Learning Path
浏览 AI 基础 相关教程与章节。
AI Agent、机器学习、深度学习、数据分析与 Python 科学计算。
教程
29
AI 应用场景 很多人对 AI 的第一印象是聊天机器人，跟它对话很有趣，但聊了几次就觉得也就那样，这是因为你把它当玩具，而不是工具。 真正的价值不在于跟 AI 聊天，而在于用 AI 解决具体问题，比如写邮件、改代码、整理会议记录、分析数据——这些才是 AI 能帮你省下时间的地方。 本章的目标不是列出所有可能的应用场景，而是给你一套寻找 AI 使用场景的思维框架，再通过几个典型场景让你感受如何把 AI 用起来。 AI 的价值不..
向量数据库 在 AI 时代，我们处理的数据形态发生了根本变化。 传统数据库存储的是结构化数据：数字、字符串、日期。 AI 应用处理的是语义：一段文本的含义、一张图片的内容、一段语音的意思，这些语义信息被表示成向量——一串浮点数，比如 [0.123, -0.456, 0.789, ...]。 向量数据库就是专门用来存储、索引、查询这些向量的数据库，没有它，RAG（检索增强生成）做不了，语义搜索实现不了，推荐系统也无法高效运行。 ..
AI 工作流自动化 大家应该都碰到过这样的经历： 每天早上到公司，先花半小时看邮件，筛选出重要的，然后一一回复。 收到客户反馈后，要手动整理、分类，再发给相应的负责人。 社交媒体要定期更新，每次都要写文案、配图、定时发布。 这些重复性工作消耗了你大量的时间，但它们其实不需要太多思考。 AI 工作流自动化就是解决这类问题的：把重复的、规则明确的任务，交给 AI 自动完成。 工作流自动化的核心目标是：把..
AI 工作原理 你可能会问：我只是想用 AI，为什么要懂它怎么工作？ 道理很简单：如果你知道 AI 的能力从何而来，你就能更好地使用它。 你会知道什么时候该信它，什么时候该质疑它。 你会知道它擅长什么，不擅长什么。 你会知道幻觉从何而来，以及如何减少它的影响。 神经网络的直觉理解 现代 AI 的核心是神经网络，这个名字来自于人脑的神经元结构。 大脑神经元的类比 人脑里有大约 860 亿个神经元，..
Prompt 工程进阶 很多人用 AI 的方式是：想到什么就问什么，结果不好就换个问法，来回试几次不行就放弃了，这就像用傻瓜相机拍照——你只负责按快门，剩下的全看相机心情。 Prompt 工程是让你从傻瓜用户变成专业摄影师。 你不需要懂 AI 内部怎么工作，但你需要懂怎么给 AI 明确的指令、清晰的约束、有用的示例。 本模块讲的就是这些实用技术：思维链、少样本提示、系统提示词设计、ReAct 框架、结构化输出控制、调试方法、安..