直接输出一篇Markdown格式的博文，从正文内容开始。
1. 第二天，我为什么把学习策略整个推翻了
昨天是我正式啃AI的第一天，说实话，第一天我过得挺狼狈的。刷了一整晚的概念视频，从神经网络聊到反向传播，从Transformer讲到注意力机制，笔记本上抄了满满十几页，合上电脑那一刻脑子却是空的——那些名词我都见过，可真要我说清楚“大模型到底是怎么工作的”“我明天能用它做点什么”，我一个字都憋不出来。这也是大多数自学AI的人第一天的真实状态：被信息洪流冲晕了头，收藏了一堆资料，却完全不知道从哪下手。
所以第二天我做了个很关键的决定：把学习主线从“看懂原理”改成“做完一个东西”。我给自己定了一条规矩——今天学的任何一个概念，必须当天用在某个看得见摸得着的产出上，否则就不算学会。这条规矩让我的第二天和第一天彻底拉开了差距，也让今天这篇文章有了落地的价值。这篇内容不是什么系统的AI教程，就是以一个初学者的身份，记录第二天从零到一完成一个小项目的过程，连同我踩过的坑、想明白的问题，以及那些刚开始接触AI的人最容易卡住的地方，一并讲清楚。
如果你也是个AI新手，刚看完一堆科普但没动过手，这篇文章应该比那些“XX天精通AI”的课程实在得多。你不需要懂高等数学，不需要会写复杂的代码，只需要一台能上网的电脑和一点耐心，就能跟着我复现第二天的完整路径。
2. 先搞清楚一件事：大模型到底是个什么东西
2.1 从“鹦鹉学舌”说起
在学习路线里我砍掉了大部头的理论，但有个基础问题还是绕不开：AI大模型到底是什么？我用了一个特别朴素的类比才真正把它想明白——大模型本质上是一只被喂了海量文本的超级鹦鹉。
它不是真的理解你说的话，而是见过足够多的文字组合之后，学会了“看到前面的词，猜下一个词最可能是什么”。就好比你跟一个熟读了几百万本小说的人聊天，你说“今天天气真”，他大概率能接上“好”“不错”“热”——因为他见过太多类似的句子，知道后面通常跟什么。大模型干的事情本质上就是这样，只不过它猜测的维度更大、背景信息更多、训练数据量是普通人一辈子都读不完的千万倍。所以它看上去像“懂”，其实是基于统计规律在做预测。
这个认知帮我理解了一连串问题：为什么AI偶尔会一本正经地说胡话？因为它在猜，猜错了就会编；为什么同一个问题换种问法答案就不一样？因为不同的问法激活了它不同的“记忆路径”；为什么它写代码经常比写散文靠谱？因为代码是语法严格、模式固定的文本，而这种文本在训练数据里重复出现的频率极高，猜测的准确率自然就高。
2.2 三个绕不开的关键词：Token、上下文、参数
第二天的学习让我彻底和三个词交了朋友，理解它们之后，很多"为什么AI这么笨/这么聪明"的问题都有了答案。
Token是AI处理文本的最小单位，你可以把它理解为“半个词”或者“一个词片段”。中文里一个词经常被切成两三个Token，AI一次能处理的数量上限就是上下文窗口。打个比方：如果AI是一个厨师，Token就是案板上的菜，上下文窗口就是案板的大小——案板越大，能同时摆的菜越多，能做的菜就越复杂。我试过给AI塞一整本书让它总结，结果它死活说“内容太长”，就是因为案板放不下了。
上下文窗口则是当天实操里对我影响最大的概念。和AI对话的时候，它能记住当前这轮对话里的所有内容，但这个记忆是有限的。一旦聊得太长、内容太多，早期的信息就会被“挤”出去，AI就会突然“失忆”。这就像你和朋友聊天，聊了三个小时后他忘了你一小时前说过的话——不是他不上心，是脑子装不下了。
参数则决定了模型的“能力上限”。参数可以理解为模型内部调节行为的旋钮数量，旋钮越多，模型从数据中总结规律的能力越强，回答自然更细腻。但它不是越贵越好——参数大的模型跑起来慢、成本高，有些简单任务用小模型反而更快更稳。
2.3 为什么我最终选择了现在的工具组合
明白了基础概念，下一步就是选上手的工具。第二天的第一课，我先说清楚工具选型这件事，因为这里面的坑实在太多了。
市面上的AI产品五花八门，有对话式的，有能生成图片的，有专门辅助写代码的，还有号称能“自动干活”的Agent类工具。新手最容易犯的错就是全都装一遍，然后每个都浅尝辄止——这是典型的“收藏癖”，根本不是学习。我在第二天明确了自己的主线是“大模型应用”，也就是用现成的AI能力解决实际问题，所以对话式大模型是绝对主力，AI编程工具作为代码辅助，图像生成类工具作为项目环节的补充。
如果你也准备开始，我建议不要贪多。先选一个主力的对话式大模型，把80%的精力花在和它配合上，摸清楚它的脾气，剩下的等到有明确需求的时候再加。工具不是越多越好，而是越顺手越好。
3. 从零动手：我用AI辅助建了一个小型网站
第二天的核心任务是给自己建一个简单的个人介绍网站。选这个任务是因为它有明确的完成标准：页面能在浏览器里打开、有基本信息展示、看起来像个正常作品。过程足够复杂，能逼我用到AI的多种能力，又足够简单，不至于第一天就倒在代码上。
3.1 明确任务边界
动手之前我先做了一件事——把需求说清楚。我给自己列了三个条件：单页面、纯静态、不要依赖复杂框架。为什么要这样限制？因为我的目标不是学网页开发，而是体验“如何和AI协作完成一个完整任务”。如果一上来就用那种一键生成网站的工具，确实快，但看不到协作的过程；如果用太复杂的框架，又会陷入漫长的环境安装，偏离主线。
任务明确之后，我对AI的第一句提问是：“帮我把一个个人介绍网页的完整HTML代码写出来，要求包含姓名、个人简介、技能列表、联系方式四个板块，风格简洁现代。”注意，这句话的信息量很关键：我指定了内容结构、页面板块和风格方向。这是我当天学到的第一个真本事——好的提问，AI直接给你能用；烂的提问，AI给你一坨需要返工的东西。
3.2 一次完整的人机协作流程
AI很快就返回了一整段HTML代码，附带一些简单的CSS样式。我复制到本地编辑器，保存成index.html，双击打开浏览器——页面出来了。那一刻还是挺有成就感的，但紧接着就发现了问题：排版很朴素，颜色搭配一般，而且顶部导航栏点链接根本跳不动。这些问题都在预期内，毕竟是第一版，真正的协作从修改才开始。
于是我开始了一轮轮“提出修改意见—AI重新生成—测试—再提意见”的循环。这整个流程大概重复了四次，每一次都对应一个明确的问题：
第一轮，我让AI把配色改成深色背景配渐变高亮色，顺便把导航栏的锚点链接修复。第二轮，我要求加入响应式布局，因为手机上看页面会乱掉。第三轮，我让它把技能列表改成卡片式展示，每个卡片加一个小图标。第四轮，我请它把联系方式从纯文本换成带链接的按钮。
整个协作过程让我对“AI编程”有了切身体会：它不是替你完成一件事，而是配合你完成一件事。AI负责高效地产出初稿、根据反馈快速修改；我负责判断好坏、提出具体方向、验证最终结果。判断力和方向感才是人这边真正有价值的部分。这也是我这两天最大的认知转变之一。
3.3 第一次和“幻觉”正面交锋
说一个最典型的翻车现场。第三轮修改的时候，我让AI给技能卡片加图标，它直接引用了一组图标库的链接。网页打开后图标确实显示了，但我后来发现那个图标库的域名看着很陌生，而且我在离线状态下打开页面，所有图标全部消失。我去查了一下AI给的链接，发现它引用的是一个真实存在但是冷门的CDN库——链接是真的，但可用性和稳定性很难保证。
这件事给我提了个醒：AI生成的内容大概率是对的，但一定不能默认它百分之百是对的。尤其是它主动填入的第三方依赖、API接口、外部链接，这些是幻觉的高发区，因为它们常常超出AI训练数据的验证范围。从那以后，凡是我用AI生成的代码里出现“从某个网址加载”的内容，我都会先去确认那个网址是否真实存在、是否可靠。这个习惯，第二天养成，从第三天起就开始帮我省钱了。
4. 拓展边界：从单打独斗到多AI协作
网站基本成型之后，我提前体验了一把更进阶的玩法，顺便测试了最近热度很高的一个概念，也是热搜里频繁出现的词——多AI协作，以及常被混为一谈的AI Agent。这里的收获值得单独拿出来讲，因为它彻底刷新了我对“能不能让AI自主干活”的理解。
4.1 为什么一个AI不够用
我一开始想当然地认为，既然一个AI已经这么强了，那“多AI协作”是不是就是四个AI一起上，总量变多质量变好。实际试过之后才发现完全不是这么回事——多AI协作的价值不在于累加数量，而在于用不同的AI擅长的地方互相补位、互相检查。
我用一个具体例子来展示。我让AI A（擅长中文表达的对话模型）为我的网站写了一篇自我简介文案，写得确实漂亮，语言流畅、气质得体。但当我把它交给AI B（一个更偏逻辑和代码的模型）去检查时，AI B指出文案里有两处事实性表述不准确：一处是我写的技能年限和我简历里对不上，另一处是文案里提到“曾服务过多个企业客户”，实际上我根本没做过企业项目。AI A写的时候“感觉”很流畅，但流畅不等于真实，它为了把句子写漂亮，自动补全了一些好听但不真实的内容——这就是幻觉在自然语言写作中的表现。
这种“让一个AI写、另一个AI审”的模式，本质上就是用不同模型的偏差互相抵消。一个模型的优势恰好能纠正另一个模型的弱点，效果比单独用任何一方都好。
4.2 Agent到底是怎么回事
顺便把“AI Agent”这个概念也理清楚。我当天看了一大堆关于Agent的热搜词和讨论，最大的感受是：这个词被过度神化了。很多人把Agent描述得像一个能完全自主干活的数字员工，仿佛输入一个指令它就能自动把活儿干完。但实际上，在我亲测的场景里，Agent更准确的定位是：一个会调用多个工具并按步骤执行的大模型。
举个最简单的例子——有些Agent框架能自动完成“查资料—写大纲—形成文档—发送邮件”这样一条流程。它做的事情是：先理解目标、拆解步骤，接着调用搜索引擎工具查资料，然后调起文档生成模块，最后调用邮件接口发送。每一步都是调用现成工具的组合，大模型在其中充当的是“决策大脑”，决定下一步该调用什么。原理不复杂，但工程上做出来确实效果惊艳。
对新手来说，我的建议很直接：不要一上来就追Agent框架。先把单次对话用熟，然后再理解工具调用，最后再考虑让AI替你编排多步流程。步子迈太大，容易连问题出在哪一步都找不到。
4.3 派单模式：一种低配版的多AI协作方案
在还没精力配置复杂Agent框架的时候，我发现有一种“派单模式”非常实用，特别适合个人学习场景。做法很简单：把任务拆成几个环节，每个环节指定一个AI负责，你自己做中转站在中间传递。
拿我的小网站举例，我把任务拆成四个环节：文案由对话AI负责，代码结构由编程AI负责，测试建议由另一个逻辑AI审查，视觉描述由我自己写好再让AI实现。整个过程不需要复杂框架，就是四个对话窗口来回切换。这虽然听起来原始，但带来的好处特别明显——每个AI都只处理它最擅长的窄范围任务，出错率大幅下降，产出质量显著提高。而且因为中转站是你自己，每个环节你都必须读一遍结果再往下传，被迫养成了检查的习惯。
5. 第二天的避坑清单：这些坑我今天全踩过
5.1 提示词太笼统，输出的东西根本没法用
这是我今天第一个踩的坑，而且踩得特别扎实。刚开始用AI的时候，我不自觉地就问：“帮我写个网站。”AI很礼貌地回了一大堆话，从网站规划到技术栈建议到目录结构，洋洋洒洒几百字，但没有任何一行代码。我说“不对，我要的是代码”，它才重新开始写。这个来回浪费了我十分钟。
后来我总结了原因：提示词越模糊，AI就越倾向于“解释”而不是“执行”。它是真的不知道你想要什么，你笼统地问，它就笼统地回答。正确的做法是直接把背景、约束、输出格式说清楚。我后来的有效提问格式是这样的：
- 背景：我要做一个个人展示网站
- 任务：需要首页的全部HTML和CSS代码
- 约束：单页、静态、不要框架、不要图片依赖外部服务器
- 格式：HTML和CSS放在一个文件里，直接可运行
给AI布置任务，本质上跟给同事交代工作是一样的——你说明白，活儿才能干明白。
5.2 盲目信任AI的“一本正经”内容
这是第二个坑，也是AI使用中最危险的一个。今天测试多AI协作的时候已经暴露过一次：AI写的文案里有虚构的项目经历，写的时候语气流畅得像真的一样，如果不是让另一个模型检查，我根本发现不了。在编程场景里也有同类问题，AI会生成一些看似合理但实际并不存在的API接口名，你调用的时候才会发现根本跑不通。
这里需要一个方法论级别的认知：AI不是一个可靠的信息来源，它是一个你需要交叉验证的“初稿生成器”。涉及事实的，去查证；涉及代码的，跑一遍；涉及引用的，看原始出处。这条原则怎么强调都不过分，尤其是在第二天这种刚建立信任感的阶段，更要时时提醒自己。
5.3 上下文管理不当导致AI“失忆”
第三个坑出现在网站的第七八轮修改之后。当时页面已经被我改得相当复杂，我让AI继续调整某个样式，结果改完之后，它把我之前明确要求保留的另一个板块样式给弄丢了。回翻对话记录我才意识到，我们聊得太长，早期设定的“保留XX板块不变”这个要求在计算层面已经被远远挤出了上下文窗口，AI压根记不住这条限制了。
解决方案有两类：一是精简对话轮次，完成一个大改动就开一个新对话，在新对话里重新粘贴项目当前状态和核心要求；二是把长期不变的约束写进项目说明文件，每次开新对话时直接附上。这个习惯帮我避掉了后来无数次类似的“失忆”问题，建议你从第一天起就养成。
5.4 工具选了太多，哪个都没学深
这个坑不是踩的，是看着别人踩的。我在学习社群里看到不少同期的朋友，今天试这个AI画图工具，明天试那个写论文工具，后天又开始玩Agent搭建平台。一周过去，每样都会一点点，但每样都做不出一个完整的产出。而我第二天只在一个主模型上深耕，附带接触了编程辅助和图像生成各一项，但每一个都真正用在了网站上。两者的差距立竿见影：他们有广度没深度，我有产出有理解。
给新手朋友一句实在话：前期一定要做减法。选定一个主AI，把它的性格摸透，把和它协作的流程跑通，再考虑扩展。学AI和学其他技能没有本质区别——深挖一口井比到处挖坑出水的概率大得多。
6. 第三天打算往哪里走
第二天的收获，可以说完全超出了预期。最大的改变不是学会了某个具体技术，而是把对AI的认知从“一个更高级的搜索引擎”修正成了“一个需要管理和协作的同事”。它有能力，但它有自己的毛病——会编造、会失忆、会在某些任务上惊艳、也会在某些任务上翻车。管理好这个同事，让它发挥长处、控制短处，这正是所谓“AI工程实践”在个人层面的最小版。
第三天我给自己定了几个方向。第一，把我今天“派单模式”的流程固化成一套模板，以后遇到新的小项目直接套用；第二，开始研究怎么给本地环境配置一个开源的小模型，把“AI模型部署”这个一直很模糊的环节拉出来实测一遍；第三，继续完善网站，试着接入一个小功能模块，让AI解决具体交互问题。
别怕慢，怕的是站在原地只说不做。第二天这一步，我觉得是踩对了。
