LESSON 04 · 幕后之旅 / WORK WITH AI
你说「好看点」，它听见的是紫色。
情景
主页太素了，你对 AI 说：弄好看点。十秒后它交回一屏紫粉渐变大标题，配上不知道从哪学的玻璃拟态卡片。你哭笑不得——这不是它不行，「好看点」三个字里，它只能猜。你删掉重来，这次把想要的样子一条条说清楚，它给的版本一次就顺眼了。
本课 21 个概念 · 约 5 分钟
同一句模糊的话，一人一解。把话说到像验收单一样具体。
让机器模拟人类智能的技术总称。
跟 AI 这么说
把 AI 当成一个聪明但完全没见过你项目的实习生：交代任务时把背景、目标和限制条件写进第一句话。
基于海量数据训练的巨型语言模型，能理解和生成自然语言。
跟 AI 这么说
记住大模型靠预测下一个词工作：你给的上下文越完整，它猜的下一步就越接近你要的。
给 AI 的指令或描述，决定 AI 的输出质量。
跟 AI 这么说
重写这条提示词：现在页面是什么样、哪里不对、改完怎么算好，三件事各占一句，别只写「弄好看点」。
设定 AI 角色和行为规则的初始指令。
跟 AI 这么说
给这个项目写一段系统提示：你是资深前端工程师，技术栈是 React + Tailwind，写代码前先说明改动思路。
控制 AI 输出随机性的参数，值越高越有创意。
跟 AI 这么说
起标题和写文案时把 temperature 调高一点、多给几个候选；改代码和查 bug 时调低，让它给确定的答案。
大模型能同时「看到」的文本长度上限。
跟 AI 这么说
对话太长它开始忘事时，新开一轮，把项目背景、已完成的进度和当前目标压缩成十条以内重新贴给它。
多轮对话中保留的上下文信息。
跟 AI 这么说
基于我们的对话历史继续：上一轮已经定了配色和布局，这一轮只改文案，其他都不要动。
限制 AI 输出为 JSON、表格等特定格式。
跟 AI 这么说
这次输出只要一个 JSON：标题、要点、CTA 三个字段。不要寒暄、不要解释、不要用代码块包一层。
轻量级标记语言，AI 世界中的「通用文档格式」。
跟 AI 这么说
用 Markdown 回复：标题分级、代码块标注语言、步骤用有序列表，我看完要能直接复制进文档。
说清楚之后，可以让它离开椅子，自己动手了。
能理解意图、自动拆解任务并独立执行多步骤任务的智能系统。是 AI 从「问答工具」进化为「自主员工」的关键。
跟 AI 这么说
这个任务交给 agent 执行：先读完整个项目，列出修改计划给我确认，我点头之后你再动手改文件。
Agent 的操作手册，决定它具体能干什么，类似「技能包」。
跟 AI 这么说
给它装一个「代码审查」技能：每次改完代码自动检查类型错误、未处理的异常和硬编码的密钥。
Agent 调用外部工具（计算器、搜索、文件操作）的能力。
跟 AI 这么说
允许它调用工具：需要跑测试就自己跑，需要查文档就自己搜，把结论和出处一起告诉我。
让 Agent 操作外部工具（文件、Excel、网页）的通用协议，类似「万能插头」。
跟 AI 这么说
接一个文件系统的 MCP 服务，让它直接读写我项目目录里的文件，别把代码贴在聊天里传来传去。
隔离的安全运行环境，让 AI 在其中安全地运行代码、测试程序。
跟 AI 这么说
在你的沙箱里运行这段代码并打印结果：崩溃或输出乱码都不要紧，把日志原样给我看。
把多步任务编排成自动化流程。
跟 AI 这么说
把「改代码、跑测试、提交、推送」编排成一个工作流，以后我说一句「发版」就自动走完这四步。
通用的大脑之外，还可以给它接上你的专业。
调用大模型服务的标准接口。
跟 AI 这么说
走 API 调大模型：把调用封装成一个函数，传入提示词、返回纯文本结果，密钥放在环境变量里。
从外部知识库检索相关信息之后，再让模型生成回答。
跟 AI 这么说
回答前先检索我们产品文档里的相关段落，基于检索内容作答；文档里没有的就直说不知道。
供 AI 检索参考的结构化信息集合。
跟 AI 这么说
把这些 FAQ 和历史工单整理成知识库喂给它：客户重复问的问题让它先答，答不上来再转人工。
把文本转化为向量表示的技术。
跟 AI 这么说
把每篇文档切成小段转成向量存起来，提问时算语义相似度，把最相关的三段交给模型参考。
存储和检索向量嵌入的专用数据库。
跟 AI 这么说
向量都存在向量数据库里：新增文档后自动更新索引，检索要支持按时间和分类过滤。
能同时处理文本、图片、音频等多种输入类型。
跟 AI 这么说
我把设计稿截图发你，照着图实现这个页面：布局、配色、间距尽量还原，文案用我提供的文字。
试一试
选择题 · 选一个你认为最合适的答案