羽萱家的AI课
01

今天我们来聊一聊 AI

AI 课程封面插图
AI 是什么的缩写？
02
AI 这两个字母，分别代表什么？
Artificial
人工制造的，不是天然长出来的
Intelligence
智能：理解、判断、解决问题的能力
Artificial Intelligence 合起来就是：
人造出来的、能表现出某些智能行为的系统。
AI 的反义词？
03

那 AI 的反义词是什么？

不是 BI，也不是 CI……
正确答案是：
Natural Stupidity 😄
Natural = 天然的、自然的
Stupidity = 愚蠢、犯傻
用来说明 natural 与 artificial 对比的图片
这只是一个笑话
先把三个词分清
04

AI ≠ 神经网络 ≠ 大语言模型

AI
Artificial Intelligence
大范围总称：
让机器做出“看起来聪明”的事。
神经网络
Neural Network
一种学习方法：
很多连接一起，反复调整。
大语言模型
Large Language Model
一类特别擅长处理文字语言的模型。
AI 是最大的圈；神经网络是其中一种方法；大语言模型是其中一类擅长语言的模型。
它们之间到底是什么关系？
05
AI人工智能
神经网络Neural Network
大语言模型LLM
和神经网络并列的方法
决策树、线性回归、支持向量机、规则系统
和大语言模型并列的模型类型
图像模型、语音模型、视频模型、多模态模型
AI 是最大的范围；神经网络是其中一种常见方法；大语言模型是其中一类特别擅长语言的模型。
AI 是怎么学会的？
06
如果要教电脑认出狗，要给它看几个例子？
第一步
看很多例子
第二步
先猜一个答案
第三步
看自己错了多少
第四步
一点点调整，再继续练
不同样子的狗 1
狗
不同样子的狗 2
狗
不同样子的狗 3
狗
一只猫，用来混入做对比
狗
这不是狗
猫
神经网络怎么理解？
07

像很多很多“小判断器”连在一起

前面
先看简单特征
颜色、边缘、形状
中间
把简单特征组合起来
后面
做出更复杂的判断
它不是人的大脑，但借用了“很多连接、不断调整”的灵感。
大语言模型在做什么？
08
“今天天气很____” 你会填什么？
核心感觉
它看前面的内容，预测后面最可能出现什么。
所以它很会聊天、写作、总结、翻译。
但它不等于真的像人一样理解一切。
它更像一个见过超多语言例子的“预测高手”。
先认识：Token（词元）
09

刚才那句“今天天气很____”
AI 也是按 Token（词元） 来看的

可以怎么理解？
你可以把 Token 想成一小块一小块的信息。
AI 不是一眼看整句话，而是把内容切成很多小块来处理。
用这句话举例
“今天 / 天气 / 很 / ____”
在我们眼里像几个词，
但在 AI 那里，会被拆成它自己的若干个 Token。
Token 不是“单词数”或“字数”，而是 AI 自己处理语言时使用的一种小单位。
Token 还和什么有关？
10

输入、输出、计量和计费
通常都和 Token 有关

和单词、汉字的关系
一个 Token 有时像一个词，有时像一个汉字，也有时只是半个词。
所以 Token 和单词、汉字 没有一一对应关系。
输入和输出都按 Token 算
你发给 AI 的内容，是输入 Token；AI 回给你的内容，是输出 Token。很多模型的用量和计费，也都是按 Token 来算的。
再认识：Temperature（温度）
11

Temperature 会影响
AI 选下一个词时的随机性

温度低
更稳、更保守，更像标准答案。
比如“今天天气很____”，更可能接“好”“热”“冷”。
温度高
更发散、更有创意，但也更容易跑偏。
同一句话，可能会接出更特别、更新奇的词。
Temperature 不会让 AI 变聪明或变笨，它主要影响“回答有多大胆、多随机”。
为什么这几年 AI 突然变强了？
12
更多数据
更强算力
更好的模型结构
其中一个关键词：Transformer
它让 AI 更会看上下文、抓重点、找关系。
这个词也会让很多人想到 《变形金刚》里的 Transformers。
擎天柱图片
大羽3D打印的擎天柱
Transformer：看上下文，找关系
13
爸爸抱不动儿子了，因为他太胖了。
这里的“他”，更可能指儿子。
爸爸抱不动儿子了，因为他太瘦了。
这里的“他”，更可能指爸爸。
同一个“他”，因为上下文和语义不同，指代对象也会变。Transformer 擅长看整句话里谁和谁更相关。
再认识：Context（上下文）
14

Context（上下文）就是
AI 当前能看到的上下文

像什么？
像你做阅读理解时，眼前翻开的那一页书。你能参考这一页，但看不到整本书的每一页。
举个例子
刚才“爸爸抱不动儿子了，因为他……”这种理解，就要看前后文，也要看整句话里的关系。
Context 越清楚、越相关，AI 的回答通常也会更好。
为什么 AI 有时会忘记前文？
15
为什么前面刚说过的话，后面它有时又顾不上了？
信息太多
对话很长、材料很多时，不是每一部分都同样容易被顾到。
注意力有限
AI 不是无限记忆，它当前能参考的上下文是有限的。
所以，提问更清楚、上下文更干净，AI 往往表现得更好。
现在常见的大模型
16
ChatGPT
Claude
Gemini
DeepSeek
通义千问
文心一言
豆包
它们都是大模型家族里的不同成员。
有的更擅长聊天，有的更擅长代码、图像或多模态任务。
除了聊天，还能让 AI 自己做事
17

Agent，通常翻译为智能体

方式 1：在网页里对话
你问一句，它答一句。
更像是在聊天、问问题、要建议。
方式 2：让 AI Agent 去做事
你给一个目标，它会自己拆解任务、安排步骤，必要时调用工具，把事情往前推进。
聊天型 AI 更像“回答问题”；Agent 更像“朝着目标自己行动的智能体”。
Agent 可以怎样工作？
18
比如你说：
“帮我准备一次春游。”
它会想：要看天气、列清单、安排时间、提醒注意事项。
这时它就不只是回答，而是在完成任务。
🦞
一个常见的 AI Agent 例子：OpenClaw（昵称：龙虾）
它不只是聊天，还能调用工具、组织步骤、帮你把事情做完。
这份演示文档，就是使用龙虾生成并不断修改出来的。
Agent / Skill / MCP
19
“做一份宫保鸡丁。” 到底是谁在做决定、谁在提供方法、谁在提供工具？
👨‍🍳
Agent = 大厨
  • 理解目标
  • 拆解步骤
  • 安排顺序
  • 把菜做出来
📖
Skill = 菜谱
  • 提前准备好的经验
  • 告诉它怎么做更稳
  • 不用每次从零摸索
🍳
MCP = 厨房工具
  • 微波炉、切菜机、锅
  • 需要时直接调用
  • 提供真正的操作能力
Agent 负责做决定，Skill 负责教方法，MCP 负责提供工具。
AI 很强，但不是全知全能
20
它会犯错
可能答错，也可能一本正经地胡说。
所以人要判断
AI 可以帮你想，但不能代替你负责。
把 AI 当聪明助手，不要当永远正确的老师。
AI 与未来
21

它可能带来一次新的工业革命

短期冲击
一些岗位会减少，一些行业会被重构，短期内也可能出现经济波动和适应期。
长期机会
新工具、新职业、新产业会出现，很多人也会拥有前所未有的创造力和效率。
未来更重要的能力
提问、判断、创造、合作、责任感，以及学会和 AI 一起工作。
与其害怕变化，不如学会在变化中成长。
最后记住三句话
22

AI 是工具，不是魔法

它能帮你学习、创作、查资料、做任务。
它也会犯错，所以要核实、要判断。
真正重要的，还是人的好奇心、责任感和创造力。