Chapter 1: 欢迎来到AI时代 / Welcome to the AI Era

第一部分：推开AI世界的大门

一个神奇的开始

想象一下这样的场景：星期天晚上，你盯着面前堆积如山的作业发呆——数学题让你一头雾水，历史报告不知道从何写起，英文作文脑子里一片空白。正当你准备放弃，准备随便应付了事的时候，你想起了一个神奇的工具。你打开电脑，对着一个对话框输入了几行字，几秒钟后——一篇完整的报告出现在屏幕上，逻辑清晰，论证有力。

这听起来像是科幻小说里的情节，对吗？但我要告诉你的是，这已经成为了现实。而且，这仅仅是AI助手所能做的事情的冰山一角。

欢迎来到AI时代，一个正在深刻改变我们生活、学习和工作方式的新纪元。

你已经在使用AI了

也许你还没有意识到，其实在日常生活中，你可能已经多次与AI打过交道。当你向Siri询问“今天天气怎么样”的时候，当你让小爱同学帮你设置闹钟的时候，当你刷抖音时看到精准推送的视频时——这些背后都有AI技术的身影。

但今天，我们要介绍的是一类更加强大的AI工具：大语言模型（Large Language Model，简称LLM）驱动的AI助手。它们包括但不限于：

ChatGPT，由OpenAI公司开发，于2022年11月正式向公众开放。它能够理解和生成人类语言，从回答问题到写文章，从编写代码到创作诗歌，无所不能。在发布后的短短两个月内，ChatGPT就吸引了超过1亿用户，创下了互联网服务用户增长速度的纪录。

Claude，由Anthropic公司打造，擅长处理长文本和分析性任务。它以能够阅读和理解整本书籍而闻名，特别适合需要进行深度阅读和分析的场景。

Gemini，来自谷歌公司，继承了谷歌在搜索和知识图谱方面的优势，能够接入互联网获取最新信息。

文心一言，来自中国的百度公司，对中文语境有着天然的优势。

还有其他许多各具特色的AI助手，它们共同构成了当前AI时代的繁荣生态。

AI助手能做什么

也许你会问：这些AI助手听起来很厉害，但具体能帮我做什么呢？让我给你列举一些真实的场景：

学习辅导。假设你在学习牛顿第三定律（F = -F'），感觉概念抽象难以理解。你可以这样问AI：“能不能用打桌球的例子解释一下牛顿第三定律？”AI会告诉你：当白球撞击彩球时，白球对彩球施加一个力，同时彩球也会对白球施加一个大小相等、方向相反的反作用力。这个解释可能会比课本上的文字更让你恍然大悟。

创意激发。当你在策划班级活动却苦于没有好点子时，AI可以帮你头脑风暴。你可以问：“我们班级想办一个促进同学友谊的活动，有什么有趣的创意吗？”AI可能会建议：交换秘密日记、默契大考验、时光胶囊交换等等。这些点子或许能触发你的灵感，创造出更精彩的方案。

编程启蒙。如果你是编程新手，想要学习如何制作一个简单的小游戏，AI可以一步一步地教你。告诉它：“我想用Python做一个猜数字游戏，应该怎么开始？”AI会给出详细的代码示例和解释，让你能够边学边做，体验编程的乐趣。

写作助手。当老师布置了一篇关于“我的梦想”的作文，你却不知道从何下笔时，AI可以帮你理清思路。你可以先和AI讨论你的梦想是什么，为什么会有这个梦想，要实现梦想需要做哪些努力。在讨论的过程中，你的思路会逐渐清晰，写作也变得不再困难。

语言翻译。当你遇到一段看不懂的英文材料，或者想用英文写一封邮件时，AI可以帮你翻译和润色。它不仅能翻译字面意思，还能帮你调整语气和表达方式，让你的英文更加地道。

这些只是AI助手应用的很小一部分。随着你对AI的了解越来越深，你会发现它能够帮助你做的事情远超想象。

像对待一位知识渊博的朋友

在正式开始学习如何与AI对话之前，我想先帮你建立一种正确的认知：AI助手到底是什么？

很多人在第一次使用AI时会陷入两种极端的误区。一种是过度神化AI，把它当成无所不能的神仙；另一种是过度贬低AI，觉得它不过是又一个华而不实的科技噱头。

事实上，这两种看法都不够准确。

AI助手更像是一位知识极其渊博的朋友。他读过的书可能比你见过的书还多，从古希腊哲学到现代量子物理，从莎士比亚戏剧到最新的网络文学，他都能和你聊上几句。他耐心十足，无论你问多少个“为什么”，他都不会表现出不耐烦。

但同时，这位朋友也有他的局限性。他不像人类一样拥有真实的感官体验——他从未真正闻到过玫瑰的芬芳，也从未真正感受过被微风拂过的舒适。他所知道的一切，都来自于他阅读过的海量文本。因此，有时候他可能会“一本正经地胡说八道”，编造一些看似合理但实际上是错误的信息。这就好像一个从未亲眼见过大海的人，只能从书本上了解海洋，虽然能够描述得头头是道，但终究缺乏真实的体验。

更重要的是，这位朋友需要正确的引导。同样的问题，用不同的方式提问，他会给出完全不同质量甚至完全不同方向的答案。就像请教一位老师，善于提问的学生总能获得更多的知识，而不善于表达的学生则可能得到南辕北辙的答案。

这就是为什么我们需要学习“Prompt Engineering”——提示词工程。我们需要学会如何清晰地表达我们的需求，如何有效地引导AI的思考方向，如何通过巧妙的提问激发AI的创造力。

---

第二部分：揭开AI的神秘面纱

当你输入一个问题时，发生了什么

现在你已经知道AI助手能够做很多事情了。也许你会好奇：这么神奇的能力到底是怎么实现的？背后是什么样的原理？

别担心，我不会用一堆复杂的数学公式和代码来让你头疼。相反，我想用一个生动的比喻来帮助你理解。

神奇的图书馆

想象你进入了一个无比巨大的图书馆。这个图书馆有多大呢？它收录了人类有史以来所有的书籍、文章、网页、对话记录——所有用文字记录的知识都汇聚在这里。而且，这还不是普通的图书馆，这里的每一本书、每一页纸都变成了活的存在，它们会互相“交流”和“对话”。

现在，假设你走进这个图书馆，向管理员提出了一个问题：“什么是黑洞？”

这位管理员不是普通的人类，而是一个超级智能体。他能够在一瞬间阅读完图书馆里所有与“黑洞”相关的资料，然后综合这些信息，给你一个全面而准确的回答。

更重要的是，这位管理员不是简单地从某本书里照搬一段话给你。他会理解你问题的深层含义——你可能是一个物理学初学者，所以他会用通俗易懂的语言解释；他也知道你可能对黑洞的神秘性感兴趣，所以他会加入一些引人入胜的描述。然后，他会综合所有的理解，生成一段专门为你量身定做的回答。

这就是大语言模型工作的基本原理。简单来说：

Prompt（提示词） 就像是你的问题，是输入这个巨大“图书馆”的检索词。

模型（Model） 就是那位超级管理员的大脑，它经过了大量的训练，学会了如何理解问题、查找相关信息、生成回答。

Response（回答） 就是管理员综合所有信息后给你的回复。

当然，真实的AI系统比这个比喻要复杂得多。但通过这个比喻，你应该已经对AI助手的工作方式有了基本的理解。

理解Token：AI的“词汇”

在大语言模型的世界里，有一个重要的概念叫做“Token”。你可能已经在一些AI助手的界面上见过这个词，或者在计算使用量时看到过“消耗了多少Token”的提示。

那么，什么是Token呢？

你可以把Token理解为AI处理文本时的基本单位。它可能是一个完整的英文单词，比如“apple”；也可能只是单词的一部分，比如“app”和“le”；还可能是标点符号、空格，甚至是一段中文字符。

为什么不用我们习惯的“字”或“词”作为单位，而要创造一个“Token”的概念呢？

原因在于，英文和中文的处理方式不同。对于英文来说，完整的单词数量是有限的，但不同单词的组合却几乎无限。如果把每个单词作为一个单位，模型需要记忆的词汇量会非常庞大。而通过将单词拆分成更小的子词单元，模型可以用更少的Token表达更多的含义，同时也能更好地处理生僻词和新词。

举个例子，中文中“我爱你”这三个字可能被分解为3个Token。而在英文中，动词“running”可能会被分解为“run”和“ning”两个Token。这样的处理方式让模型能够更高效地理解和生成文本。

理解Token的概念对于后续学习如何编写Prompt非常重要。因为AI助手的响应质量和长度往往与输入输出的Token数量有关。学会控制Token的使用，能够帮助你更精准地获取想要的回答。

预测下一个词：AI的魔法

现在你可能会问：AI是怎么“思考”的呢？它是如何理解我的问题，又是如何生成回答的呢？

这就要说到大语言模型最核心的工作原理了：预测下一个词。

听起来很简单对吧？但这恰恰是整个系统的精妙之处。

让我用一个例子来解释。假设我给你一句话的开头：“今天的天气真”，你觉得下一个词最可能是什么？

你可能会说“不错”，或者“好”，或者“糟糕”——但考虑到前面是“真”这个程度副词，“不错”是概率最高的答案。

现在，如果我把句子变成“今天的天气真热，我应该”，你的回答可能就变成了“喝水”、“开空调”、“去游泳”等等。

AI的工作方式与此类似。它会根据输入的内容，计算所有可能的下一个词的概率分布，然后选择概率最高的词（或根据一定的随机性选择其他高概率的词）。选出一个词之后，AI再把这个词加入到输入中，继续预测下一个词，如此循环往复，直到生成完整的回答。

这听起来似乎很简单，但要让这个过程产生高质量的回答，需要解决两个关键问题：

第一，模型需要理解语言。 “今天的天气真”后面接“不错”的概率要高于接“电脑”，模型必须理解“天气”是一个与温度、阳光相关的概念，而“电脑”是完全不同的类别。这种对语言和世界的理解能力，来自大量的训练。

第二，模型需要知道丰富的知识。 当你问“牛顿是谁”的时候，模型必须知道历史上有一个叫牛顿的科学家，他提出了万有引力定律，他在苹果树下受到启发等等。这些知识也是从训练数据中获得的。

大语言模型的训练过程，本质上就是让它通过阅读海量的文本，逐渐学会语言的规律和蕴含的知识。当你向它提问时，它并不是在“回忆”某个现成的答案，而是在根据你输入的内容，预测一系列最可能出现的词，这些词组合在一起，就形成了回答。

这就好比你小时候学写作文，老师会让你模仿优秀范文的结构，学习如何组织语言。随着阅读量的增加，你自然而然地就能写出通顺流畅的文章了。大语言模型也是一样的——它“阅读”了人类历史上几乎所有的文字作品，因此学会了如何生成符合语言规律的回答。

创造力从何而来

你可能还会有疑问：如果AI只是在预测下一个词，那它怎么能写出富有创意的故事、提出新颖的观点呢？

这就要说到AI的“创造力”机制了。在预测下一个词时，AI并不是每次都选择概率最高的词。它会按照一定的概率分布进行采样，类似于抛掷一个带有偏向性的骰子。这样一来，即使同一个问题，AI每次的回答都可能略有不同——就像同一个作文题目，不同的人会写出不同的文章一样。

而且，由于AI“阅读”过的文本涵盖了人类知识的方方面面，它能够将不同领域的概念进行看似新颖的组合，产生人类可能从未想到过的观点或表达。这种“组合创新”的能力，也是AI创造力的来源之一。

当然，我们必须承认，AI的创造力与人类的创造力有本质的区别。人类可以基于真实的生活体验、情感记忆、价值观做出真正的原创性创造，而AI的“创造”更多是对已有知识的重新组合和演绎。但这并不意味着AI的创造力没有价值——恰恰相反，这种组合能力常常能够给我们带来意想不到的启发。

---

第三部分：为什么学习Prompt Engineering

不是问问题那么简单

现在你已经对AI助手的工作原理有了初步了解。也许你会想：既然AI这么“聪明”，我直接问它问题不就行了吗？为什么还要专门学习如何提问？

这是一个非常好的问题。让我通过几个例子来回答。

同一个问题，不同的问法

假设你对AI说：“讲讲人工智能。”

AI可能会给出一个泛泛而谈的回答：人工智能是计算机科学的一个分支，致力于研究能够执行通常需要人类智能的任务的系统，包括视觉感知、语音识别、决策制定等。

这个回答没有错，但可能过于笼统，对你的帮助有限。

但如果你换一种问法：“我是高中学生，想了解人工智能的基本概念和当前的主要应用领域，希望用于我的科技创新项目。请用通俗易懂的语言解释，并给出一些实际应用的例子。”

这样的问题，AI就会给出一个更有针对性、更适合你需求的回答。它知道你是一个高中生，会避免使用过于专业的术语；它知道你需要用于科技创新项目，所以会侧重于实际应用；它知道你希望通俗易懂，所以会多用比喻和例子。

看，同一个主题，只是换了一种提问方式，得到的结果就完全不同。这就是Prompt Engineering的核心价值所在。

Prompt Engineering是什么

Prompt Engineering，即提示词工程，是一种专注于如何设计、优化输入给AI的提示词的技术和实践。它不是教你如何“操控”AI，而是教你如何更有效地与AI沟通，让AI能够更准确地理解你的需求，更高质量地完成你的任务。

打个比方，这就像学习如何有效地向老师请教问题。同样是问问题，善于表达的学生能够快速获得有用的指导，而不善于表达的学生可能绕了很多弯路却收获甚微。Prompt Engineering就是让你成为那个“善于表达的学生”。

具体来说，Prompt Engineering包括以下几个方面的能力：

清晰表达需求。你需要学会准确描述你想要什么，避免模糊和歧义。如果你对AI说“帮我看看这个”，AI可能不知道“看看”是什么意思——是帮你检查错误？还是帮你解释内容？或者是帮你补充完善？

提供必要的上下文。有时候，AI需要知道更多的背景信息才能给出准确的回答。比如，如果你想让AI帮你修改作文，最好把作文的全文、老师的修改要求、你自己的写作意图都告诉AI，这样它才能给出真正有用的建议。

分解复杂任务。对于复杂的问题，一次性提问可能效果不佳。学会将大问题分解成小问题，逐步引导AI，往往能够得到更好的结果。比如，你想让AI帮你准备一场演讲，与其让它一次生成完整的演讲稿，不如先让它帮你梳理要点，再逐点展开，最后再整体优化。

引导AI的思考方向。通过巧妙的提示词，你可以引导AI从特定的角度思考问题，或者采用特定的风格和方式完成任务。如果你想要一个幽默的回答，就说“用幽默的风格回答”；如果你需要一个严肃的分析，就说“请进行严谨的分析”。

21世纪的新技能

也许你会问：我现在还是个学生，有必要现在就学习这些吗？

我的回答是：非常有必要。而且，越早学习越好。

让我们回顾一下历史。每一次重大的技术革命，都会带来新的必备技能。工业革命时代，识字和基本的算术能力成为必需；信息时代，计算机操作和互联网使用成为必备；到了AI时代，与AI协作的能力正在成为新的核心竞争力。

这并不是危言耸听。想象一下10年后的你，可能正在大学里写论文，在公司里做项目，或者在创业实现自己的梦想。在所有这些场景中，AI都可能成为你最得力的助手——如果你懂得如何有效地使用它的话。

学习Prompt Engineering不仅仅是掌握一项技术技能，它还能带来更深层的能力提升：

思维清晰度的训练。想要准确地提问，你必须先把自己的想法理清楚。在这个过程中，你的逻辑思维和表达能力都会得到锻炼。

批判性思维的培养。AI的回答不一定总是正确和全面的，学会质疑和验证AI的输出，能够培养你的批判性思维能力。

学习效率的提升。掌握Prompt Engineering，你就能更好地利用AI这个强大的学习工具，在学业和自我提升上事半功倍。

面向未来的准备。无论你将来从事什么职业，AI都可能在你的工作中扮演重要角色。及早建立与AI协作的经验，会让你在未来更加从容。

---

第四部分：你的AI学习地图

本书能带你到哪里

现在你已经了解了AI助手是什么，它们如何工作，以及为什么要学习Prompt Engineering。接下来，我想向你介绍这本书的整体规划，帮助你了解接下来将要学习的内容，以及每部分内容能够帮助你达成什么目标。

本书共分为15章，分为三个主要部分：

第一部分（第1-4章）：AI基础入门

这部分为你奠定坚实的基础。第1章（也就是你现在正在读的这一章）帮助你建立对AI的初步认知，了解什么是大语言模型，它们如何工作，以及Prompt Engineering为什么重要。

第2章将带你深入了解ChatGPT、Claude、Midjourney等常见AI工具，包括它们各自的特长和适用场景。你将学会如何注册账号、开始第一次对话，以及如何评估AI回答的质量。

第3章是你的第一次实践机会。我们将一起练习编写基本的Prompt，体验不同的提问方式带来的不同结果，并建立评估Prompt效果的基本框架。

第4章将介绍Prompt Engineering的核心原则和框架。这些原则将贯穿全书，帮助你在任何场景下都能写出有效的Prompt。

第二部分（第5-10章）：核心技能进阶

这部分将带你掌握Prompt Engineering的各种高级技巧。第5章教授如何控制AI输出的风格和格式，无论是正式的学术报告还是轻松的朋友圈文案，你都能应付自如。

第6章专注于推理和逻辑能力的激发。你将学会如何引导AI进行深度思考，解决复杂问题，以及如何利用AI辅助数学推理和逻辑分析。

第7章教你如何与AI进行多轮对话，实现任务的分解和迭代优化。真实的AI应用往往不是一蹴而就的，而是需要多轮交互和改进。

第8章介绍如何利用角色扮演（Role-Playing）来增强AI的表现。通过让AI扮演特定的角色，如英语老师、编程导师、职业顾问等，你可以获得更加专业和针对性的帮助。

第9章专注于知识密集型任务的Prompt技巧，包括如何让AI帮助你进行信息检索、文献综述、知识总结等。

第10章是关于AI代码能力的专项训练。你将学会如何利用AI辅助编程，包括代码生成、调试优化、架构设计等。

第三部分（第11-15章）：实战应用与综合

这部分将带你进入真实的应用场景，进行综合实战。第11章聚焦于学习场景，展示如何利用AI辅助各学科的学习，从数学到语文，从历史到物理。

第12章是创意写作的专章。你将学会如何利用AI激发创意灵感、突破写作瓶颈、进行创意发散和收敛。

第13章面向未来职业，介绍如何利用AI进行职业探索、简历优化、面试准备等。

第14章探讨AI时代的重要议题，包括AI的局限性、潜在风险、伦理考量等，帮助你成为负责任的AI使用者。

第15章是全书的总结和展望，回顾所学的核心技能，探讨AI技术的发展趋势，并为你指明继续深入学习的方向。

学习路径建议

每个人的基础和需求不同，我建议以下几种学习路径：

系统学习路径：如果你希望全面掌握Prompt Engineering，建议按顺序从第1章读到第15章。每章都有新的收获和挑战，循序渐进地提升你的能力。

快速入门路径：如果你想尽快开始使用AI，可以先读第1章、第3章和第4章