01. 认知破冰：AI 到底是什么？
撕掉炒作看清本质。AI 这个词其实指向两个完全不同的东西：ANI（人工窄智能）与 AGI（通用人工智能）。混淆它们是 90% 误解的根源。
ANI（人工窄智能）
只会做一件事，例如智能音箱、自动驾驶、AI 搜索。现状：进展飞速，已大量落地。
AGI（通用人工智能）
能做人类能做的任何事，像人一样思考。现状：几乎没有实质进展。时间表：几十年～几百年。
02. 概念体系：一键理清 AI 家族谱系
四层嵌套概念：AI → ML → DL → LLM，搞懂底层关系，告别概念混乱。
人工智能 (AI)
让计算机做出智能行为的所有工具的集合。包含从早期规则引擎到现在的神经网络所有技术体系。
机器学习 (ML)
用数据训练模型，让机器自动学习规则，而不是通过人工明确编程。
深度学习 (DL)
利用多层神经网络处理海量非结构化信息（如图像、声音），是机器学习的一个子集。
大语言模型 (LLM)
通过海量文本数据训练的超大规模神经网络，展现出强大的自然语言理解与生成能力。当前 AI 爆发的核心引擎。
03. 底层原理：大模型在干什么？
LLM 的本质不是在思考，而是在进行“自回归”的概率计算，不断预测下一个 Token。
自回归机制 (Autoregressive)
输入前文 → 预测下一个最可能出现的词 → 加进去 → 再预测 → 循环直到结束。所有的 GPT、Claude 都是一台概率预测机器。
Token 的概念
Token 是 AI 世界的“最小计量单位”。它决定了 AI 的“上下文记忆力”上限，也决定了 API 调用的计费账单。
Temperature & Top-P 控制
两个控制 AI 性格的旋钮：调低（如 0.2）输出稳定一致，适合写代码；调高（如 0.8）输出多样随机，适合头脑风暴写故事。
04. 操作技法：如何下发任务？
Prompt 不是聊天，是下任务。LLM 是预测机器，你的 Prompt 就是给它设定轨道。
优质 Prompt 四要素
背景 (Context) + 任务 (Task) + 输出格式 (Format) + 约束 (Constraint)。你说得越清楚，AI 发挥越稳定。
三问排查框架 (Troubleshooting)
AI 不好用时问自己：1. 任务说清楚了吗 (Prompt)？ 2. 关键背景还可见吗 (Context)？ 3. 核心约束存成记忆了吗 (Memory)？
05. Agent 认知：从聊天到自主工作
Chatbot 等你问，Agent 自己干。从“对话式 AI”到“自主式工作”，理解智能体的工作范式。
三拍子循环：Think → Act → Observe
所有 Agent 都在跑这个循环。思考决定下一步，行动调用工具获取结果，观察确认是否达成目标。
六层架构体系
从底到顶：模型层(Brain) → 工具层(Hands) → 记忆层(Memory) → 框架层 → 评估层 → 安全层。前三层是入门核心。
三种 Agent 形态
工具调用型（最轻量）→ 多步工作流型（带编排与评估）→ 多 Agent 协作型（复杂系统工程）。原则：从简单开始，够用就好。
想真正掌握大模型的底层原理并运用于实战吗？
在完整的《AI 初始入门》课程中，我们将系统为你拆解 2026 年的 AI 生态全景，教你手把手落地第一个 Agent 项目。
门已经打开，要不要走进来，你自己决定。