记录我在 AI 领域的学习与探索
本站是一个个人技术学习博客，用于整理机器学习、深度学习、大模型等方向的学习笔记与实践心得。内容均为个人学习记录，不涉及任何商业行为。
在线工具
学习记录 · AI 创作软件
最近尝试了几款 AI 创作软件，记录一点体会。用 AI 辅助写作时，先让它生成大纲再逐段扩写，比直接要全文更可控；生成代码时，把需求拆成函数级别的小任务，准确率明显提升。图像生成方面，提示词里加入风格、构图、光影三个维度，出图效果更稳定。我也开始用 AI 整理会议纪要和学习笔记，效率提升明显。但关键结论仍会人工复核，避免被看似合理的错误带偏。
AI 学习路线
1
基础认知阶段
熟悉主流大模型的使用方式，理解提示词的基本结构，能完成日常文案、总结、代码辅助等任务。
2
提示工程深入
学习思维链、少样本示例、角色设定等技巧，建立自己的提示词模板库，提升输出稳定性。
3
应用开发入门
了解 RAG 检索增强、向量数据库、API 调用等概念，动手搭建简单的知识库问答原型。
4
持续跟进前沿
关注 Agent、工作流编排、模型评估等方向，保持论文阅读与技术社区交流习惯。
AI 学习常见误区
✕ 误区
把大模型当成搜索引擎，直接问"今天天气怎么样"。
✓ 正确
大模型擅长语言理解与生成，实时信息应配合联网检索或专业数据源使用。
✕ 误区
提示词写得越短越好，觉得模型"应该能猜到"。
✓ 正确
明确角色、任务、约束和输出格式，信息越完整，结果越稳定。
✕ 误区
一次提问解决所有问题，把十个需求塞进一段话。
✓ 正确
拆成原子步骤，分别对话后再整合，复杂任务质量提升明显。
✕ 误区
完全相信模型输出，直接复制到生产环境。
✓ 正确
把模型当助手而非权威，关键结论需人工复核，代码需测试验证。
AI 术语速查
Token
大模型处理文本的最小单元，也是计费单位。
Embedding
将文本转为向量表示，用于相似度计算和检索。
RAG
检索增强生成，让模型引用外部知识库回答。
CoT
思维链，引导模型展示推理步骤，提升逻辑准确率。
Temperature
控制输出随机性，值越低越确定，越高越有创造性。
System Prompt
系统级指令，设定模型的全局行为风格。
学习方向
关于本站内容
本站所有内容均为个人在学习过程中的整理与总结，主要用于自我记录与知识复盘。 网站不提供任何商业服务，不含企业、单位等非个人网站信息，也不发布任何推广或广告内容。