资源介绍
视频数量：15个
总时长：1小时7分
课程介绍：
AI术语速成课：轻松理解人工智能核心概念
你有没有过这种经历：翻开一篇讲AI的文章，满眼都是LLM、RAG、上下文窗口、Function Calling这些词，每个字都认识，连在一起就完全懵了。跟同事聊AI项目，人家随口蹦出“模型微调”和“提示注入”，你只能尴尬地点头，心里疯狂搜索这到底是啥意思。别担心，这不是你一个人才有的困惑。
我见过太多想做AI项目的开发者，卡在术语这一关就迈不动步了。不是他们不聪明，而是AI领域的新词实在太多太密集了。我专门设计了这门课，就是想用不到70分钟的时间，把你从“听到AI术语就犯怵”变成能自信地和团队讨论这些概念的人。
课程从最基础的东西讲起。你会弄清楚LLM到底是什么，它和传统编程有什么区别。传统写代码是你定规则、计算机执行，而机器学习是喂给系统大量数据和答案，让它自己找出规律。LLM之所以叫“大”语言模型，是因为它在海量的公共互联网数据上训练过，拥有几十亿个参数。从本质上说，它就是一个超级精密的自动补全引擎，根据输入的文本计算下一个词出现的概率。整个过程靠的是数学推导，而不是真正的思考。
理解了LLM的工作原理，你会接着学到两个关键概念：词元和上下文窗口。词元你可以理解为AI处理文本的基本单位，可能是一个单词，也可能只是一个词根。上下文窗口则是AI一次能“看到”的最大文本量。这两个概念直接影响你怎么设计提示词、怎么拆分长文本，所以必须搞清楚。
有了基础之后，课程进入应用层面，教你AI应用到底是怎么搭建起来的。这里有几个非常重要的知识点。API你会接触到，开发者几乎天天都在用，得搞明白怎么通过API调用LLM服务，以及Open-Weight模型和参数是什么意思。RAG（检索增强生成）这个技术非常实用，它解决的是让AI能访问你自有数据的问题，不用把数据喂给模型训练，AI就能在回答时参考你的文档。MCP（模型上下文协议）是较新的东西，它定义了AI模型和应用之间如何高效地交换信息。另外，Function Calling允许你给AI“装上工具”，让它不仅能生成文字，还能真正调用外部系统执行操作，比如查数据库、调用支付接口。这些内容组合在一起，就是现代AI应用的核心架构。
学完这些，你可能想自己动手试试。课程第三部分专门讲工具和工作流。GitHub Copilot、Cursor这类AI IDE为什么能让编码效率大幅提升？因为它们不只是做语法补全，而是真的理解你的意图，能生成10行代码、编写完整的算法，就凭你写的一条简单注释。更重要的是，它们用的是智能上下文检索，不会把你整个代码库都发给AI，那样太慢了。
还有Prompt Engineering提示工程，这个词你肯定见过无数遍了。好的提示词不是随便写几句话就行，它需要结构、需要清晰地表达任务、需要给AI足够的约束条件。课程会通过具体例子告诉你，什么样的提示词能真正发挥AI的能力。
Agents智能体这部分特别有意思。标准的LLM其实很“懒”，你问它答，答完就停，没有办法主动查资料、执行代码、采取行动。但现实中的项目需要的是能代替人做事的“数字工作者”。智能体就是把LLM这个推理引擎和规划能力、记忆能力、工具使用能力绑在一起。规划功能把大任务拆成小步骤，记忆功能让它能记住之前的交互，工具则让它能真正操作外部世界。你给AI装上搜索工具、代码解释器、内部API，它就能自主完成复杂的多步骤任务。这就是现在最火的AI Agent概念，听起来复杂，但拆开讲一点都不难懂。
最后一部分涉及一些进阶内容，适合你想深入了解时看。Fine-Tuning微调教你怎么在已有模型的基础上，用特定领域的数据做二次训练，让模型更懂你的业务。架构模式帮你理解AI系统整体是怎么设计的。还有AI安全，Prompt Hacking（提示注入）是现在很受关注的威胁方式，了解它才能更好地防御。
整门课只有15个视频，总共67分钟，节奏紧凑不废话。每一讲都直击一个核心概念，讲清楚是什么、为什么、怎么用。你不需要有任何AI背景，课程设计就是面向零基础读者的。但如果你是开发者、产品经理、或者在任何场景下需要和AI系统打交道的人，这门课会更适合你。学完之后，你再看到RAG、Agent、MCP这些词，心里不会再发虚，能直接进入下一个阶段的学习或者开始你的AI项目了。