写在前面
这是一门适合所有人的 AI 通识课，也是整个 AI 学习路线里最基础、最入门的一门课程。咱们这个教程，放在全网也是非常稀缺的了。
别担心难——这是一门真正的零基础课：你不用懂编程，也不用懂数学，只要会发微信、会上网，就能轻松跟下来。不管你是学生、上班族、创业者，还是单纯对 AI 感到好奇，这门课都是为你准备的。
学完这个教程，你就能搞懂大家天天挂在嘴边的那些 “AI 黑话”——大模型、幻觉、Token、AI Agent、上下文窗口、多模态、RAG、MCP……从此聊起 AI 不再一脸懵逼，还能用它实实在在帮自己提速。
不过在开始之前，有句话我想先跟大家说说：你肯定也听过那句话——AI 不会取代你，但 “会用 AI” 的人，会取代 “不会用 AI” 的。听着扎心，却是很多行业这两年正在发生的现实。
说白了，AI 这趟车已经开起来了，你不上，自然有人上；这门课你今天不学，身边人明天就会替你学。等别人都靠 AI 把活儿干得又快又好，你才回过神来，那会儿再追可就被动多了。所以别再犹豫观望——越早上车，越占先机。
放轻松，我会尽可能用大白话讲清楚。准备好了吗？咱们这就开始吧！
一提起 “大模型” 或者 “AI”，不少小伙伴可能会有点发怵，觉得这是一个高深莫测的东西。其实大家别害怕，虽然大模型这门技术底层比较复杂，但咱们学习大模型，又不是让你去开发一个大模型，而是学习如何使用大模型而已。
大模型是什么？
大模型，全称是 “大语言模型”（Large Language Model，简称 LLM），它是当前人工智能（AI）领域最核心的技术。
虽然真正的 “AI” 涵盖的范围非常广，比如自动驾驶、人脸识别等等，但我们平常用的、新闻里聊的、能帮你写文章写代码的那个神奇的 “AI”，绝大多数时候指的都是 “大模型”。
小伙伴们千万不要被 “大模型” 这几个字给唬住了。你就把它看成是一个读遍了人类历史上几乎所有书籍、网页、文章的 “超级学霸”，一下就好理解了。
每当我们向这个 “超级学霸” 提问，它并不是在数据库里去死板地搜索现成的答案，而是凭着学过的海量知识，一个词一个词地推测、生成出回答来。这就好像我们上学时做填空题，会根据上下文的语境，自然而然地填出下一个最合适的词。（关于原理细节，我们后面会慢慢介绍）
提示: 它的名字虽然叫 “大语言模型”，但如今很多大模型早已不止会处理文字了。它还会看图片、听声音、生成视频等（这就是后面会讲的 “多模态模型”）。只是大家已经习惯了，会笼统地把它们都叫作 “大模型”。
1. 为什么叫 “大” 模型？
既然叫 “大” 模型，那它到底 “大” 在哪里呢？主要体现在以下 3 个方面：
- 参数规模大：传统的 AI 模型可能只有几百万个参数，而大模型动不动就是上百亿、上千亿个参数。参数量越大，大模型往往就越聪明。
- 训练数据大：大模型在训练时，几乎读遍了整个互联网的公开文本，包括维基百科、各种书籍、新闻、论坛帖子等。其训练数据量动辄达到几万亿个 Token。
- 算力消耗大：训练一个大模型，往往需要成千上万张顶级显卡（如 NVIDIA H100）。连续运转好几个月，电费加硬件成本动不动就是上亿美元。
正是因为这 “三个大”，大模型才能涌现出近乎 “人类智能” 的能力。
2. 大模型 vs 搜索引擎
在初学阶段，很多小伙伴容易把大模型和传统的搜索引擎（如百度、谷歌）搞混，觉得它俩都是用来 “找答案” 的。其实，它们的工作原理有着本质上的区别：
- 搜索引擎：本质上是一个自动化的 “图书管理员”。当你输入关键词时，它会在庞大的互联网书库里找出匹配的网页，然后甩给你一堆带关键词的链接。至于读、提炼、总结，得你自己来。
- 大模型：本质上是一个全能的 “领域专家”。当你提出问题时，它不需要去翻具体的网页原文，而是凭借大脑中早已消化吸收的海量知识，经过内部推理和组织，直接 “生成” 一份专门为你定制的回答。
一句话总结：搜索引擎给你的是 “资料”，答案得你自己找；而大模型直接给你的，就是 “答案”。
举个简单的例子，假设我们想知道 "番茄炒蛋怎么做"。此时如果使用：
- 搜索引擎：返回 10 条链接——下厨房、美食天下、小红书……你得一个个点开，对比不同做法，再自己总结。
- 大模型：直接给你一份完整的做法，从食材用量到步骤顺序一应俱全，甚至还能照着你的口味（“我不吃葱”）实时调整。
大模型能干什么？
在以前，计算机只能严格执行我们写好的指令。而如今，大模型真正具备了 “理解” 和 “创造” 的能力。能帮我们做的事情非常多，比如：
- 内容创作：写文章、写邮件、写小说、撰写视频脚本，甚至写诗作词。
- 代码开发：帮你写代码、找 Bug、解释复杂的业务逻辑。
- 信息处理：提炼长文摘要、总结数万字的会议记录、进行多国语言的精准翻译。
- 逻辑推理：制定详尽的旅行计划、进行数据整理与分析、甚至扮演特定的专家角色与你进行深度对话。
- 多模态能力：根据文字描述生成图片、生成视频、克隆某个人的声音、识别图片中的物体、把照片里的文字提取出来。
- 角色扮演与陪伴：扮演心理咨询师陪你聊天、扮演英语老师陪你练口语、扮演古代诗人和你对诗。
当然了，这里小伙伴们简单了解一下即可。在后面 “大模型能做什么” 这篇文章中，我们会全面详细地介绍。
大模型有什么特点？
作为世界上最前沿的科技，大模型有以下几个非常鲜明的特点：
- 知识渊博：它的训练数据几乎包含了互联网上的所有公开文本，可以说上知天文、下知地理。
- 能懂 “人话”：不需要你掌握任何复杂的编程语言，只要用自然语言（比如普通话、大白话）跟它聊天，它就能听懂你的诉求。
- 举一反三：它拥有神奇的 “涌现能力”——当模型大到一定程度，会自己冒出许多小模型没有的新本事。因此不光能完成训练时的固定任务，还能触类旁通，解决很多它从没见过的新问题。
- 偶尔 “幻觉”：虽然它很聪明，但偶尔也会一本正经地胡说八道，这就是所谓的 “幻觉”，后面的章节中，我们会专门讲怎么规避它。
- 知识有滞后性：大模型的知识，会停留在它 “训练完成” 的那一刻。比如一个 2025 年训练完的模型，你问它 2026 年的新闻，它是不知道的。
正因为有 “幻觉” 这个毛病，在使用大模型时，凡是重要的事实、数字、人名、引用，我们最好自己再核对一遍，别全盘照单全收。
大模型都有哪些？
现在市面上的大模型可谓是神仙打架、百花齐放，比如大家经常听说的 GPT、DeepSeek、Kimi 等等。刚接触时，小伙伴们可能会觉得眼花缭乱，完全不知道该怎么区分。
其实别慌，不管市面上有多少种大模型，都可以简单地分为两大阵营：闭源模型和开源模型。
1. 闭源模型（花钱去餐厅吃饭）
闭源模型，指的是背后的研发公司把核心技术代码藏了起来、不对外公开。我们只能通过他们提供的网页，或者花钱调用 API 接口来使用。
这就像去高档餐厅吃饭，你只管付钱点菜就行。至于后厨怎么炒、用了什么秘方，你不用管，也看不到。
其中，常见的闭源模型有：GPT、Claude、Gemini 等。
2. 开源模型（拿菜谱自己回家做）
开源模型，指的是研发公司大方地把模型本身（主要是参数）公开放到网上，任何人都能免费下载来用。
这就像别人直接给了你一本秘制菜谱，你可以自己回家买菜做饭，甚至还能照着自己的口味加点盐、加点醋（也就是后面阶段我们要学的 “大模型微调”）。
其中，常见的开源模型有：DeepSeek、Qwen（通义千问）、Llama（Meta）等。
怎样使用大模型？
针对不同需求，使用大模型主要有以下 3 种方式。
1. 网页版或 App（适合所有人）
这是最简单的方式：我们打开网页或者 App，输入你的问题，然后大模型就会回复你。
比如 ChatGPT、DeepSeek、Kimi、豆包、通义千问（Qwen）等都提供网页和 App，开箱即用。
如果你是完全零基础，建议就从这种网页版或 App 入手——比如 DeepSeek、豆包、Kimi，打开就能用，基本都是免费的。先聊起来、用起来，这是上手最快的方式。
2. 调用 API 接口（适合开发者）
如果你是一名开发工程师，想要把大模型的能力集成到自己的产品里（比如做一个智能客服、AI 写作助手），那就可以调用大模型厂商提供的 API 接口。
这种 API 接口一般按 Token 数量计费，价格也越来越亲民。
3. 本地部署（适合追求隐私和定制的用户）
如果你不想把数据传到云端，或者想对模型进行个性化定制，此时就可以把开源模型（如 Llama、Qwen、DeepSeek 开源版）下载到自己的电脑或服务器上运行。这样数据完全留在本地，安全又可控。
为什么要学习大模型？
很多小伙伴可能会问：“我不是做程序开发的，或者我是完全 0 基础的小白，也有必要学这个吗？”
答案是：非常有必要，而且是必学！
在未来的工作和生活中，AI 就像水和电一样，必然成为一种基础设施。我们学习大模型，并不是要求大家从 0 去开发一个大模型，而是要学会如何把它作为提高自身生产力的超级工具（理解这一点非常重要）。
举几个真实的例子：
- 一个设计师使用 AI，把原本要 3 天的海报设计，缩短到了 2 小时。
- 一个运营同学使用 AI，批量生成了 100 条不同风格的营销文案。
- 一个程序员使用 Codex，10 分钟内搭好了一个完整的网页。
- ……
懂大模型的人，做事效率往往是普通人的好几倍。这就好比别人还在吭哧吭哧蹬自行车，你却已经开上了自动驾驶的跑车。
大模型（AI）学习路线
大模型、AI 编程、AI Agent、提示词工程、LangChain……
对于上面这些词，相信小伙伴或多或少都听过。AI 相关的内容实在太多，大多数人根本不知道从哪儿入手，上网问别人，得到的回答也五花八门。
为了让小伙伴们少走弯路，我梳理了一条完整的 AI 学习路线，主要分成下面 6 个阶段。
| 阶段 | 教程 | 内容 | 适合谁 |
|---|---|---|---|
| 第 1 阶段 | 《大模型教程》 | 主要扫清大模型最基础的概念，比如 LLM、Token、幻觉、RAG 等 | 所有人 |
| 第 2 阶段 | 《提示词工程》 | 学习如何更高效地与 AI 沟通，写出高质量的提示词 | 所有人 |
| 第 3 阶段 | 《AI 编程》 | 使用 Cursor、Claude Code、Codex 等工具，通过自然语言写代码 | 想学编程的小白 / 想提效的开发者 |
| 第 4 阶段 | 《大模型 API 开发》 | 学习如何调用 DeepSeek、GPT 等大模型的 API 接口 | 开发者 |
| 第 5 阶段 | 《LangChain 教程》 | 用代码将大模型与数据库、API 结合，构建企业级 AI 应用 | 开发者 |
| 第 6 阶段 | 《大模型本地部署》 | 在自己的服务器上部署开源模型（如 Llama、Qwen），实现私有化 AI | 开发者 |
前两个教程适合所有人，建议每位小伙伴都过一遍——对理解当下这个世界、提高工作效率，都非常有帮助。
这是一条比较理想的学习路线。如果你按照这条路线来学习，也可以少走很多的弯路。未来，咱们绿叶网也会按这条路线来推出这 6 门课程，大家别忘了多多关注！要是觉得教程不错，也别忘了多多推荐给身边的小伙伴。
常见问题
1. 学习和使用大模型，需要花很多钱吗？
对于绝大多数普通用户来说，目前主流的大模型（如 DeepSeek、Kimi、通义千问、豆包等）都已经提供了免费的网页端或 APP。日常的提问、写文章、写代码，使用这些完全够用了。
哪怕你学到了第 4 阶段的 “大模型 API 开发”，像如今爆火的国产大模型 DeepSeek，它的 API 调用价格也非常便宜。对个人学习者来说，充个 10 块钱就能用好几个月了。
2. 学习大模型，需要有比较好的数学基础吗？
对于咱们普通人来说，完全不需要任何数学基础——你只需要会聊天就行。当然了，如果你跟别人聊天都会聊死的话，那就算了。
不过，如果你想要做 AI 应用，则需要会一点编程基础（比如 Python、JavaScript 等），但对数学的要求依然很低。
只有当你想亲手训练一个大模型，或者想钻研底层原理时，才需要扎实的数学基础，比如线性代数、概率论和深度学习等。但这不是本教程的目标——咱们的重点是 “用好大模型”，而不是 “造一个大模型”。
3. 学完大模型之后，可以做什么工作呢？
大模型时代，也催生了不少新岗位，比如：
- 提示词工程师（教 AI 怎么干活）。
- AI 应用开发工程师（用 LangChain 等框架做 AI 产品）。
- AI 产品经理（设计 AI 产品功能）。
- AI 训练师（标注数据、做模型对齐）。
就算你不从事 AI 相关的工作，而是在现有岗位上把 AI 用起来，效率也会大幅提升，竞争力自然就上来了。
