区分。

WiFi 各代速览

蓝牙、NFC、Zigbee

• 蓝牙 (BT)短距、点对点，用于耳机、鼠标、传文件
• BLE蓝牙低功耗，用于手环、门锁、iBeacon
• NFC数厘米，用于支付、门禁、公交卡
• Zigbee低功耗自组网，智能家居设备常用

蜂窝网络 2G → 5G

5G 的意义不只是"更快"，还有 低时延（1ms 级）和 海量连接（每平方公里 100 万设备）——这是自动驾驶、工业互联网、AR/VR 的地基。

过去的网络世界是"我搭机房、我买带宽、我配路由器"；今天大部分服务都跑在云上，用户和服务之间还夹着边缘节点。

CDN · 内容分发网络

CDN 是"把内容提前搬到离你最近的机房"的技术。你在深圳打开某网站，其实是访问了深圳的缓存节点，而不是远在美国的源站。

云网络三件套

容器网络

Docker、Kubernetes 让每个应用装进一个"集装箱"，容器之间通过虚拟网络互通。Service、Ingress、Pod IP 是你以后会反复看到的词——但本质仍是本文前面讲过的 IP、端口、DNS。

当"上不了网"时，怎样一步步定位？以下五个命令是终端里的"急救包"，Windows 和 macOS/Linux 略有差异，写法我一并给你：

① ping · 测通不通

发送 ICMP 包，看对方能不能回。是最基础的"我能到吗？"

② traceroute · 走了哪条路

逐跳追踪数据包路径，看在哪一站出问题。

③ nslookup / dig · 域名解析

怀疑域名解析出错时用它。

④ curl · 手动发一次 HTTP 请求

不打开浏览器就能看服务器返回。

⑤ netstat / ss · 谁占了端口

本机端口被谁占用、有哪些连接开着。

下方为预留占位，后续章节将按同样的排版规则加入。

在讲抽象概念之前，我先用你今天亲手做的那件事——把"学海无涯"网站放到互联网上——一步步告诉你：Git 是什么、GitHub 是什么、它们到底做了什么。

你今天到底做了什么

今天下午，你完成了这样一套流程：

三个名字，三种角色

常见的疑问，先在这里回答

• Git 要联网吗？不用。本机做记录、看历史都不需要网。只有和 GitHub 传输时才要。
• GitHub 一定要用吗？不是。Git 单独就能用；GitHub 只是最流行的"Git 云盘"。类似的还有 GitLab、Gitee。
• 我上传的东西是啥？是你项目文件夹 + 每一次提交的完整历史。不是压缩包，是可查询的历史全集。
• 为什么叫 push？因为是"推"——把本地的东西推到远端。反过来把远端拉回本地叫 pull。
• 别人看得到吗？仓库是 Public 就任何人可看；Private 就只有你和你邀请的人可看。你的是 Public。

Git 是一部时间机器，也是一份分身术——它记住你每一次修改，让你可以随时回到过去；也让你同时活在多条时间线里，做完实验再决定要不要保留。

一句话理解

Git 是一个分布式版本控制系统：它把你的整个项目历史存在一个 .git 文件夹里，让你可以查看、比较、回退任何一次改动。它由 Linux 之父 Linus Torvalds 于 2005 年为管理 Linux 内核而写。

为什么要学 Git

Git 的三条"底层信条"

不是要背，是要理解——理解了这三条，很多命令就顺理成章：

• ① 快照式Git 不是记"这次改了哪几行"，而是每次都拍一张完整的文件夹快照。这样任何时刻都能立刻切到任何一版。
• ② 分布式每台电脑上都有完整历史——GitHub 挂了、别人硬盘坏了，你这里都还在。没有"中央服务器"这个单点。
• ③ 只增不减Git 几乎不会真删东西。删掉的东西通常还在硬盘里 30 天，用 git reflog 大概率能捞回。

很多人第一次听到 Git 和 GitHub，会以为它们是同一样东西。其实完全不是。它们的关系类似"Word 之于 OneDrive"、"微信之于腾讯"——一个是工具，一个是承载工具产物的平台。

先看一张对照表

一句话说清关系

为什么大家都用 GitHub

三个容易搞混的名字

• Git你电脑上的软件。你今天 winget install 装的就是它。
• GitHub一个具体的网站：github.com。你今天注册的账号 WANG-star-alt 就在这。
• Git 仓库 / GitHub 仓库同一个东西的两个位置——"本地仓库"在你电脑里、"远程仓库"在 GitHub 上。用 push/pull 同步。

你今天做的事，用这两个概念重述一次

入门 Git 最重要的一步：建立"三个区"的心智模型。所有 Git 命令都是在这三个区之间搬运东西。

三个区 · The Three Trees

• 工作区Working Directory —— 你当前看得见、能编辑的文件夹
• 暂存区Staging Area / Index —— 一个"待打包"的清单，决定这次提交带走哪些改动
• 仓库Repository —— .git 文件夹，保存所有历史版本

三条常用命令的定位

你已经用 Git 部署过 xuehai-wuya，我们复盘一下每一步的意义。

四步建立一个 Git 项目

完整命令示例

日常 95% 的 Git 使用，就是这十条命令的组合。背下它们，你就能自如工作。

典型的一天

分支（Branch）是 Git 最重要的特性：它让你可以在不影响主线的前提下尝试任何改动。做完满意就合并，不满意就抛弃。

分支是什么

分支不是"复制一份代码"，而是一个指向某次提交的可移动指针。默认分支叫 main（旧版叫 master）。

分支常用命令

• git branch列出所有本地分支，当前所在分支前面有 *
• git branch feat-login新建一个叫 feat-login 的分支
• git switch feat-login切换到该分支（新版命令）
• git switch -c feat-login一步到位：新建 + 切换
• git branch -d feat-login删除该分支（已合并的）
• git branch -D feat-login强制删除（未合并也删）

分支的典型工作流

merge 与 rebase

冲突长什么样

当两条分支改了同一个文件的同一处，Git 无法自动判断该用谁的，就会产生冲突。文件里会出现这样的标记：

三步解冲突

本地仓库和远程仓库（GitHub 上那份）通过"远程地址"关联。默认远程别名叫 origin。

常用远程命令

HTTPS vs SSH

• HTTPS形如 https://github.com/xxx/yyy.git，每次推送要密码/Token
• SSH形如 git@github.com:xxx/yyy.git，配好密钥后一劳永逸

Git 最迷人的地方，是几乎所有操作都可撤销。你以为删没了？只要提交过一次，就能捞回来。

不同场景对应不同"撤销"

Pull Request（PR）· 请求合并

在 GitHub 上，你不能直接把改动推到别人的仓库。标准动作是：

三种主流团队工作流

十个高频问答

• Q · 忘了 -m 写说明？默认会弹出编辑器（vim/nano），按 i 编辑，写完 Esc → :wq 保存退出
• Q · 想少打 git status？配置别名：git config --global alias.s status，之后 git s 即可
• Q · 提交历史像坨面条？git log --oneline --graph --all，一览无余
• Q · 改动只想推一部分？git add -p 逐块选择要加什么
• Q · 临时切走但不想 commit？git stash 暂存，回来后 git stash pop 还原
• Q · 想看某文件的历史？git log -p 文件名
• Q · 谁写的这一行代码？git blame 文件
• Q · 想同步别人最新更新？git pull --rebase，比默认 pull 历史更整洁
• Q · 上传了敏感信息怎么办？立即改密码 + 用 git filter-repo 清历史 + 强推。血泪教训是永远不要直接推 .env
• Q · GUI 工具推荐？VS Code 自带 Source Control 面板；进阶用 GitKraken、SourceTree、Fork

三条私藏技巧

孩子，坐下。你已经每天都在用 AI 了——只是没意识到。这一章我不讲公式，先带你看看 AI 已经悄悄住进了你生活的哪些角落，再一步步告诉你：这一切背后到底是怎么运转的。

本篇要回答的十件事

• Q1AI 到底是不是"活的"？它有意识吗？
• Q2机器学习、深度学习、AI，是同一样东西吗？
• Q3大模型（LLM）为什么这么厉害，它是怎么"想问题"的？
• Q4Transformer 是什么？ChatGPT 里的 "T" 指的就是它吗？
• Q5为什么 AI 会一本正经地胡说八道（幻觉）？
• Q6怎么"问"AI，才能得到你想要的答案？
• Q7AI Agent、RAG、微调、蒸馏……这些词到底啥意思？
• Q8图片、视频、语音，AI 是怎么"生成"出来的？
• Q9AI 会取代我的工作吗？我该怎么办？
• Q10怎么判断哪些是 AI 的真本事，哪些是营销吹嘘？

AI（Artificial Intelligence，人工智能）不是一个单一的东西，而是"让机器做那些原本需要人类智能才能做的事"的一整套技术与思路。它不神秘——本质上，它是一门"教机器识别规律"的学问。

一句话理解

如果一台机器能识别（认出这是猫）、能预测（明天大概率下雨）、能决策（这条路更快）、能生成（写一首诗、画一幅画）——它就在做 AI 的事。

AI 的四种典型能力

"弱 AI"与"强 AI"

你要分清两个层次，媒体经常混着讲：

AI 不会做的事（先记住这一点）

• 没有意识它不"知道"自己是 AI，也不"想"任何事。
• 没有真实理解它擅长模仿"像人的回答"，但不像人那样体验世界。
• 没有长时记忆你今天和它说的话，明天它默认不记得（除非产品给它加了记忆功能）。
• 不会自我反思它可以"看起来在反思"，那是训练数据里学到的反思腔调，不是真的在反思。

一句话理清三者关系

它们不是并列的三样东西，而是大圈套小圈：深度学习 ⊂ 机器学习 ⊂ 人工智能。

为什么现在大家都在说"深度学习"

• 数据够多了互联网 30 年积累了海量文字、图像、视频，训练素材空前充足。
• 算力够便宜了GPU（显卡）让原本要几年才能训练完的模型，几周就能出结果。
• 算法开了窍2017 年 Transformer 出现，让模型能真正"读长句子"，是这一波革命的开端。
• 效果一骑绝尘深度学习在图像、语言、语音上的表现，把传统方法远远甩开。

AI 不是一夜爆红的。它已经走过 70 年，中间经历过两次几乎被彻底放弃的"寒冬"。了解这段历史，你就能看懂——为什么这一次它真的不一样。

时间线一览

三次浪潮，三种思路

机器学习的三大流派

机器学习是怎么"学"的（四步）

三个必知术语

• 特征 · Feature用来喂给模型的"输入维度"。挑西瓜时，"响声、颜色、瓜蒂"就是三个特征。
• 标签 · Label你希望模型学到的"正确答案"。西瓜切开后的"甜/不甜"就是标签。
• 过拟合 · Overfit模型在训练集上完美、遇到新数据就傻。就像有人只会做他做过的题。

神经网络（Neural Network）是"深度学习"的骨架。名字听起来像生物学，其实它就是一堆连在一起的数学函数——只是这种连法，恰好模仿了大脑神经元传递信号的方式。

一个"神经元"到底在做什么

把神经元想象成一个会打分的小盒子：

• 输入上一层送过来的若干数字（比如"颜色 0.8、形状 0.2、大小 0.5"）
• 权重给每个输入乘一个"重要度"（这些权重就是模型要学的东西）
• 求和把加权后的输入全加起来
• 激活用一个非线性函数（如 ReLU、Sigmoid）决定"要不要传给下一层、传多少"
• 输出一个数字，送给下一层的所有神经元

为什么要"深"

只用一层神经元，模型只能学会最简单的规律（比如线性分类）。多加几层，网络就能逐层抽象——就像饮料流水线，越靠后的工人看到的信息越"高级"：

常见的几种网络"造型"

训练一个 AI，说到底就三件事：拿到数据、搭好模型、让它把答案越猜越对。任何一个 AI 项目，从教一个小学生模型到训练 GPT-4，都逃不出这三部曲。

第一部曲 · 数据

数据是 AI 的"食物"。有句业内名言：Garbage in, Garbage out（喂垃圾进去，只能吐垃圾出来）。数据决定了模型能力的天花板。

• 数量GPT-4 大约用了 13 万亿个 token 训练，相当于人类所有主要网页文本。
• 质量100 万条干净数据 > 1 亿条有噪音的数据。
• 多样性只喂新闻，模型不会写代码；只喂英文，模型的中文就差。
• 时效性2023 年训练的模型不知道 2024 年的事——除非之后被"更新"。

第二部曲 · 模型

模型是一个"带参数的函数"。你可以粗暴理解为：y = f(x; 参数)——输入 x（问题），经过一大堆参数运算，输出 y（答案）。

"多大的模型"，通常说的就是参数量：

第三部曲 · 损失与梯度下降

"损失（Loss）"就是模型预测得离答案有多远。训练的过程就是不断调整参数，让损失变小。用的方法叫"梯度下降"，你可以想象成：

大模型训练的三阶段（分开记）

2017 年，Google 一篇叫《Attention Is All You Need》的论文，扔出一个叫 Transformer 的新结构。没有这块砖，就没有今天的 ChatGPT。ChatGPT 里的那个 "T"，指的正是它。

为什么 Transformer 这么关键

在 Transformer 之前，AI 处理语言用的是 RNN/LSTM 这一类模型——它们像阅读一列排队入场的人，只能一个一个地读，前面的人走远了就容易忘。句子一长就抓不住重点。

Transformer 改成了另一种方式：把整句话摊在桌面上，每个词都能同时看到其他所有词。这让它有两个巨大的优势：

Attention · 用大白话拆一遍

对每个词，模型都做三件事：

• Query（我是谁）生成一个"我要找什么"的向量。
• Key（我这里有什么）句子里每个词都有一个"我是什么"的向量。
• Value（我能给什么）每个词的"内容"本身，等着被取用。

模型用 Query 跟所有 Key 对一遍分（谁跟我最相关），然后按分数把 Value 加权汇总——这就是"这一个词此刻理解到的意思"。整句话都这么处理一遍，就是一层 Attention。

再叠一叠 · 多头 + 多层

• 多头 · Multi-head一个词可以同时从不同角度关注句子（"语法角度""语义角度""指代角度"），多头就是多个平行的 Attention。
• 多层 · Stack把这样的 Attention 层叠 12 层、96 层、甚至几百层，就得到了大模型的"深度"。

Transformer 家族树

你在 DeepSeek 里问一个问题，它秒回一段流利的中文——你会以为它"懂"你。其实它没有懂，它只是在一个字一个字地猜"下一个词最像什么"，猜得极其快、极其准而已。这一章就把这个"猜"讲透。

核心秘密 · 一个词一个词地接龙

大语言模型（LLM）的本质任务只有一个：给出前面已经有的文字，预测下一个 token 最可能是什么。

Token 是模型眼里的"字"，通常一个 token ≈ 半个到一个汉字，或 3-4 个英文字母。整句话就是几十上百个 token 排队。

那它"懂"吗？争论的两派

目前主流看法：比"随机鹦鹉"多一点，比"真的理解"少一点。它在语言层面有强大的"操作能力"，但缺乏对物理世界、时间流逝、因果关系的真实感受。

影响回答质量的几个"旋钮"

• Temperature · 温度决定它"多敢乱猜"。0 时永远选概率最高的词（很死板）；1 时按概率分布随机采样（更有创意）。
• Top-p / Top-k只从概率前几名里挑，防止它跑偏。
• Context Window · 上下文窗口它一次能"看到"多少 token。今天主流是 128K–1M。太长会忘掉前面。
• System Prompt · 系统指令对话最开始的一段"你要扮演谁"的提示，决定了它整段对话的语气。

常听到的几种 LLM 术语，一次讲清

"多模态"意思是：AI 不再只处理文字，还能看图、听声、看视频、甚至生成它们。这是过去两年 AI 圈最热闹的方向——你熟悉的 Sora、Midjourney、GPT-4o 都属于这一类。

核心思路 · 都变成"向量"

不管是图像、声音还是文字，AI 处理它们的第一步都一样：翻译成一串数字（向量）。这一步叫"嵌入（Embedding）"。

• 文字 → 向量"猫" 变成 [0.12, -0.55, 0.83, ...]
• 图像 → 向量一张猫的图片，也变成同样维度的一串数字
• 语音 → 向量一段"喵喵叫"的音频，也变成一串数字

神奇的是，如果训练得好，这三串数字在"向量空间"里会靠得很近——因为它们都指向同一个概念"猫"。这就是多模态的地基。

主流的四类"生成 AI"

扩散模型 · 图像 AI 是怎么"画"的

直觉上你以为 AI 是"画"图，其实它是"从一堆雪花中反向擦出图像"：

视频生成为什么这么难

• 帧一致性每一帧都要合理，前后帧还要连贯。人物脸不能上一秒是长发下一秒短发。
• 物理常识杯子倒下水要洒出来。AI 常在这里翻车。
• 算力吃紧1 秒视频 = 24 帧图。生成 10 秒视频，就是 240 张相互约束的图。
• 时长限制目前主流上限 10–60 秒。生成一部电影仍然遥远。

"同样一个 AI，为什么别人用起来神通广大，我用起来废话连篇？"——差距往往不在模型，而在提问。这一章教你怎么问。

一个好提示词的五要素

三个立刻能用的写法模板

十条私藏心法

• 01 明确受众"讲给一个 8 岁小孩听"和"讲给博士生听"，答案天差地别。
• 02 给它角色"你是……"能激活模型对应的知识分布。
• 03 用示例代替解释给两个例子比写五百字要求管用。
• 04 一次一件事别把"总结 + 翻译 + 找错 + 出题"堆在一个提示里。
• 05 让它先复述"先复述我的要求，再开始答题"——能减少偏题。
• 06 给它打分标准"好答案的标准是：A + B + C"，它就会照这个标准写。
• 07 让它慢慢想"一步步思考"、"先列大纲再写正文"。
• 08 输出结构化让它输出 JSON、表格、Markdown，方便你处理。
• 09 允许它说不知道"如果不确定就说不知道"——降低幻觉。
• 10 迭代式对话第一次答不好没关系，指出问题让它再改一版。

常见反面教材

2024 年之后，AI 圈最火的词从"大模型"变成了"Agent（智能体）"。它不再只是回答你一句"这个怎么做"，而是自己动手把这件事做完——查资料、写文档、订机票、跑代码、装软件……

一个 Agent 的四个零件

它是怎么"自己干活"的（ReAct 模式）

今天大多数 Agent 用一种叫 ReAct（Reason + Act）的思路，反复三步：

典型的 Agent 产品长什么样

三个新兴关键词

• RAG · 检索增强生成先"查资料"，再回答。让 AI 用你自己的文档、公司知识库、最新新闻回答——大幅降低幻觉。
• MCP · 模型上下文协议让不同 AI 应用能调用同一批工具的"通用接口标准"，2024 年由 Anthropic 提出，正在快速普及。
• Multi-Agent · 多智能体协作让多个 Agent 分工——一个当"经理"、一个当"程序员"、一个当"审校"，像一个小公司。

OpenAI、Anthropic、DeepSeek、英伟达、Hugging Face……你在新闻里天天看到这些名字，但它们到底做什么？这一章帮你在心里画一张 AI 世界的地图。

产业分层 · 从底到顶

大模型花名册（截至 2026）

图像 / 视频 / 语音方向的玩家

你需要认识的开发者工具

• Hugging FaceAI 界的 GitHub，找模型和数据集就上这里。
• Ollama一行命令在本机跑 Llama、Qwen、DeepSeek，隐私和折腾兼得。
• LangChain / LlamaIndex给开发者搭 Agent、RAG 应用用的框架。
• Cursor / TRAE / ClineAI 原生编辑器，写代码效率飞跃。
• Perplexity带引用的 AI 搜索——写论文查资料的新入口。

学 AI，光看它的"厉害"是不够的。你必须知道它在哪些地方会翻车——这决定了你什么时候能信它、什么时候必须自己再看一眼。

局限一 · 幻觉（Hallucination）

AI 会一本正经地胡说八道：编造参考文献、伪造名人名言、把两个人的经历拼在一起。这不是它故意的——它是"预测下一个词"的机制决定的：只要那个词看起来合理，它就说出来，哪怕事实上根本不存在。

怎么降低幻觉？

• 让它有依据给它资料让它"引用"（这就是 RAG）。
• 允许它说不知道"如果不确定就说'我不确定'"。
• 让它多想使用推理模型（o1、R1），或加"一步步想"提示。
• 追问来源"你的这个数据来自哪里？给我原文链接。"

局限二 · 偏见（Bias）

AI 从互联网学习，互联网上有什么，它就学什么——包括各种性别、种族、地域的偏见。它对某些群体的回答可能不知不觉地带有刻板印象。

常见表现：护士默认是女性、CEO 默认是男性；某些国家名字关联负面语义；生成图像时特定职业总是特定人种。

局限三 · 时效性

模型训练数据有截止日期。如果你问它今年发生的事、最新的新闻、最新版软件的用法——它可能一无所知，或者用旧信息瞎编。带"联网搜索"的模型好一些，但也不是每次都触发。

局限四 · 它不擅长的活

局限五 · 隐私、版权与安全

• 隐私你输入的东西可能被用来训练模型。敏感信息（身份证、银行卡、公司机密）绝对不要粘到公共 AI 里。
• 版权AI 生成的内容归谁？训练用的原始数据版权怎么算？法律仍在追赶技术。
• 深度伪造换脸、AI 换声电话诈骗、AI 合成的假新闻——2024 年起已是社会问题。
• Prompt 注入恶意用户可以骗过 Agent 让它做不该做的事。企业部署 AI 时必须防这个。

最后一章，我想以老师的身份和你说几句心里话。AI 会怎么改变你的学习、工作和生活？与其焦虑"我会不会被替代"，不如学会"和它一起把事做好"。

三个必须先想清楚的问题

与 AI 相处的四种姿势

把 AI 变成"你的私人老师"（学习场景）

• 当讲师"用我能听懂的话讲一遍 XX 概念，配一个生活例子"
• 当出题"围绕这个知识点出 5 道选择题，一道综合题，附答案解析"
• 当陪练"你扮演面试官/客户/口语搭子，跟我角色扮演 5 轮"
• 当纠错"这是我的作文/代码/论证，请找出问题并给出改进建议"
• 当翻译"帮我把这段英文论文翻成中文，专业术语保留原文并加注解"

把 AI 变成"你的助手"（工作场景）

• 写作先自己写 30% 思路，让 AI 扩写；再自己改；再让它润色。三轮下来又快又稳。
• 阅读把长报告丢给它总结要点、抽出数据、生成脑图。
• 编程用 Cursor / TRAE 这类 AI 编辑器，写代码效率能提升 2–3 倍。
• 研究Perplexity 找资料、Claude 分析、Gemini 处理长文档——组合拳最猛。
• 重复劳动批量改标题、批量分类邮件、批量整理表格——一个提示词能替你干半天。

三条我希望你记住的话