先建立模型直觉
用“上下文背包”和“逐词生成”解释大模型，而不是从神经网络公式讲起。
讲座对象：非 AI / 非计算机专业
把 AI 讲成 每个人都能用的 工作伙伴
这不是技术课，而是一场“建立判断力”的讲座：知道 AI 能做什么、为什么会出错、怎样把它放进学习、表达、创作和任务执行里。
Structure
三段式讲法
每个模块都配一段现场演示，观众会先看到现象，再得到概念，最后拿到可以继续使用的工具。
再翻译行业黑话
把术语变成普通人能用的判断：什么时候要 RAG，什么时候要 Agent，什么时候只是 prompt。
最后带走工具地图
按任务选择工具，而不是按热度追应用：搜索、写作、图片、视频、自动化各有位置。
Module 1
AI 基础知识
这一页先建立“模型直觉”：AI 大模型不是会思考的人，也不是万能数据库，而是一套在上下文中生成内容的系统。
模型权重
上下文
工具
你看到的 AI 软件
模型不是资料库
训练把大量模式写进参数；回答时不是翻书查原文，而是根据当前上下文生成最可能的下一段内容。
上下文决定本轮表现
同一个模型，看到的历史消息、文件、规则和工具不同，答案就会不同。下一页会拆开看这个“上下文包”。
会犯错不是偶然
模型擅长生成“像合理的表达”，但不天然保证事实正确；需要资料、引用、工具和人的判断来校准。
语言模型
处理文字 token，适合总结、改写、规划和问答；弱点是可能把“像真的”说成事实。
图片模型
根据文字、参考图或局部修改生成视觉结果；适合海报、草图和风格探索。
视频模型
在时间维度里生成画面、动作和镜头；适合分镜预演，但长时一致性仍要人工把关。
训练完的那一刻，模型本身不会自动变聪明
关键区分：模型权重 vs 产品上下文
训练前
收集资料、清洗数据、学习语言和世界模式
训练完成
基础能力被写进权重
产品使用
提示词、联网、工具、记忆、文件进入上下文
“AI 记得我”通常是产品把信息带进来了
比如你说“我喜欢网页式讲解”，系统会在下一次对话前把这条偏好加入上下文。模型没有重新训练，只是本轮看到了更多材料。
Module 1 · Live lab
两个现场小实验：亲手当一次“模型”
不用公式。玩过这两个实验，“AI 到底在做什么”就有画面了。
实验 1 · 逐词接龙
AI 一次只想一个词
大模型不整段思考：每一步都在算“下一个词最可能是什么”。你来替它点，或者让它自己抽。
正在生成的句子
点右侧候选词，替模型做一次决定；或点“让模型抽一个”看它按概率抽签。
下一个词的候选与概率
概率来自训练时学到的语言模式。抽签有随机性，所以同一个问题每次回答可能不一样。
实验 2 · Token
文字在模型眼里长什么样
模型不按“字”读，而按 token（小碎片）读和写。随便输入一句话，看看它被切成什么样。
0 tokens
0 个字符
不同模型切法不同，这里是示意
上下文窗口有多大？（一次能读进去的 token 上限）
8K≈ 一次课的讲义
128K≈ 一整本教材
1M≈ 一个小书架
窗口装满后，最早的内容会被摘要或丢弃——这就是长对话会“忘事”的原因，下一页模拟器会演示。
Context window simulator
表面只发一句话，实际发送的是完整提示词包
这页专门用来讲清楚：AI 软件为什么“好像记得你”，以及每一轮对话如何把历史、记忆、工具和系统规则重新装进上下文窗口。
Story view
每一轮，软件都在重新装一个包裹
第一轮主要装入系统规则、工具说明和当前消息。
软件手里的材料（不只是你打的那句话）
本轮请求包
34.3k tokens
大模型
读完整个包，逐词生成回答
模型的回答 · 基于整个包，而不只是最后一句
Context window 上下文窗口
34.3k / 1.0M (3%)
已装入上下文
本轮一起带给模型
第一轮主要包含系统规则、可用工具说明和当前消息。
完整请求包
7 个分区
Expanded prompt
完整提示词包
Model simulation
模型模拟
Module 2 · 黑话点菜单
把 AI 术语做成一桌菜
行业黑话听着玄，其实都能在一家餐厅里找到对应角色。点一道菜，收银机会给你打一张“说人话”的小票。
Market map · 2026
主流厂商与模型生态
不做“谁最强”排行榜，而是让学生知道：国际三巨头、国产第一梯队和创作工具链各自的入口在哪里。
OpenAI / ChatGPT
通用对话与复杂推理的代名词，GPT 系列 + Sora 视频，全球用户量最大的入口。
Anthropic / Claude
长文档理解、写作分析与编程协作见长，Claude Code 与 Agent、Skills、MCP 生态的发源地。
Google / Gemini
搜索 + Workspace + 安卓入口，Gemini 多模态、Veo 视频、NotebookLM 学习工具。
字节 / 豆包 · 即梦
国内月活第一（3.4 亿+）的国民级入口，豆包主对话，即梦管图像视频，抖音生态联动。
阿里 / 千问 · 通义
2026 年增长最快的国产应用，Qwen 系列同时是全球最主流的开源模型之一。
DeepSeek / Kimi / 腾讯元宝
DeepSeek 以开源推理出圈；Kimi 擅长长文档；元宝背靠微信生态。中文场景各有侧重。
开放权重阵营
Llama、Qwen、DeepSeek、Mistral 等可下载部署——解释“为什么有的模型能装进自己电脑”。
创作工具链
Midjourney、即梦、可灵、Runway、Veo、Suno：图像、视频、音乐生成更像创意工具，而非聊天。
xAI / Grok 与其他
Grok 绑定 X 平台；Meta AI 内嵌社交应用。讲清“模型—产品—入口”三层就不会被新名字吓到。
Module 3
常用 AI 软件工具超市
按任务选工具：先确定要完成什么，再决定打开哪个软件。
Why tools
模型的知识停在训练那天，工具把“现在”带给它
权重在训练结束时就冻结了：它不知道今天几号，也没看过昨晚的新闻。所以真正的 AI 软件会给模型配工具——先查证，再回答。现场试一试同一个问题的两种命运。
What is an agent
Agent：从“回答问题”升级到“完成任务”
聊天机器人像问路——它告诉你该怎么走；Agent 像代驾——你说目的地，它自己开过去。给一个目标，它会自己拆步骤、调工具、检查结果、发现错误自己改，做完才回来找你。
三个信号，说明你面对的是 Agent
- 1动手前先列计划，而不是直接给答案
- 2中途会自己调用工具查证、读文件、做事情
- 3出了错自己发现、自己重做，不用你盯着
同一句话交给普通聊天 AI
一段建议，回答完就结束了——执行还是你自己来。
你只说一句
理解任务
制定计划
调用工具
观察结果
修正并输出
注意第 5 步：它自己发现了问题、自己改掉了——这就是 Agent 和普通聊天最大的区别。
Module 4 · Vibe coding
没学过编程，也能让 AI 帮你写出第一个作品
2026 年的编程入门方式变了：你负责说清楚“要什么”，AI 负责写代码，你负责看效果、提修改。这个网页本身就是这样做出来的。
用一句话描述需求
“帮我做一个倒计时网页，考研倒计时，页面要简洁好看。”不用术语，说人话就行。
AI 生成完整代码
工具会直接给出能运行的网页/脚本，很多平台还能实时预览，不用配置环境。
看效果，继续对话改
“数字再大一点”“换成蓝色”“加一句鼓励的话”——每次反馈都是一次迭代。
发布分享
一键部署成真实网址，发给同学。从想法到上线，第一次可以只花 20 分钟。
References
可继续学习的教程
这些资源适合你准备讲稿，也适合课后给学生作为延伸材料。
Generative AI for Beginners
微软官方入门课：LLM、Prompt、RAG、图像生成，明确面向零基础。
ai-guide · AI 知识库（中文）
中文科普 + 工具用法 + Vibe Coding 零基础教程，适合课后自学。
LLM Cookbook（中文）
吴恩达大模型系列课程中文版，想动手进阶的第一站。
AI Agents for Beginners
Agent、工具调用、设计模式和 MCP 等主题的官方入门。
Prompt Engineering Guide
提示词写法大全，可抽成课堂 prompt 练习。
Model Context Protocol
官方文档：MCP 如何让 AI 连接外部工具与数据源。