人工智能是什么
用普通人能理解的方式认识 AI、机器学习和生成式 AI 的关系。
打开学习内容 →找到你现在要学的 AI 知识
从概念、工具到提示词、办公、自动化和编程，用一个关键词定位下一步。
试试：
收录 73 条学习内容全部栏目
生成式 AI 是什么
理解生成式 AI 为什么能写文字、画图片，以及它和搜索引擎的不同。
打开学习内容 →大语言模型是什么
看懂聊天助手背后的大语言模型，以及“会说”为什么不等于“全都懂”。
打开学习内容 →Token 是什么
理解模型处理文字的基本单位，以及它为什么影响长度、速度和费用。
打开学习内容 →提示词与上下文是什么
学会区分你发出的指令和模型回答时可参考的全部信息。
打开学习内容 →AI 擅长和不擅长什么
先判断任务是否适合交给 AI，再决定哪些环节必须由人把关。
打开学习内容 →为什么 AI 会产生幻觉
理解看起来很自信的错误是怎样出现的，以及如何降低风险。
打开学习内容 →哪些信息不能提交给 AI
在复制粘贴之前识别密码、个人隐私、商业机密和受保护资料。
打开学习内容 →如何核查 AI 答案
用一套任何人都能执行的流程检查来源、日期、数字和结论。
打开学习内容 →零基础学习 AI 的正确顺序
从理解概念到完成真实任务，建立不依赖追热点的学习顺序。
打开学习内容 →零基础如何选择第一个 AI 工具
不比较营销参数，从任务、账号环境、资料类型和隐私要求出发做选择。
打开学习内容 →ChatGPT 入门：完成第一次有效对话
从打开正确官网到完成一次有输入、有修改、有核查的对话。
打开学习内容 →Claude 入门：用长材料完成一次整理
认识普通聊天、文件上传和 Projects，完成一次基于材料的结构化整理。
打开学习内容 →Gemini 入门：完成第一次对话和文件分析
从 Google 账号环境出发，完成一次对话、文件分析和来源核查。
打开学习内容 →ChatGPT、Claude、Gemini 怎么选
用同一套任务评价三款工具，避免被排行榜和功能清单带偏。
打开学习内容 →提示词四格结构：任务、背景、限制、输出
用一个固定框架，把模糊请求改成可以执行、可以检查的任务说明。
打开学习内容 →如何给 AI 提供足够且相关的上下文
知道该提供哪些信息、哪些应删掉，以及长对话什么时候应该重新开始。
打开学习内容 →用示例和输出格式让结果更稳定
当“说清楚”仍不够时，用一两个示例展示你真正想要的答案。
打开学习内容 →如何通过追问和反馈迭代提示词
把“不满意”转换成具体、可执行的反馈，而不是不断要求“再好一点”。
打开学习内容 →长文与文件提示词：先提取，再总结
避免上传文件后只说“总结一下”，用分阶段方法减少遗漏和事实混淆。
打开学习内容 →事实核查提示词：把答案拆成可验证断言
让 AI 帮你生成核查清单，但不把 AI 的自我确认当作独立证据。
打开学习内容 →提示词常见错误：为什么写得很长仍然没用
用一张排错表识别目标不清、信息冲突、缺少材料和无法验收等问题。
打开学习内容 →用 AI 写周报：从工作记录到可核对的成果
把零散工作记录整理为成果、进展、问题和下周计划，不让 AI 补写不存在的工作。
打开学习内容 →用 AI 写工作邮件：清楚表达目的与下一步
用目的、收件人、背景和行动要求生成邮件初稿，并在发送前核对事实与语气。
打开学习内容 →用 AI 整理会议纪要：区分决定、待办与讨论
把会议记录变成可追踪的决定和行动项，同时保留不确定信息，不让 AI 猜负责人。
打开学习内容 →用 AI 做 PPT：先定叙事，再生成页面
从目标、受众和证据出发制作大纲，再逐页生成内容，避免得到好看但空洞的演示稿。
打开学习内容 →第一步：找到值得自动化的重复任务
用频率、规则、风险和节省时间四项判断，选择第一个低风险自动化任务。
打开学习内容 →第二步：看懂触发器、动作与数据映射
掌握无代码自动化的基本语法，并画出数据从哪里来、到哪里去。
打开学习内容 →第三步：把 AI 变成可检查的处理步骤
让 AI 负责摘要、分类或草稿，并用固定字段和失败规则限制输出。
打开学习内容 →第四步：用表格建立待审核队列
把输入、AI 结果、状态和审核意见写入表格，形成透明、可追踪的工作台。
打开学习内容 →第五步：加入人工审核、监控与回滚
在真正发送、发布或更新前暂停流程，并用日志、告警和回滚保证可控。
打开学习内容 →第一步：看懂 HTML、CSS 和 JavaScript
用一张网页理解结构、样式和交互，不背语法也能知道 AI 改动了什么。
打开学习内容 →第二步：让 AI 生成第一个完整网页
用目标、内容、版块、风格和限制写提示词，得到可以直接打开的单文件网页。
打开学习内容 →第三步：预览网页并做小步修改
建立“备份—修改一处—刷新—检查”的节奏，避免一句提示词破坏整个页面。
打开学习内容 →第四步：学会排查 AI 代码错误
用错误现象、复现步骤和控制台信息定位问题，而不是反复要求 AI“再修一下”。
打开学习内容 →第五步：安全发布第一个网页
发布前检查内容、链接和隐私，再用静态托管上线并保留可回退版本。
打开学习内容 →第 1 天：认识 AI：先建立正确概念
分清 AI、大模型与聊天助手，知道它们能做什么、不能做什么。
打开学习内容 →第 2 天：开始使用你的第一个 AI 助手
完成首次对话，并学会在多轮交流中逐步得到可用结果。
打开学习内容 →第 3 天：提示词基础：把需求说清楚
掌握目标、背景、要求、输出四个组成部分。
打开学习内容 →第 4 天：处理文字：总结、改写与翻译
把一份原始材料加工成可靠、易读、适合目标读者的内容。
打开学习内容 →第 5 天：AI 办公实战：邮件、周报与方案
把 AI 嵌入真实工作流程，而不只是生成一段看起来不错的文字。
打开学习内容 →第 6 天：核实 AI 回答：识别错误与幻觉
建立一套简单的核查流程，不被流畅、自信的回答误导。
打开学习内容 →第 7 天：完成第一个 AI 工作流
把前六天的方法组合成一个可重复、可检查的小流程。
打开学习内容 →人工智能（AI）
让计算机完成通常需要人类判断、理解或创作的任务的一组技术。
打开学习内容 →生成式 AI（Generative AI）
根据已有数据中的规律，生成文字、图片、音频或代码的 AI。
打开学习内容 →大语言模型（LLM）
通过大量文字训练、能够理解和生成自然语言的模型。
打开学习内容 →模型（Model）
从训练数据中学习规律后，用来处理新输入的计算系统。
打开学习内容 →训练数据（Training Data）
模型学习语言、图像或其他规律时使用的数据集合。
打开学习内容 →上下文（Context）
AI 回答当前问题时能看到的背景、对话和资料。
打开学习内容 →提示词（Prompt）
你给 AI 的任务说明、背景信息和输出要求。
打开学习内容 →角色设定（Role Prompting）
说明 AI 应采用什么专业视角处理任务。
打开学习内容 →少样本提示（Few-shot Prompting）
先给一两个合格示例，再让 AI 按同样规律完成任务。
打开学习内容 →迭代（Iteration）
根据初稿逐轮指出问题并修改，而不是期待一次得到完美结果。
打开学习内容 →多模态（Multimodal）
同一个 AI 能处理文字、图片、语音等多种信息形式。
打开学习内容 →推理（Reasoning）
模型把复杂问题拆解、比较条件并形成答案的过程。
打开学习内容 →上下文窗口（Context Window）
一次对话中模型能够参考的信息总量上限。
打开学习内容 →知识截止日期（Knowledge Cutoff）
模型训练知识覆盖到的大致时间，不代表它知道之后发生的事情。
打开学习内容 →联网搜索（Web Browsing）
AI 主动访问网页以获取较新信息并引用来源的能力。
打开学习内容 →智能体（Agent）
能够围绕目标规划步骤、调用工具并检查结果的 AI 系统。
打开学习内容 →工作流（Workflow）
把多个固定步骤串成可重复执行的完整过程。
打开学习内容 →幻觉（Hallucination）
AI 生成看似合理、实际错误或没有依据的信息。
打开学习内容 →事实核查（Fact-checking）
使用可靠原始来源验证 AI 输出中的关键事实。
打开学习内容 →偏见（Bias）
数据或设计中的倾向导致结果对某些群体不公平或不准确。
打开学习内容 →隐私信息（Personal Data）
能够识别个人或涉及个人敏感情况的数据。
打开学习内容 →版权（Copyright）
创作者依法拥有作品复制、传播和改编等权利。
打开学习内容 →人工复核（Human Review）
由人检查 AI 结果的事实、风险、语气和最终责任。
打开学习内容 →可信来源（Primary Source）
最接近事实产生位置的原始材料或权威发布方。
打开学习内容 →AI 练习模板库
复制提示词、核查清单和工作流卡片，直接开始练习。
打开学习内容 →14 天 AI 实战计划
把一个真实任务练成可复用、可核查的 AI 工作流。
打开学习内容 →学习进度
查看 7 天路线和六大栏目的完成情况。
打开学习内容 →学习成果档案
记录六大栏目的作品链接和实践笔记。
打开学习内容 →AI 学习结业报告
汇总课程、测验、栏目、成果和实战记录。
打开学习内容 →本地学习数据管理中心
集中导出、恢复和按类型清除当前设备中的学习记录。
打开学习内容 →