DeepSeek火爆，AI学习的热潮也吹到了我们公司，上周给公司的同事做了一期关于AI入门的分享，感觉内容非常适合小白入门了解AI，于是整理成公众号文章，作为我AI入门科普的总集和收尾，后面会更专注写一些进阶的内容。
如果你当下对AI还是云里雾里，半知不解，那么非常适合阅读这篇文章，读完就能帮助对AI建立一个基础的认知，简单了解AI的技术原理，AI生成内容的本质，为什么能生成内容，AI能做什么，提示词如何写，以及实用好用的AI工具和AI幻觉应对的方法等。
如果本文帮助到了当下的你，欢迎点赞转发，你的每一个互动都是我持续创作的动力。
OpenAI的ChatGPT发布在2022年，为什么AI会在这个时候发布？主要是因为这三样东西满足了条件：
2017年Google团队开创的Transformer架构，通过神经网络模型学习语言规律，实现文本理解与生成。如Transformer架构可捕捉长距离语义关联，GPT系列模型通过自注意力机制预测词序列。
2014年生成对抗网络（GAN）的技术创新，通过生成器与判别器的对抗训练，实现图像/视频的创造性输出。如Phenaki模型可根据文本生成连贯视频，DALL·E能跨模态生成图像。
当前的AI工具基本都基于Transformer架构和生成对抗网络（GAN）这两个算法技术，算法的突破是当前AI诞生的原因之一。
AI需要学习海量的高质量数据才能从中找到规律，模仿人类生成内容。
随着互联网和生产力的发展，近二十年人类生产的内容可能比过去几千年还多，这些海量的数据积累让AI有了足够的“学习资料”，可以通过学习去了解分析分析数据中的语法结构、视觉特征等潜在规律从而模仿人类进行创作。
如果没有这些高质量的数据资料，AI可能根本找不到人类文本的规律。
过去人类的显卡算力没有办法处理如此海量的数据，现在像NVIDIAH100集群可以支持1750亿参数模型训练，再有分布式计算技术的发展，像谷歌TPUv4实现了每秒2.3exaflops运算能力，这种超强算力让AI模型训练时间从几年缩短到几周甚至几天。
综上所述，简单来说，算法，数据，算力三者都满足了AI诞生的条件！
以DeepSeek为例来说明。
如果用一个比喻来描述DeepSeek，它大概就像是你的一位非常博学多才的朋友，读过浩如烟海的书籍，还能瞬间在脑海中建立起各种知识之间的联系。这就是现代大语言模型的工作方式，而支撑这种能力的核心，就是上文提到的Google团队开创的Transformer架构。
Transformer最厉害的本事，就是它的“注意力机制”。打个比方，当你在看一本书时，普通人需要从头读到尾，而Transformer就像是一个“超级读者”，能够一眼就找到文本中最关键的信息，并迅速理解它们之间的关联。
DeepSeek在“成长过程”中“阅读”人类积累的海量知识，从枯燥的维基百科到优美的文学作品，从前沿的学术论文到专业的技术文档，通过不断预测句子中缺失的词，逐渐掌握了语言的规律，知道了某个词后面出现哪个词的概率更大。
所以AI生成内容的方式是概率最大化，也就是“猜”，通过海量数据来预测下一个单词，而不是真的理解了人类的说的到底是什么意思。
也就是说AI只是一只鹦鹉，它并不是真的理解现实世界，也不是通过逻辑推理来回答我们的问题。
现在的大语言模型跟我们在影视剧中看到的，比如像威尔·史密斯主演的《我，机器人》中的人工智能完全不一样，我们与AGI距离依旧无限遥远，当然可能并不是坏事。
DeepSeek火爆之后很多人对AI有了不切实际的期待，以为AI什么都能做，这是一个很大的误区。就像我上文说的，现阶段AI的主要能力主要是生成文本等，所以可用范围基本局限在内容创作当中。
下图我就罗列了四种最基础的AI能力：文本生成、图片生成、视频生成和音频生成。AI是什么，AI之于我是创造的源泉，创造的能力和创造的工具。
下面这个视频就是将AI的多模态能力整合做的一个《舌尖上的中国》风格的奥特曼搞怪视频。
具体的制作路径是先用DeepSeek生成脚本和具体的文案，然后再使用Whisk生成静态图片，用可灵根据静态图片生成视频画面，最后用剪映的AI配音功能生成音频，合成为一个完整的视频。
2.AI进阶能力
基于上面这些基础功能，现在的AI还延伸出了一系列的其他的能力，像豆包聊天机器人、秘塔AI搜索、Manus这种都是对某方面的能力进行了强化，或者与其他工具组合后诞生的AI工具。
Manus、秘塔AI搜索等我们都可以理解为AI智能体，原本AI智能体的定义是能够感知环境、做出决策并采取行动以实现特定目标的人工智能系统。但现在我们对其定义已经泛化了，像豆包上面的各种聊天机器人都被称为智能体。
顺着这个逻辑，现在市面上的智能体可以被理解为一个具有输入-处理-输出能力的人工智能系统，核心在于对信息的处理和响应能力，不同程度的智能体在自主性、感知广度和决策复杂度上存在差异。
豆包上面的智能体聊天机器人我们就可以理解为是初级智能体，而像Manus这样的“通用型AI智能体”相对就更高阶了，能做的事情也更多。
基础如豆包聊天机器人，可以根据我们设定的prompt做出特定的回复。下图就是我做的一款男友聊天器，他会像男朋友一样和你聊天，给到充足的情绪价值。
更进一步的AI智能体像秘塔AI搜索，则是在搜索方面做了进一步的优化，可以自主拆分问题，然后搜索相关资料，最终将答案汇总。
相比直接和基础大模型聊天，AI搜索工具给到的内容更全面，更详细，幻觉发生的概率也更低。
而Manus这样的智能体相比豆包的聊天机器人和秘塔AI搜索能做的事情就更多了，当我们告诉它需要做的事情后，它可以自己思考规划任务，通过自动浏览网页，调用各种工具来完成复杂任务。
做一份行业趋势分析，旅游攻略，抑或编写一个小游戏这些功能都不在话下。而且全程无需人工干预，它自己就一步步去完成。
随着技术的进步，智能体将拥有更高级的特性，如更强的自主性、更广泛的环境感知和更复杂的决策能力。
AI Agent也确实是AI发展的重要趋势之一，它们正在弥合强大AI能力与实际应用场景之间的鸿沟。
对普通用户而言，AI不再是一个需要精心“喂养”提示词的工具，而是一个能真正理解并执行任务的助手。对企业而言，AI Agent能大幅降低AI落地的门槛，让更多行业和场景能够切实享受到AI带来的效率提升。
未来的某个时刻，或许人类真的就可以脱手生产，摆脱重复性的劳动，去从事更有创造性的工作了。
现在大多数人对AI的重点还是放在了无所不知上，却忽视了AI没有现实世界的体验。如果要用一个比喻来形容AI，那“全知全能的实习生”再合适不过了，什么都懂，但什么都不会。
所以怎么和AI沟通就变得非常重要了。
这一块我重点分享几个适合普通人的AI提示词技巧和沟通技巧，学会了这几个技巧，我们在和AI沟通时效率会高很多。
语言的边界是世界的边界，AI能力的发挥取决于我们语言的运用。
AI提示词（Prompt）是用户与AI大模型交互的关键工具，其本质在于借助自然语言指令引导AI生成特定内容或达成任务的输入信息。
例如，输入“撰写一篇有关火星探索的科普文章”，AI便会依据该提示生成相关内容。提示词的清晰程度和详细细节直接对AI生成内容的准确性与质量产生影响。
一般来说我会将提示词分为以下三种，这三种是可以同时出现的，只不过某些简单的需求使用简单提示词就够啦。
我们写提示词的时候可以遵从这三种来。
任务型提示词
直接指定任务，像“翻译以下英文段落”或者“生成300字的产品文案”，适用于需求明确的场景。
角色型提示词
经由设定角色来引导AI输出，例如“假设您是资深营养师，设计一周减脂食谱”，这样能够增强专业性与创意性。
结构化提示词
采用模板化指令（如CRISPE原则：清晰、角色、步骤、示例、反馈），以提高AI的理解效率。例如：
角色：资深文案策划
任务：撰写新能源汽车广告语
要求：包含科技感、简洁有力、目标用户为30-40岁男性
``````经典提示词赏析
DeepSeek提示词库
如果还是对提示词一知半解的，可以直接去阅读DeepSeekAPI文档里面的提示词库，了解学习写法。
链接：DeepSeek提示词库
现阶段AI由于上下文，模型能力等问题，其实在处理复杂任务的时候时常会出现“偷懒”这种情况，这种时候就需要我们帮AI拆解任务。
接下来用写一篇“远程办公的未来发展”的文章为例，告诉大家怎么一步步指导AI完成高质量写作。
不要指望AI能一次性完成你想要的内容，在使用AI时要调整好心态，把它当作一个博学但经验尚浅的实习生。它知识面很广，但需要你的引导才能交出令人满意的作业。
比如我们让AI写一个咖啡店的开业方案，刚产出的第一版大概率是不符合我们的需求，我们可以通过继续提问的方式让它优化内容，直到符合我们的要求。
以咖啡店开业方案为例，AI写的第一版方案没有很好地突出“大学生”这个目标客群。这时候，别急着否定，而是可以这样优化对话：
掌握这三个AI沟通的技巧，可以大幅度提升使用效率和生成内容的质量。
之前我写过一篇2025年AI工具推荐的文章，已经非常全了，感兴趣的朋友可以阅读一下这篇：从ChatGPT、DeepSeek到可灵、豆包，2025年AI工具全景图，从入门到精通，这一篇就够了
最后再讲一个要点，AI都会有幻觉，尤其是DeepSeekR1，幻觉率高达14%，所以千万不要轻信AI。
AI幻觉就是AI编造看似合理但实际错误的信息。比如你让AI引用论文，它可能会虚构不存在的论文。就像早期AI会告诉你北京有埃菲尔铁塔，因为它把“北京是中国首都”和“巴黎有埃菲尔铁塔”这两个知识点错误地混在了一起。
首先，AI本质是在猜下一个词。它不真正理解世界，只是通过统计关系预测最可能的下一个词。就像“春天来了，小草...”后面大概率是“发芽了”。猜得越多，出错可能性越高。
其次，训练数据本身可能有错。AI就像只能根据读过的书回答问题，书里有错，回答自然也会错。
再者，过拟合问题。这就像学生不仅记住知识点，还把教材的每个例题、每句话都背下来，遇到不同的场景时就懵了。
此外，AI的上下文限制(约64K或128K词)和被设计成必须回答的倾向，也会导致它在不确定时编造答案，就像考试时不会的题也要瞎写一样。
技术上，可以用更高质量的数据集，对数据严格筛选清洗，或者利用人工反馈引导模型。还可以让AI生成多个答案再投票选出最靠谱的答案，或用思维链让AI展示推理过程。
日常使用时，给AI设置明确边界，比如限定在特定范围内回答，或明确要求基于事实不要推测。也可用不同AI交叉验证，或利用RAG技术提升准确度。
RAG技术是现在减少AI幻觉的主流方法。相当于给AI配个专业知识库，先检索相关事实，再基于这些信息回答。普通AI像是在参加闭卷考试，而使用了RAG技术的AI是开卷考试，自然更准确！
AI幻觉也不一定全是坏处，它也能启发创意，提供意想不到的观点和灵感。在艺术领域，可能带来独特效果和惊喜。在科研中，虽然最初可能是错误的假设，但可能启发新的研究方向，拓宽思路。
借用《三体》的话：“不要轻信，不要轻信，不要轻信”。特别是健康问题上，不要拿AI的诊断建议质疑医生，或自行治疗。时刻保持警惕，别盲目相信AI。
更详细的内容也可以看这篇内容：为什么AI这么能编？深度解析大模型的“幻觉”机制
最后，简单总结一下。
随着DeepSeek的走红和AI技术的普及，我们正站在人类认知革命的风口浪尖。从算法的突破、数据的积累到算力的飞跃，AI的诞生不是偶然，而是人类智慧长河中的必然产物。
未来已来，但未来不是由AI决定的，而是由我们每一个人共同塑造的。让我们怀着好奇心和批判精神，与AI共同创造一个更加美好的明天。
在这个AI与人类共同演进的新纪元，希望这篇入门科普能为你打开认知的一扇窗，让你不再对AI感到云里雾里，而是能够自信地驾驭这个强大的工具，在自己的领域创造更多可能。
如果想要加入我的AI社群，关注公众号，加我微信即可。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。