什么是人工智能：零基础入门指南

你大概打开过 ChatGPT，输入一句“你好”，收到一段客气的回复，然后就关掉了标签页，不知道下一步该做什么。如果是这样，你并不孤单。人工智能真正难的地方不是技术，而是没有人在把一个空白输入框推到你面前之前，先把最基本的东西讲清楚。

这是第 1 课。没有数学，没有代码，不需要任何基础。读完之后，你会知道什么是人工智能，到处都能看到的 LLM 这个缩写到底是什么意思，这些工具为什么会以一种很特别的方式出错，以及怎么写出一个真正有效的指令。大约需要 12 分钟，文末还有现成的提示词可以直接试。

什么是人工智能，一句话讲清楚

人工智能是一种从例子里学出规律的程序，而不是照着别人手写的规则执行。差别全在这里。

普通程序就是一份菜谱：“如果顾客消费超过 100 元，就打九折。”这是某个人决定并写下来的。人工智能反过来：你给它看一万张狗的照片和一万张猫的照片，从不解释什么是耳朵、什么是毛发，程序自己就找出了两者的区别。没有人写下那条规则，规则是从例子里长出来的。

所以人工智能能做好那些没法用规则描述的事（认出一张脸、听懂一句别扭的话、推荐下一首歌），却会在计算器都不会错的地方出错。记住这句话，后面几乎所有内容都由它解释：人工智能不是“知道”，而是“估计”。

黄金法则：它在预测，不是在查询

当你向 ChatGPT 提问时，它不会去数据库里找答案。它预测下一个最可能出现的词，然后是下一个，再下一个，直到答案结束。这是关于语言的统计，只是跑得非常快。

听起来让人失望，但恰恰是这一点让它有用。要把下一个词预测好，实际上必须吸收语法、上下文、论证结构和大量的世界知识。这也解释了它最出名的毛病：当人工智能没有这条信息时，它不会沉默。它会生成最合理的续写，而那有时是一个看起来很像真的编造。这被叫做“幻觉”，它不是 bug，而是同一套机制在缺少可靠数据时照常运转的结果。

LLM 是什么意思

LLM 是 Large Language Model 的缩写，中文叫大语言模型。ChatGPT、Gemini、Claude，以及几乎所有能用文字和你对话的工具，背后都是这类人工智能。

这三个词值得拆开看，因为每一个都对应一件很实际的事：

• Model（模型）：它是一个巨大的函数，输入文字，输出可能的续写。它不是人，不是索引，也不是搜索。
• Language（语言）：它是在文字上训练出来的。所以它擅长处理词句，不擅长算数，除非调用外部的计算工具。
• Large（大）：规模才是让“魔法”出现的原因。小模型只会把句子补完；变大之后，它们开始会总结、翻译和论证，而没有人专门给它们编写过这些能力。

有两个概念你迟早会遇到，值得认识。Token（词元）是文字进入模型之前被切成的小块，大小介于一个音节和一个词之间。上下文窗口是它一次能考虑的文字量：超出窗口的内容会被忘掉，这就是为什么一段特别长的对话会开始自相矛盾。

内部是怎么运作的，四个步骤

1. 训练。模型读入海量文字，反复练习同一件事：猜出被遮住的那个词。错了就调整，再重复，重复几十亿次。
2. 由人参与的调优。之后，真人会比较不同的回答并指出更好的那个。正是这一步把一个“文字补全器”变成了会按你的要求作答的助手。
3. 你的指令进来。你写的内容被切成词元，成为模型要续写的那段序列的开头。
4. 答案一个词一个词地生成。所以你会看到文字一点点冒出来：它是在那一刻被生成的，而不是从某个地方取出来的。

有个细节能省掉很多挫败感：同一件事问两次，可能得到不同的答案。这个过程里有刻意保留的随机性。如果你需要稳定，就在指令里直接说明（“每次都按这个结构回答”），而不是指望它自己做到。

最有名的人工智能有哪些

下面这份清单覆盖了 2026 年大多数人真正在用的工具。它们都有免费版，足够你入门。

写作和对话

• ChatGPT（OpenAI）：最有名的一个，也是在同一个地方功能最齐全的。新手默认选它不会错。
• Gemini（Google）：和你本来就在用的东西打通，从 Gmail 到文档，处理长文件的能力也强。
• Claude（Anthropic）：以长文本和修改润色见长，靠写字吃饭的人常常最喜欢它。

图像

• NanoBanana（Google 的图像生成）：目前在修改你自己的照片而不让脸变形这件事上最准。
• Midjourney：画面质量极高，上手门槛更高，而且没有免费方案。
• DALL·E：就住在 ChatGPT 里面，是生成第一张图最短的路。

别把精力花在挑“最好的”上。三个文本工具都能解决新手 90% 的需求，你写的提示词在三个里都能用。选一个，先学会怎么把话说清楚，之后再比较。

怎么用：好指令和坏指令的差别

下面这部分今天就能改变你的结果。坏指令又短又含糊，好指令带着四样东西。

1. 角色。“请以简历评审官的身份回答”会改变整段回答的用词和严格程度。
2. 你的背景。年龄、城市、能花多少钱、已经试过什么。没有这些，人工智能只会回答给一个并不存在的“平均人”。
3. 输出格式。“用表格回答，列出项目、期限和费用。”这是最能提升“专业感”的一个调整。
4. 限制条件。“不要推荐超过 200 元的东西”，或者“不要编数据：缺什么就问我”。

对比一下。“帮我看看我的简历”只会换回一份你早就想得到的通用清单。而同一个请求加上这四个要素，正是零经验从头写简历能交出一份成品文档、而不是几句空建议的原因。

还有一个最被低估的技巧：第二条消息。几乎没人用。第一份回答只是草稿。告诉它哪里不合用（“太正式了”“砍掉一半”“第三条不适合我”），让它只重做那一部分。质量就是在这里出来的，而且不花钱。

什么时候人工智能不是合适的工具

任何诚实的课程都不会略过这一节。

• 必须算准的数字。税费、用药剂量、装修尺寸。它会非常自信地算错。用计算器，并回到原始资料核对。
• 最新或很具体的事实。报名截止时间、今天的价格、刚改的规定。与其接受那个数字，不如问它去哪里核实。
• 需要有人负责的决定。诊断、合同、投资。人工智能帮你理解问题、把问题问对；决定仍然属于专业人士。
• 敏感信息。不要粘贴身份证号、密码、体检报告或别人的合同。把输入框当成一个公开场合。

在这个灰色地带里，有一个正确用法的例子：用大白话读懂药品说明书可以帮你看懂上面写了什么，带着更清楚的问题去看医生。它不能代替医生，提示词本身也这么说。

你的第一个练习，10 分钟

打开 ChatGPT、Gemini 或 Claude，按这个顺序做。下面每个提示词都已经写好，你只要复制粘贴，再把方括号里的内容换成自己的情况。

1. 先从任何一个卡住你的话题开始，用像对12岁孩子一样讲给我听。这是最好的第一次接触，因为你会立刻感受到一个清晰的角色带来的差别。
2. 接着提一个输出格式很严格的要求：会议纪要整理把零散的记录变成决定和负责人。
3. 试试第二条消息。拿温柔纠错的英语老师改你自己写的一段话，等它回答之后，再让它解释每处改动为什么更好。
4. 用一个看得见的成果收尾：上传一张自拍，用AI 生成领英职业头像生成你的第一张图。

如果还想继续练，下面这几个对新手很友好，因为结果立刻可见、也容易判断好坏：任何科目的 AI 私人老师、冰箱剩菜大厨、送礼顾问、用 AI 写高互动的 Instagram 文案和开学不焦虑。

想看人工智能拿着数字解决一个真实决定，可以看这个公职考试值得考吗？。图像这边，有两个很能说明今天的技术水平：用 AI 修复撕裂和折痕的老照片和纹身前先在照片上模拟效果。

快速问答

用人工智能一定要付费吗？

入门不用。ChatGPT、Gemini 和 Claude 的免费版足够学习，也够日常使用。付费版给的是更多用量、更快的响应和更好的模型。等你已经天天用并且撞到额度上限，再考虑也不迟。

人工智能和 LLM 有什么区别？

人工智能是一整个领域，包括图像识别、推荐和预测。LLM 是其中一类，在文字上训练出来，也就是和你对话的那种。所有 LLM 都是人工智能；而世界上大部分人工智能并不是 LLM。

人工智能会说谎吗？

它不会为了骗你而说谎，因为它没有意图。它生成的是最有可能的续写，当缺少可靠数据时，这段续写可能是假的却很像真的。实际效果是一样的，所以每一个数字、人名、日期和引文都要核对。

我写的内容会被拿去训练吗？

取决于工具和你账号的设置。拿不准的时候，就默认会，别粘贴敏感信息。主流工具的隐私设置里都有关掉“用你的对话训练”的选项。

怎么写出一个好的提示词？

角色、你的背景、输出格式和限制条件。这四个要素能解决大部分糟糕的结果。另外用第二条消息去纠偏，而不是从头重写。

需要会编程吗？

不需要。这一课里没有任何东西要写代码。会编程能帮你做自动化，但要用好日常工具，关键是会把要求写清楚。

接下来是什么

你已经拿到了最要紧的部分：知道人工智能是在估计而不是在知道，知道什么是 LLM，知道它为什么会幻觉，也知道一个有效指令的四个要素。剩下的只是重复练习。

最快积累手感的方式是用现成的提示词，然后一点点改，因为这样你会先看到结构，再需要自己造出结构。到 Prompteiro 提示词库挑一个主题，或者从文本提示词开始，它们对第一天上手的人最友好。下一课我们讲，一个好提示词和一个优秀提示词之间差在哪里。