AI 应用开发手册 · 前言与导读

面向 Web 开发者的 AI 应用学习手册。 核心目标:用好 AI + 用 AI 建应用,不涉及底层炼丹。 共 23 课(核心篇6 + 进阶篇17)。

作者:曹宇春

---

📌 导读(全景总结)

一切的地基:三句话

23 课全长在这三个根上,所有"为什么"都能追到这里。

① 大模型 = 猜下一个词的机器(智能是"为了猜准"涌现的副产品)
② 万物皆可 token 化(文字/图/声音都变向量,喂同一个模型)
③ Context 就是一切(模型只看得见你给的,给什么决定答什么)

23 课分五层

原理层:①LLM本质 ②训练养成 ⑦推理模型 ⑭Diffusion ⑨局限天花板
能力层:③RAG ④Agent ⑧多模态 ㉑记忆 ㉓多智能体
工程层:⑩提示工程 ⑫上下文工程 ⑥架构 ⑯设计模式 ⑪Eval ⑰选型成本
落地层:⑤微调 ⑮本地部署 ⑱写MCP ⑲产品设计 ⑳Embedding深入
边界层:⑨局限 ⑬安全对齐 ㉒评测榜单

🔗 知识是网,不是点(关键连线)

"给模型对的输入":  Context是一切① → RAG③ → 提示工程⑩ → 上下文工程⑫
"治幻觉":         会幻觉①⑨ → RAG给资料③ → 给出处⑲ → Eval查忠实度⑪
"让AI动手":       Agent循环④ → 设计模式⑯ → 记忆㉑ → 多智能体㉓(都要安全⑬)
"数据不出内网":    本地模型⑮ + 本地Embedding⑳ + pgvector = 内网RAG闭环
"定制AI":         知识→RAG③ · 临时→Prompt⑩ · 行为→微调⑤

💎 五条核心心法(只记这5句)

1. 能用简单方案就别上复杂的(能Prompt别RAG,能RAG别微调,能单Agent别多Agent)
2. 知识用 RAG,行为用微调(别拿微调做知识问答)
3. AI 是副驾不是自动驾驶(高风险人在环内、给出处、可撤销)
4. 数据敏感就整条链路本地化(Ollama + 本地Embedding + pgvector)
5. 在你自己的任务上测(榜单/别人经验都不如你的评估集)

🧭 三个决策口诀

定制AI:  知识→RAG · 临时→Prompt · 固定行为→微调
选架构:  简单需求简单办 · 渐进演进 · 敏感换本地
选模型:  能力匹配任务难度 · 默认中端档 · 难题才升级

下一步

理论已满格,唯一空档是"动手"。建议:拿网校搭一个 RAG 智能答疑,一次跑通 RAG+提示工程+Embedding+Eval+本地部署。

---

🧠 总心法(一句话看懂 AI)

大模型是个"看着上下文猜下一个词"的机器:不懂事实(会幻觉)、没记忆(只看当次输入)、是冻结的(用时不学习)。 想让它靠谱又懂你 → 给它对的上下文(Context/RAG);想让它干活 → 给它工具(Agent)。

---