AI 从零开始详细教程：搞懂大模型、提示词和智能体，这一篇就够

一、先把三个词分清楚：AI、AIGC、大模型

这三个词天天被混着用，但它们根本不在一个层级上。分不清，后面所有概念都会糊。

1.1 AI 是学科，AIGC 是这一波爆火的东西

人工智能这个概念 1950 年代就有了，人脸识别、推荐算法、下围棋的 AlphaGo，全都算 AI。它们有个共同点：你没法用日常语言直接指挥它。

这一波真正火的是 AIGC（Artificial Intelligence Generated Content，人工智能生成内容）。它和前辈最大的区别只有一句话：它听得懂人话，也说人话。你不需要学任何语法，直接用中文说”帮我把这段话改得正式一点”，它就能干。

这件事的意义被大大低估了。以前每一次技术革命，都需要人先学会一套新语言（学 DOS 命令、学 SQL、学剪辑软件的快捷键）；而 AIGC 第一次让”会说话”就等于”会操作”。这是它能在两年里进入普通人生活的唯一原因。

1.2 AIGC 能生成什么：其实只有四类

网上把 AI 能力说得天花乱坠，但只要记住”内容只有文字、图像、声音、视频四种载体”，它生成的能力就能穷举完。

四种组合里，新手一定要从”文生文”开始，理由很实在：门槛最低（会打字就行）、场景最多（写邮件、改文案、读文档、写代码都算）、免费额度最厚。上来就折腾文生视频，很容易在排队和额度里耗尽耐心。

1.3 大模型的”大”，到底大在哪三处

你用的豆包、DeepSeek、ChatGPT，背后撑着的那个东西叫大语言模型（Large Language Model，LLM）。它的”大”不是形容词，是三个可以量化的维度：

维度	具体指什么	为什么重要
数据量	训练时读进去的文本规模，覆盖多语言、多领域	决定它”见过多少世面”。没见过的领域，它只能瞎猜
算力	训练时投入的 GPU 时长与电力	决定它”学了多久”。这也是为什么只有少数公司烧得起
参数量	模型内部可调参数的总数	通常参数越多越”能想”，但推理也越贵越慢

这里有个容易被忽略的转折：参数量大 ≠ 一定更好用。2026 年 9 月 DeepSeek 发布的 V4.1 Flash 只有 552B 总参数、输入侧仅激活 8B，官方称其在多项基准上超过了自家更大的 V4 Pro。模型圈这两年的主线就是”用更少的激活参数换更高的智能密度”，所以别再用”多少亿参数”当唯一标尺。

1.4 它是怎么”说话”的：一个图书管理员的比喻

大模型不”思考”，它做的是一件极其机械的事：预测下一个词。

想象一个管理员，脑子里有一座巨型书库。他不是理解了每本书的内容，而是把每句话都拆成碎片，记住了”哪些碎片经常挨在一起”。你问”天空为什么是蓝色的”，他做的不是推理，而是飞速查表：在”天空是蓝色”后面，接”光的散射”的概率最高，那就先接这个。

这个比喻能解释三件事：

• 为什么它文笔那么好：因为它见过的人类文字比任何一个人都多，语感是从统计里长出来的。
• 为什么它会一本正经胡说：它优化的是”像不像人话”，不是”对不对”。一个谣言在网上重复足够多次，在它眼里就成了高概率选项。
• 为什么换个问法答案就变：你换了开头几个词，后面的概率分布就全变了。这也是提示词能起作用的原因。

一句话记住：它的”聪明”来自对文字规律的统计，不来自对世界的理解。 所以它写诗很强、查资料很虚、下判断不能全信。这句话是后面所有”怎么用它”的地基。

二、能力边界：它替你干什么，又会怎么坑你

很多人用不好 AI，不是不会写提示词，是对该交给它的活儿判断错了。判断依据就一条：这件事的正确答案，能不能靠”见过大量类似文本”推出来。

2.1 三个真优势，放心交给它

第一，大信息量的消化。 几十页的行业报告、几百条用户反馈、五份竞品方案，让它提炼、归类、对比差异，这是它性价比最高的用法。原来要一下午的活，现在十几分钟出初稿。

第二，跨领域的入门。 你不懂法律、不懂财务、不懂某个技术栈，可以先让它用通俗语言把基本概念讲一遍，建立框架之后再去查一手资料。注意顺序：先用它建立框架，再用官方文档校准细节，反过来一定会被带偏。

第三，生成与改写。 同一份内容改成公众号版、短视频口播版、给小学生讲的版本；一个模糊想法让它发散出十种方案；一段代码让它解释、重写、补注释。这类”一变多”的工作，它的效率是人的几十倍。

2.2 六个必须知道的坑，以及各自的绕法

坑	表现	绕坑动作
幻觉	编造不存在的论文、名人名言、API 参数、版本号；说得越流畅越可疑	凡是数字、版本、价格、链接，一律回查官方文档。让它给来源，然后自己点开看
知识过期	训练数据有截止时间，不知道最近发生的事	要么开联网搜索，要么把最新资料贴进对话让它基于材料回答
偏见放大	默认”护士是女性””工程师是男性”这类刻板印象；传播已被推翻的旧结论	涉及人群、地域、职业的判断，不要直接采信；自己过一遍
多步推理掉链子	单步都对，串起来就错。经典例子：”洗车店离我家 50 米，开车去还是走过去”	把大问题拆成小步，一步一步问，每步自己验收
读不懂言外之意	你说”今天天气真好”（外面下暴雨），它顺着字面回你”适合出门散步”	把语气和真实意图直接说出来，别指望它猜
上下文会忘	聊得太长，前面说过的约束条件被丢掉，答案开始跑偏	每隔一段让它总结已达成的结论，落到文档里，再把文档贴回去

这六个坑里，幻觉是唯一会真正伤到你的那个。所以给自己定一条硬规矩：AI 只负责产出候选答案，不负责最终签字。 凡是要发出去、要付费、要交给客户的东西，最后一步一定是你自己核。

三、AI 软件 = 大模型 + 产品界面

3.1 一个公式，看懂所有 AI 产品

打开应用商店，AI 应用多到看不过来。但它们的结构只有一层：

AI 软件 = 大模型（心） + 产品界面（皮）

大模型决定能力上限：能不能读图、能记多长的上下文、推理强不强。产品界面决定你能不能用到这些能力：有没有联网、能不能传文件、会不会调工具、记不记得你的偏好。

所以”这个软件强不强”这个问题必须拆成两问：它背后接的是哪个模型？它自己做了多少工程？ 同一个模型给两家公司做产品，体验能差出一个量级。

3.2 主流产品背后是谁（2026 年 10 月核实）

这张表我逐条回查了官方发布记录，不是凭印象写的。模型迭代极快，看到这篇时请以官网为准。

产品	厂商	代表模型	关键节点
ChatGPT	OpenAI	GPT-6 Sol（付费）/ GPT-6 Luna（免费与 Go）	2026-10-07 起向全球用户开放
Claude	Anthropic	Claude 5.5 家族：Opus 5.5 / Sonnet 5.5 / Haiku 5.5	9-22、9-28、10-07 陆续上线
Gemini	Google DeepMind	Gemini 4 Argon	2026-10-13 全球开放
DeepSeek	深度求索	DeepSeek V4.1 Flash（552B MoE，1M 上下文）	2026-09-10 发布，V4 Pro 逐步路由过去
豆包	字节跳动	豆包 Seed 2.1 系列（Pro / Turbo，256k 上下文）	2026-06-23 发布，Pro 于 9-23 更新
Kimi	月之暗面	Kimi K3（1M 上下文，原生视觉）	2026-09-08 上线
GLM	智谱	GLM-5.3（1M 上下文）	2026-08-14 上线

有两点是新手最容易搞错的：

一个产品不等于一个模型。 同一个 Claude 下面挂着 Opus、Sonnet、Haiku 三条线，贵的想得深、便宜的回得快，界面上让你选的往往就是这一层。模型公司也不等于产品公司。 腾讯、阿里、字节都既自研模型又做产品，同时也可能接别家的模型。

3.3 套壳软件：三个判据，别花冤枉钱

所谓套壳，就是小团队做个界面，后面接一堆大模型的 API。它本身不是坏事——一个入口用遍所有模型，确实方便。问题在于信息完全不透明。

• 看它敢不敢写清楚用的是哪个模型、哪个版本。 只写”顶配 GPT”而不写具体型号的，基本可以放弃。
• 看它卖年费还是月费。 这类产品跑路是常态，能月付就别年付。
• 看它有没有”降智”投诉。 同样是调用 API，官方产品自己还有大量提示工程和工具链优化，套壳只是转发请求，体验一定会打折扣。

3.4 想让模型更懂你，只有三条路

很多人一上来就问”我能训练它吗”。答案是可以，但你八成不需要。让模型变强的手段就三种，成本差着几个数量级。

手段	给谁用	难度	解决什么问题
提示词	所有人	低	同一个模型，把需求说清楚就能显著提升输出质量。零成本，立刻见效
RAG （知识库）	企业、开发者	中	模型不知道你的私有资料、也不知道最新资料。外挂一个知识库，回答前先检索，再生成
微调	技术团队	高	某个专业领域的术语、格式、推理链条，提示词怎么调都不到位时，用它改模型本身

三者的关系不是替代，是依次加深：先用提示词试，不行再上知识库，还不行才考虑微调。跳过前两步直接微调，是新手最常见的浪费——你花两周整理数据训出来的模型，可能还不如把话说清楚。

顺便说一句：你日常用的”AI 搜索”，本质就是 RAG；企业做的”智能客服”，本质也是 RAG。这两个场景你已经很熟了，只是不知道它叫这个名字。

3.5 选模型看四个指标，别只看跑分

能不能访问。 海外模型需要额外的网络条件，如果你的工作场景不允许，那国产模型就是唯一解，不用纠结。

贵不贵。 按订阅算是一个量级，按 API 用量算又是另一个量级。同一家通常有旗舰款和轻量款，日常问答用轻量款完全够，别拿旗舰款去干翻译的活。

快不快。 越擅长深度思考的模型越慢。日常琐事直接用快速档，只有真正难的问题才值得等它想。

上下文多长。 这是最被低估的指标。上下文长度决定你能在一个对话框里跟它聊多深。要它读一份两百页的 PDF 并逐条对照，上下文不够就直接截断了。

但上下文长 ≠ 记性好。官方标的 1M 是”最多能吃下多少”，不等于”吃到第 99 万 token 时还记得开头”。真要长时间讨论，正确做法是定期让它把结论沉淀成文档，再重新开一个干净的对话。

四、提示词：六个技巧，加一个方法论

4.1 结构只有两半：指令 + 上下文

高质量提示词 = 清晰的指令 + 必要的上下文

指令回答”要做什么”：任务目标、输出形式、质量标准。上下文回答”在什么情况下做”：背景、条件、受众、参考样例。

看一组对比就懂了。

只有指令：帮我写一篇手机的产品介绍。

加上上下文：这是一款主打年轻人市场的游戏手机，主要卖点是快充和散热。请写一篇产品介绍，重点突出性价比和游戏性能，面向 B 站年轻用户，文风活泼但不夸张，800 字以内。

第二个版本里，其实包含了下面六个技巧里的五个。

4.2 六个技巧，按这个顺序加

技巧	作用	写法示例
任务	把”做什么”说死	不要”帮我写点东西”，要”写一篇关于塑料污染危害的科普文章”
背景	让它知道为什么做	“这是给公司内部新员工看的入门材料，读者没有任何技术背景”
例子	最有效的技巧，尤其适合创意类任务	贴两三条你满意的旧文案，说”参考这个风格再写五条”
角色	一句话切换专业度和语气	“假设你是一位初中科学老师，用比喻解释量子力学”
格式	让结果能直接用	“用 Markdown 输出，包含时间、参会人、结论、下一步四部分”
语气	控制风格	正式场景写”经分析，本方案可行性较高”；社交媒体写”这个真的可以冲”

六个不必全用。技巧是为效果服务的，不是为了凑模板。 一般任务用上”任务 + 背景”就已经比 90% 的人强了。

需要完整版的时候，直接抄这个骨架：

【任务】帮我写一封邀请客户参加新品发布会的邮件
【背景】客户是长期合作的高端品牌，发布会主题是"科技与可持续未来"
【角色】以公司市场总监的身份
【格式】邮件格式，包含标题、问候语、活动亮点、报名方式
【语气】正式且富有吸引力
【参考】标题可以像这样：诚邀您共赴 XX 品牌 2026 科技新品发布会

4.3 没思路时用这个：升维提问，逐级降维

这是我自己用得最多的一招，专治”知道要 AI 帮忙，但不知道从哪开始问”。

核心动作是反过来：先问框架，再问细节。

第一步，升维。 不要直接要成品，先要思路。

我刚开完一个会，要整理一份会议纪要，但不确定该从哪些方面入手。
你能帮我列出这类文档通常包含哪些部分吗？

它会给你一个比你想得更全的清单：基本信息、核心议题、决策事项、待办事项、风险预警……

第二步，降维。 挑这次真正用得上的几项，拼成一条具体指令。

请根据下面的会议记录整理纪要，只保留三项：
1. 决策事项：达成了哪些关于项目推进的决定
2. 待办事项：谁负责、截止到什么时候
3. 风险预警：会议中提到的潜在问题

会议记录：[粘贴]

第三步，纠偏。 结果不对就继续提要求——”待办事项要单独成表””风险那部分太笼统，按项目拆分”。

第四步，固化。 效果好就把这条指令存下来，下次直接改会议记录。这一步最关键：你的提示词库是这么攒出来的，不是从网上抄来的。

通用模板就一句：

我要做 [某件事]，但还没有头绪。
你能帮我梳理一下做这件事的框架和需要考虑的维度吗？

会议纪要、健身计划、旅行攻略、装修预算、课程大纲——换成任何一件你没干过的事，都能用。

4.4 最好的提示词，是让 AI 帮你写

很多人卡在”我不会写提示词”上。其实没必要自己憋，两招就够。

一、直接口喷。 把你想要的东西用人话说出来，然后加一句”帮我写一个提示词”。

我要做一个小红书文案助手，能根据产品信息生成种草文案，
风格活泼、多用 emoji，帮我写一个提示词。

二、让它模仿。 手上有一条效果不错的提示词，想复制到新场景，把原文贴进去，让它照葫芦画瓢。

模仿下面这条提示词的结构和风格，帮我写一个"短视频脚本生成助手"的提示词：

[粘贴你觉得写得好的那条]

核心心法一句话：别追求一次写完美，先让 AI 出个 60 分的版本，再按实际效果迭代。 提示词是改出来的，不是想出来的。

五、智能体：三个维度认，一个公式懂

5.1 它和聊天 AI 差在哪一步

聊天 AI 帮你到”给出答案”为止，剩下你自己落地。你说”帮我把这些资料整理成 Excel”，它给你一张表格的文本，你还得自己复制粘贴、调格式、存文件。

智能体（AI Agent）多走了一步：它能自己规划步骤、调用工具、把结果落成文件。同样是那句话，它会去搜索、读取、生成 xlsx、存到你指定的目录，然后把文件交给你。

差别就在最后这一步。以前最后一步是人做的，现在它在授权范围内替你做了。 而这一步恰恰是绝大多数”知道了但没做”的断点。

5.2 三个问题，认任何一款新产品

智能体产品名字换得比手机型号还快。但不管出来多少个，问三个问题就能定位它。

维度	选项	看什么
谁做的	OpenAI / Anthropic / 腾讯 / 阿里 / 开源社区…	决定它的模型来源、生态和长期维护能力。注意模型公司和产品公司常常不是一家
怎么用	对话应用 / 桌面软件 / 命令行 / 即时通讯	决定上手成本。你要的是干活，不是练 CLI
干什么	通用办公 / 编程 / 行业垂直	决定它是否真的适合你。垂直型的价值往往来自行业数据和流程，不是模型更强

5.3 四种形态，长什么样

对话式应用。 最常见。现在这类产品也在长出”工作”能力，已经不能简单当成聊天框了。

命令行（CLI）。 看着像程序员专属，其实门槛被高估了——你照样用中文说话，只是输入位置在终端里。

桌面软件。 装个客户端，有任务列表、有文件管理、有权限开关。对普通人来说这是最容易上手的一类，下面实操部分用的就是这种。

即时通讯入口。 通过飞书、微信这类聊天软件下指令，人在外面也能让电脑上的智能体干活。2026 年这类用法明显变多。

行业垂直型。 比如面向电商的 Accio，价值不在模型，在于它接得进行业数据和业务流程。

5.4 底层就一句话：执行架构 + AI 大脑

为什么有的用终端、有的用桌面、有的用聊天窗口，但都能干活？因为它们都是同一个结构。

执行架构负责”能做什么”：能不能读写文件、能不能跑命令、能不能调外部工具。AI 大脑负责”做得多好”：接的是哪个模型，想得深不深。

所以你会看到一个有意思的现象：同一个智能体产品，换一个模型，表现能差一半；同一个模型放进不同的智能体，能做的事也完全不同。不要再问”哪个智能体最强”，要问”它的执行架构能不能覆盖我的任务，它接的大脑够不够用“。

六、动手：半小时跑通第一个任务

原理讲完了，现在必须落地。这一步的唯一目标是：让 AI 完成一件你本来要自己动手做的事，做一次，比读十篇教程都管用。

6.1 装好，然后只改三个设置

选一个门槛最低的桌面型智能体开始就行，WorkBuddy 这类有免费额度的比较适合第一次试。装完之后界面再花哨，你也只需要关注三处。

第一，设工作空间。 挑一个空文件夹当工作区。之后它写的代码、生成的文件、中间产物全落在这个目录里，不会散到别处。这一步是很多人后期找不到文件的原因。

第二，开权限。 如果每一步都弹窗让你点”允许”，你会被烦死。第一次试用可以直接给完全访问；涉及公司资料时再收紧，按目录授权。

第三，选模型。 这一步最影响结果，也最容易被忽略。

界面上的”快速 / 均衡 / 极致”，本质是同一批模型按能力分层，后面的倍率就是消耗倍率——倍率越高，跑一次越贵。新手直接用免费档或低倍率档试水，觉得结果不行再往上换。这条经验很朴素但有效：同一件事，先用便宜的跑一遍，看它差在哪，再决定值不值得为更强的模型付钱。

6.2 第一个任务：给它一件真事

别用”你好，介绍一下你自己”这种测试。直接上真活。下面这条指令可以直接改成你的场景：

请调研 2025-2026 年国内宠物高端烘焙粮市场，输出一份 Excel，包含四张表：
1. 市场规模：猫经济与犬经济规模对比、烘焙粮细分赛道增速
2. 渠道效率：天猫/京东等传统平台与抖音/小红书等内容电商的转化率与获客成本区间
3. 用户画像：核心买家的年龄、城市分布、消费动机
4. 主要品牌：品牌名、定位、价格带、主推卖点

要求：数据标注来源与统计口径；查不到的一律写"未获取"，不要估算。
最后把 xlsx 文件保存到工作区根目录。

注意最后两句。“查不到就写未获取、不要估算”，是防幻觉最有效的一句话。 不加这句，它会用看似合理的数字把空格填满，而那些数字你根本不知道从哪来的。

跑完大概长这样：

结果一定不完美，可能有一列是空的、可能有品牌漏了。这正常。第一轮的价值不是拿到成品，是让你看清”它卡在哪一步”——是搜不到数据，还是不会算，还是格式不对。知道卡点，第二轮才有得改。

6.3 学智能体的正确顺序

不要把精力花在记界面上。产品三个月一改版，你今天背熟的按钮位置，下个版本就没了。要学的是下面四层，一层一层来。

阶段	目标	怎么判断自己过了
一	能把需求说清楚	你的提示词里同时有任务、背景、输出要求
二	用图形界面完成一件真事	交出去的东西不用你自己再返工一遍
三	看懂它的执行过程	它出错时你能说出是”没搜到”还是”想错了”还是”权限不够”
四	按需深入	需要开发就去学编程型智能体；需要专业能力就去接 Skill 和 MCP

第四层不是必修课。没有需求就不要为了学习而折腾——这句话能省下你大量时间。

最后：三句话带走

第一，AI 是工具，不是魔法。 它擅长处理”见过大量类似样本”的任务，不擅长需要一手事实、需要担责任的判断。知道边界，比知道技巧重要。

第二，提示词的本质是把需求讲清楚。 那些框架和模板都会过时，但”目标明确 + 信息充分”这条永远不会。你练的其实是表达能力，顺带把 AI 用好了。

第三，AI 是学不会的，是用会的。 别再收藏第 20 篇教程了。挑一件你今天就要做的琐事——写周报、整理素材、做个表格——丢给它，跑一遍。你在用的过程中遇到的每一个卡点，都比任何一篇教程更能让你理解它。

从最小的一件事开始，就今天。

站内相关

• AI 工具别再挨个学了：按这 6 类需求选，少走很多弯路 —— 学完通识之后，下一步是知道自己该用哪一类工具。
• 个人 Agent 五家横评：Muse、Grok Bot、Spark、Cue、Dots，谁最适合你 —— 想认真挑一个智能体长期用，看这份横向对比。
• WorkBuddy 从零开始详细教程①：从下载安装到交出第一份成果，一次跑通 —— 本文第六节的完整操作版，连截图带步骤。