这篇文章系统性地介绍了人工智能（AI）的核心知识体系。它首先厘清了AI、机器学习、深度学习、强化学习及大模型（LLM）之间的层级关系，指出其本质是让机器从数据中学习规律。文章以Transformer架构及其核心的注意力机制作为现代大模型的基石，解释了其如何高效处理信息。随后，详细阐述了包括MOE、量化、微调、RAG等在内的多种优化与适配技术，旨在让模型更高效、轻量和实用。最后，文章涵盖了从提示工程、思维链等交互方法到云端/本地部署等实践层面，并梳理了关键术语。全文旨在帮助读者建立清晰的AI认知框架，理解从基础原理到技术落地再到实际应用的全链路逻辑。