Week 01 · 打开黑盒
AI 与大模型全景 / The AI & LLM Landscape
Week 01：AI 与大模型全景
Week 01 · 打开黑盒
01 Overview / 课程概览
本周从“AI 能做什么”开始，建立人工智能、大语言模型与生成式 AI 的整体图景。
02 Learning Objectives / 学习目标
- 区分 AI、机器学习、深度学习与大语言模型。
- 用自己的话解释大语言模型的输入、生成与局限。
- 识别一个适合使用 AI 的真实学习或工作场景。
03 Key Concepts / 核心概念
| 中文 | English Terminology | 一句话理解 |
|---|---|---|
| 人工智能 | Artificial Intelligence (AI) | 让计算系统完成需要“智能”的任务。 |
| 大语言模型 | Large Language Model (LLM) | 基于大量文本学习语言规律的生成模型。 |
| 提示词 | Prompt | 给模型的任务说明与上下文。 |
| 幻觉 | Hallucination | 模型给出看似合理但不可靠的信息。 |
04 Lecture / 课堂内容
大语言模型不是搜索引擎，也不是事实数据库。它根据上下文预测更可能出现的后续内容，因此需要清晰的任务描述、可靠的资料与人工核验。
注记课堂提醒
使用 AI 生成内容时，请核验事实、标注使用方式，并保护个人与敏感数据。
05 Key Terms / 核心术语
AI、LLM、Token、Context Window、Prompt、Hallucination。
06 Examples / 案例
比较两个任务：
- “解释 RAG。”
- “面向刚学习 Python 的本科生，用 150 字解释 RAG，并给出一个校园场景。”
第二个提示词更明确地指定了受众、篇幅和场景，通常更易得到可用结果。
07 Code / 示例代码
prompt = "用三句话解释什么是大语言模型，并说明一个局限。"
print(prompt)08 Lab / 实验
完成 Lab 01：AI 产品对比体验，记录不同产品对相同问题的回答差异。
09 Exercise / 练习与作业
选择一个你熟悉的学习或工作任务：说明其中哪些部分可以由 AI 协助、哪些部分必须由人负责，并写出理由。
10 Further Reading / 扩展阅读
后续由教师补充课程指定阅读材料与可靠参考来源。