配套视频
文章会为你建立一个实用的思维模型：一旦把大语言模型（LLM）看作按照概率权重补全文本的系统，编写提示词就不再像魔法，而会变成一项工程工作。这两段视频是同一模型最具代表性、对初学者友好的长篇讲解，主讲人曾亲自参与构建这一领域的许多核心技术。
59:48Andrej 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。
您应该从中获得什么: 建立一个去除神秘色彩的LLM思维模型，将其理解为具有上下文窗口、训练数据、采样机制和失败模式的预测系统。
先观看或了解: 无；演讲虽然较长，但对初学者很友好。
AI Expert 注释: 这仍然是最出色的概念讲解之一。不要过于照字面理解拟人化表述：模型不会思考，也不具备知识；它们只是在约束条件下生成可能性较高的延续内容。
2:11:12Andrej 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。
您应该从中获得什么: 观察经验丰富的用户如何切换工具、模式和上下文策略，同时始终把验证纳入流程。
先观看或了解: 先观看或阅读一份基础的LLM讲解，以免把视频中的实时工作流程误以为是魔法。
AI Expert 注释: 工作流程习惯比具体的产品选择更值得借鉴。把任何需要大量上传文件的做法用于客户或工作场景前，请重新核对当前模型的默认设置、文件处理方式和隐私控制。
