AI误区与思维模型
了解AI在做什么、会在哪里失败，以及哪些常见误区只会浪费时间。
26 项内容 (12 篇文章 · 14 个视频)
从这里开始
浏览完整内容之前，先阅读几篇推荐文章。
此主题下的更多内容
7 分钟阅读Why AI explanations feel like learning—and often aren't
A fluent explanation can make a subject feel familiar before you can actually use it. These three tests reveal whether AI helped you learn or merely helped you follow along.
AI新手
69 分钟智能体生态：将智能体投入生产后得到的经验
MLOps.community. Prosus的AI副总裁和一位AI工程师讲述了他们在集团旗下公司部署智能体时真正出现的问题：上线前进行提示词注入渗透测试；Jira智能体无法理解人类简写而执行了不安全的写入；通过让智能体明确展示自身假设来处理陈旧上下文；以及在降级设计中，一旦智能体增加认知负担，就将其合并或停用。这就像把文章中的失败模式登记表搬进了一场现场复盘。
高级
10 分钟阅读生产AI失败模式：演示之后会出什么问题
AI系统通常以可预测的方式失败：幻觉、上下文过时、过度迎合、提示词注入、不安全的工具调用、模式漂移和薄弱的降级机制。这是一份面向真实工作流交付团队的生产AI失败模式清单。
高级
6 分钟阅读AI与Google：什么时候搜索，什么时候提问
搜索与AI助手不能互相替代。这份实用指南会说明哪种工具适合哪类问题，并通过并列示例展示哪些情况应该结合使用两者。
AI新手
8 分钟阅读提示词的构成：角色、上下文、任务、约束与格式
一个由五部分组成的模板，适用于任何提示词和任何AI工具，能将回答质量从“一般般”提升到“切实有用”。文中包含完整示例、常见错误，以及至关重要的排列顺序。
初级
10 分钟阅读思维链、自我批评、思维树——何时使用哪一种
三种能切实提升AI处理难题时输出质量的推理技术，以及使用它们的成本效益账。本文提供具体提示词、并列对比，并说明现代推理模型带来的注意事项。
中级
11 分钟阅读分块、重排序与混合搜索：让RAG真正发挥作用
大多数RAG实现效果不佳，是因为三个环节出了问题。本实用指南介绍如何对文档分块、对结果重排序，并将关键词搜索与语义搜索结合起来，而无需成为搜索工程师。
中级
10 分钟阅读推理模型提示词工程（o3、R1、Claude扩展思考）
推理模型并不是增加了额外步骤的快速模型。它们适合不同的提示方式，会忽略一些传统模式，也有自身的陷阱。本文是一份关于如何用好推理模型的实用指南。
中级
7 分钟阅读为任务选择合适的模型：2026年决策速查表
根据任务类型选择模型。GPT、Claude、Gemini、推理模型和开放权重选项——按各自真正擅长的领域分类，并配有简单的决策规则。
初级
6 分钟阅读AI为何会给出自信的错误答案：初学者幻觉指南
AI并不会像人一样说谎。它会生成流畅却虚假的具体信息，因为生成合理内容和验证事实是两项不同的工作。本文介绍背后的原理、发生的原因，以及如何避免为此付出代价。
AI新手
10 分钟不到10分钟，掌握Perplexity的80%！
Jeff Su. Jeff开篇就展示了文章所依据的工具谱系：ChatGPT和Gemini位于“创意”一端，Perplexity和Google Search则位于“准确、实时、有来源”一端，随后实际演示了第三种选择。视频中段的奥运奖牌比较，是我们见过最清楚的“这种情况应该问聊天机器人，这种情况应该用Google”示范。看完后，你的搜索流程中会多出第三种工具，也会掌握一条在三者之间做选择的实用规则。
AI新手
29 分钟思维树：利用大语言模型进行审慎的问题求解（完整论文评述）
Yannic Kilcher. Yannic逐步讲解Princeton/DeepMind最初的Tree of Thoughts论文——生成、评分、剪枝、回溯循环；它为何能将“24点游戏”的准确率从4%提高到74%；以及这项技术在消耗10×token、得不偿失时的界限。它之所以实用，恰恰是因为它迫使你将ToT视为一种搜索算法，而不是神奇的提示词前缀。
中级
25 分钟提示词入门101｜Code w/ Claude
Anthropic. Anthropic Applied AI团队的两名成员现场构建一个真实提示词，逐步加入角色、结构化章节和明确的思考步骤。这是YouTube上最可信的“如何使用思维链而不将其仪式化”演示，也具体阐明了文章的观点：“不要再把‘让我们一步一步思考’粘贴到所有提示词中。”
中级
131 分钟我是如何使用LLM的
Andrej Karpathy. 在这段后续视频中，Karpathy坐在ChatGPT、Claude、Gemini和Perplexity前，像一名熟练用户一样实际操作这些工具。读完文章并看过他的“入门”演讲后，再观看这段视频，你会看到思维模型如何实时应用于实践，其中包括一些细小却重要的选择（使用哪个模型、哪种模式、何时粘贴与何时上传）。正是这些选择，让总是感到挫败的初学者与能够一次获得有用答案的人拉开差距。
AI新手
60 分钟[1小时演讲] 大语言模型入门
Andrej Karpathy. OpenAI的创始工程师之一用通俗英语，对大语言模型（LLM）究竟是什么做出了最清晰的一小时讲解。其中“LLM的心理学”一节正是文章希望你建立的思维模型：这些模型为什么会产生幻觉，为什么擅长把握感觉却不擅长计数，以及为什么编写提示词更接近指导，而不是编程。
AI新手
3 分钟构建OpenAI o1
OpenAI. o1团队用三分钟讲述模型在强化学习（RL）训练期间开始质疑自身推理的那个时刻。这是一手资料，可以佐证文章的观点：思维链如今发生在模型内部，而不是由你写入提示词。
中级
28 分钟o1究竟是怎么回事？为什么o1是第三种模型范式，以及你可能不知道的10件事
AI Explained. 这是最清晰、不炒作的讲解，说明o1（以及由此延伸的o3、R1和Claude extended thinking）为何在下一个token预测之上加入强化学习，以奖励正确的多步骤答案，以及这对你与模型沟通的方式意味着什么。看过它之后，文章中“不要再说‘一步一步思考’，而要开始编写规格”的建议就不会显得武断。
中级
34 分钟“生成式AI”并不是你以为的那样
Acerola. 一位开发者兼随笔作者耐心地梳理“AI只会生成垃圾内容／AI拥有魔力／AI就是偷窃”这组三种误区，同时在屏幕上展示代码。如果文章中的误区#4或#7（“它只是抄袭”“它只是针对艺术的抄袭”）一直让你难以释怀，这段视频提出的不同意见值得你认真听取。
AI新手
12 分钟我们对AI有哪些误解（前Google CEO参与讲解）
Cleo Abram. Cleo Abram梳理了“它会杀死所有人”和“比火更具深远意义”这两种极端观点，向Eric Schmidt提出令人尴尬的问题，最后落在清醒理性的中间立场上。其中“我们正生活在一个电车难题之中”的框架与文章的精神完全一致：既不轻视这项技术，也不把它灾难化，而是理解它究竟是什么。
AI新手
36 分钟Andrew Ng：AI领域的机遇——2023
Stanford Online. Andrew Ng是这一领域的真正建设者之一，他直截了当地说明AI擅长什么、不擅长什么，以及现实的机会在哪里。这是对社交媒体观点的有益平衡——语气和文章一样冷静、不炒作，只是更深入地探讨了“这一领域究竟将走向何方”。
AI新手
8 分钟大语言模型简明解读
3Blue1Brown. 这是YouTube上最清晰的八分钟大语言模型（LLM）思维模型。Grant Sanderson讲解了“下一个词预测”、参数、训练和基于人类反馈的强化学习，全程没有陷入炒作。读完文章后立即观看，你就会发现，“AI不过是加强版自动补全”不再只是一句口号，而是成了实用的简要概括。
AI新手
10 分钟为什么大语言模型会产生幻觉
IBM Technology. Martin Keen将幻觉分为四类——句内矛盾、与提示词矛盾、事实错误和无意义内容——并在灯光板上逐一讲解。文章解释了背后的原因，而这段视频会提供一套识别错误类型的词汇，让你在实际遇到问题时判断眼前属于哪一类错误，进而决定应该在多大程度上信任某个回答。
AI新手
36 分钟与Rob Miles聊ChatGPT——Computerphile
Computerphile. 这是一场节奏从容的长篇对谈，AI安全研究人员Rob Miles解释了为什么一个经过训练、以预测看似合理的文本为目标的模型，从结构上就注定有时会编造事实。视频录制于2023年初，但其中解释的底层机制并未改变；要真正理解“它是流畅性引擎，而不是真相引擎”，这仍然是最清晰的阐释方式。
AI新手