关于这份学习指南

这套内容为谁准备

面向希望在日常工作和生活里用好 AI 的人。无需编程基础。API、工具调用、RAG 与 Agent 主要通过场景解释，不要求你安装开发环境或申请密钥。

36 节课按 9 个阶段展开。先学习模型、训练、Token与上下文，再进入提示词、文本与多模态应用；随后按API、消息、工具、知识库、工作流和Agent展开。每课以完整讲解为主，穿插定义、对照表和推演示例；之后提供理解检查与可选练习。

怎样使用课程里的示例

可复制的输入、通知、费用表、规则文件和结果对照均为本站编写的教学例子，不是真实客户资料或运行日志。结果示例用于说明通过条件，不要求你的工具逐字输出相同文本。含“暂定”“未知”“待确认”的信息，应在自己的结果中继续保留。

大部分练习只需要常用 AI 对话工具。图片和音频功能取决于工具支持情况，课程提供文字替代路线；Dify 实际搭建需要可用工作区与模型配置，可能产生服务费用。界面名称以你正在使用的版本为准。

实验会做什么

6 个实验都在浏览器中运行。提示词实验组合你选择的信息；上下文实验模拟资料装箱；RAG 实验按预设规则挑选示例片段；工作流与 Agent 使用预设事件和分支；成本实验按你输入的假设计算。它们不请求真实 AI，不联网查询场地，也不会预约或发送消息。

实验日志展示可观察的任务事件，不是模型内部的隐含思考过程。学习后请把方法迁移到你使用的真实工具，并根据实际结果检验。

参考来源与更新范围

课程主要对照 Microsoft《Generative AI for Beginners》的导论、提示词和RAG章节，以及 Hugging Face《Agents Course》第一单元中的LLM、消息、工具与最小Agent章节。Google机器学习教程用于基础概念核对，MCP与Agent Skills使用各自官方说明，Dify用于可选操作练习。本站保留这些主题的概念关系，用中文重新组织讲解；不复现其完整编程课程，也不要求掌握原课中的框架代码。Google AI Essentials和AI Fluency的公开大纲仅作应用与协作方面的补充参考。资料核对日期：2026 年 9 月 10 日。课程不提供模型排名或实时价格；接口字段、产品能力、计费和政策会变化，实际使用以服务方当前说明为准。

• Google · What is Machine Learning?

  对应模型、机器学习任务与生成式AI的基础定义。

• Microsoft · 生成式AI与大语言模型导论

  对应基础术语、模型工作方式与应用范围；不以其中历史产品示例作为当前能力或报价。

• Google · Introduction to Large Language Models

  对应语言模型、Token与上下文。原课包含技术前置知识，本站以不需要公式的解释展开。

• Hugging Face · What are LLMs?

  对应逐Token生成、注意力、训练与模型调用。本站不要求掌握模型架构代码。

• Hugging Face · Messages and Special Tokens

  对应消息来源、聊天模板与历史如何进入模型；实际历史管理方式由应用决定。

• Google · 理解与计算 Token
• Anthropic · AI Fluency 课程大纲

  参考描述任务、检查结果、再次反馈的协作过程；没有照搬其整套课程。

• Microsoft · Prompt Engineering Fundamentals

  对应提示词概念、输入组成、示例与迭代；本站中文案例独立编写。

• Google Cloud · 提示词示例与改进方法

  参考任务、背景、样例和具体约束的讲法；本站另写中文材料及输入输出示例。

• Anthropic · 提示词与评估
• Google AI Essentials · 零基础课程大纲

  参考其从日常工作任务切入、把练习与能力对应的安排。此处阅读的是公开大纲，不是付费课程全部内容。

• OpenAI · 评估实践
• Google · 图像理解
• Google · 创建资料笔记并问答

  参考新建笔记、加入来源、针对来源提问的实际操作。产品界面可能随版本调整。

• Hugging Face · 从API与工具构建最小Agent

  对应从一次调用到工具执行、结果回传与继续生成的教学顺序；本站用白话伪代码和自写场地示例讲解。

• Dify · 创建一个简单聊天应用

  参考 LLM 节点、变量引用和预览方式，练习任务与提示词为本站设计。

• OpenAI · 工具调用流程
• Dify · 可视化工作流入门

  参考先展示产物，再配置输入、处理和输出节点的教程结构。

• Hugging Face · What are Tools?

  对应工具定义、输入参数和模型与外部执行的分工。

• Microsoft · RAG and Vector Databases

  对应资料准备、检索与生成链路；向量与原文需保存对应关系，本站不把相似度或RAG本身当成准确性保证。

• Dify · 用知识库回答问题

  参考上传文档、查看片段、检索测试与连接回答节点的操作；不采用“知识库保证正确”等过度概括。

• OpenAI · 检索与语义搜索
• Anthropic · 构建有效的 Agent
• MCP · 官方协议介绍
• Agent Skills · 开放格式说明
• Hugging Face · 从例子理解 Agent

  参考先给具体目标，再区分模型与工具的解释顺序。

• Hugging Face · Agent 的动作与反馈循环

  参考分步事件追踪；本站只展示可观察的动作与反馈，不把示例当作模型内部思考记录。

• OWASP · 生成式 AI 风险说明

学习进度在哪里

“我已学完”标记和最近阅读位置只保存在当前浏览器的本地存储中，不会跨设备同步。浏览器清理数据、无痕模式或禁用存储可能让记录无法保留。课程和实验始终可以直接使用。

实验中的输入只用于当前页面计算，刷新后恢复默认。本站不需要登录 AI 账户，也不会要求填写 API Key。