02 AI 入门目录 · AI 起步路线
先懂底层：把 AI 用成可控系统
你不需要先变成算法工程师，但要知道 AI 如何接收任务、读取上下文、调用工具、被结果校验。懂底层，才能从「反复试提示词」升级为「设计可控系统」。
一句话回答
学底层不是为了背术语，而是为了获得一套排障语言：当 AI 输出不稳定、RAG 找不准、Agent 卡住时，你能快速判断问题出在目标、上下文、模型、工具还是校验。真正值钱的不是「会问」，而是能把 AI 变成稳定交付结果的系统。
目标清楚
×
上下文完整
×
工具可靠
×
校验闭环
开始碰壁
提示无效、模型乱答、工具衔接不上，开始觉得 AI 很难用
开始理解
理解 AI 的工作方式、掌握核心要点，开始建立掌控感
稳定拆解问题
能判断问题出在模型、数据、上下文，工具链还是目标定义
一张图看懂 AI 可控系统
你的输入
目标
背景信息
约束条件
参考示例
AI 理解
语义理解
意图识别
拆解任务
AI 执行
调用模型
检索信息
使用工具
输出结果
生成内容
给出建议
呈现答案
你的校验
结果评估
调整反馈
持续优化
反馈优化（让下次更好）
可控系统的 5 大核心原则
1. 目标清晰
先明确要 AI 做什么，而不是让 AI 猜
2. 上下文完整
给足背景和信息，减少模糊和误解
3. 工具可靠
选择合适的工具，让 AI 做对的事
4. 校验闭环
输出结果要验证，形成反馈闭环
5. 持续迭代
不断优化提示、流程和工具，持续进步
两种使用 AI 的水平差距
初级用法（效率低，易踩坑）
- 只会反复改提示词
- 答案不准，就继续加「你要认真」
- 知识库不好用，只换工具，不查召回和切片
- Agent 失败，只怪模型不行，不看工具权限和返回结果
- 项目上线后没有评测，只靠感觉判断效果
高级用法（高效，结果可靠）
- 按底层链路定位问题
- 先看目标是否可执行，再看上下文是否给够
- 把错误拆到检索、生成、工具、校验四个环节
- 让 AI 每一步有输入、有输出、有证据
- 用小样本评测持续优化，而不是靠一次好答案
动手练习
用 5 个问题，定位一次 AI 失控
找一条你最近不满意的 AI 输出，不急着重写提示词。按照 5 层排查一遍，你会更快知道真正该改哪里。
目标
我要它交付的结果是否明确？
上下文
关键信息、限制和示例是否给够？
模型
这个任务是否超出当前模型能力？
工具
它需要查、算、调用还是只靠猜？
校验
我用什么证据判断它做对了？
本节小结
- 底层原理的价值不是炫技，而是让你知道 AI 系统好在哪里。
- 提示词只是入口，真正影响结果的是目标、上下文、模型、工具和校验的组合。
- 如果想把 AI 用到业务里，就不能只追求「更强大」，而要追求「更可控」。