今天的 AI 工具已经能改变工作方式，但如果不理解基础原理，它们也可能反过来妨碍你。
这项技术仍处早期，却发展得极快，因此即使经验最丰富的开发者也可能迷失在各种怪癖和限制中。
如果不知道这些限制是什么，就不知道如何绕开它们，也无法充分发挥现有技术的能力。
这些概念会为你带来明显优势。你会掌握大家正在使用的术语，更重要的是，会开始以更清晰的方式思考 AI。
理解这些怪癖和限制后，你才能按 AI 的真实面貌使用它：一种奇怪却强大的工具，只有了解边界时才能发挥最佳效果。
观看介绍
AI 很强大，但也很奇怪。
你将学到什么
- 01系统提示词真正做了什么
- 02为什么 LLM 用数字而不是文本“思考”
- 03为什么把上下文窗口塞得太满会适得其反
- 04为什么给 LLM 太多工具会拖慢它
- 05智能体是什么，以及什么时候并不需要它
5 lessons，按顺序学习
- 01
消息、系统提示词与推理 Token
了解 AI 对话底层如何运行，包括用户消息、系统提示词、推理 Token 和工具调用。 - 02
什么是 Token？
了解 Token 如何驱动 LLM 并影响成本与效率，以及编码、解码和词表大小如何帮助优化文本处理。 - 03
什么是上下文窗口？
了解 AI 中的上下文窗口：输入/输出 Token、容量限制以及“中间信息丢失”问题，并通过优化 Token 使用提升模型表现。 - 04
什么是工具？
了解 LLM 工具如何通过系统提示词定义、选择并执行任务，从而扩展 AI 的能力。 - 05
什么是智能体？
了解 LLM 系统中智能体与工作流各自的优势：智能体擅长临场处理，工作流则针对可预测、可重复的任务进行优化。
