学习笔记
学 AI 路上的记录:概念弄懂的瞬间、跑通代码的晚上、以及踩过的坑。点击条目展开摘要。
基础概念本地部署提示词工程动手实验踩坑记录
大白话理解 Token、上下文窗口和温度参数基础概念
把大模型想象成一位只看得懂"菜单"的厨师:Token 是菜单上的字,上下文窗口是餐桌的大小——桌子就这么大,一次摆不下的菜得分批上。温度参数则像厨师发挥的自由度:低温按菜谱来,稳定但呆板;高温敢创新,也容易翻车。搞懂这三个词,和 AI 对话时的很多"玄学"就变成"科学"了。
本地跑通第一个大模型:Ollama 上手记录本地部署
从"大模型只能云上用"到"我自己的电脑也能跑",Ollama 把门槛降到了三条命令。记录了安装、拉模型、跑第一条对话的全过程,以及小内存机器该选多大参数量的模型。
让 AI 稳定输出的三个小技巧:给角色、给例子、给格式提示词工程
与其抱怨 AI 输出随机,不如把约束写进提示词:先告诉它"你是谁",再给它一两个示例,最后规定输出的格式。三招用上之后,可复用性立刻上一个台阶。文中附了我常用的两个提示词模板。
Embeddings 是什么:让机器"读懂"文字的第一步基础概念
"把一句话变成一串数字,意思相近的话数字也相近"——这就是嵌入。它是搜索、问答、推荐背后的共同地基。这篇用找书的例子把它讲透。
用 API 做一个"网页内容一句话摘要"小脚本动手实验
第一个真正跑起来的 API 小实验:抓网页正文、切块、请求模型、拼摘要,不到五十行代码。跑通的那一刻比看十篇教程都有成就感。
AI 生成的代码为什么总要改:我的协作心得踩坑记录
踩了几个月坑后的结论:AI 写代码很快,但"要什么"必须由人说清楚。把任务拆小、验收标准写明、一次只让它改一处,返工率明显下降。AI 是很聪明的实习生,不是全自动程序员。