在 AI 时代，
怎么学，怎么造。
你要去美国读理科了。这不是一堂教你「用哪个 App」的课——工具明年就换了。这是一堂讲底层判断力的课：看懂各种模型到底是什么、怎么用代码把它们拼成自己的东西、怎么在花小钱的前提下放大自己，以及——怎么用 AI 在几天内吃透一个你原本完全不懂的领域。
→ 往右翻页。整套课件就在这一页页里，讲完你可以留着自己慢慢再看。（← → 翻页 · 内容多的页可上下滚）
先给你一张这堂课的地图
别人分享 AI，常常是「安利 App」。我想给你的，是一副能用很多年的认知框架。三幕，十站。
模型不是一种东西。语言、图像、视频、世界模型……先建一张全景图，再认清它们今天还做不到什么。看不懂就会被忽悠。
「调用一个模型」和「让它发挥满血」是两回事。上下文、搜索、工具、智能体、成本——这一幕全是工程与经济学。
站在开源肩膀上、批量做内容、几天吃透一个陌生领域。AI 不替代你，它是一个放大器——放大你的判断力。
AI 把「执行」变便宜了，于是「提对问题」和「判断好坏」变贵了。这堂课几乎每一站，都在练这两件事。
你和 AI 之间，隔着四种「不知道」
有人把「和 AI 一起干活」拆成一个经典的四象限（已知已知 / 已知未知 / 未知已知 / 未知未知）。它很好，但只停在「描述」。我们把它升级成能动手的方法——每一格，在 AI 时代都有一个具体动作。
原图告诉你「有四种不知道」。升级版告诉你：把未知未知，用一次主动的「盲点提问」变成已知未知；把已知未知，用 AI 拆解变成已知已知；而未知已知（你的品味），是你要一辈子打磨、最不可替代的东西。
Ⅰ看懂 AI
先认清你面对的是什么。模型不是一种东西，而是一个物种繁多的家族——而且每一个，都有它今天还翻不过去的墙。
「AI」这个词太糊了，先把它拆开
大多数人说「AI」，脑子里只有 ChatGPT。但今天的模型是一整个家族：有的处理语言，有的画画，有的生成视频，有的在你手机里离线跑，还有的在生成一个能玩的世界。用途不同、成本差几百倍。先认识全家，才谈得上会用。
先看最熟的那个：大语言模型，本质是「猜下一个词」
GPT、Claude、Gemini 都属于大语言模型（LLM）。它听起来在「思考」，其实核心机制朴素得惊人：看着前面的文字，一个词一个词地预测「接下来最可能是什么」。把这件事在海量文本上练到极致，就长出了写作、翻译、写代码的能力。自己点一下试试：
一句话在末端分叉成许多「可能的下一个词」💡 每个词都是从一堆「概率候选」里挑的。这解释了两件事：为什么它同一个问题每次答得略不同，以及为什么它会一本正经地编造——它挑的是「最像对的词」，不是「查过的事实」。
按你的任务，认识整个模型家族
点一个你想做的事，看该用哪一类模型。这张表你以后每次开新项目都可以在脑子里过一遍。
大语言模型 LLM
把语言变成可计算的东西：读、写、总结、翻译、对话、写代码。是今天大多数 AI 应用的「大脑」。
推理 / 思考模型
回答前先「想」很久，用更多计算换更对的结果。适合数学、多步规划、复杂 debug。慢且贵。
小模型 / 本地模型
小到能塞进手机、笔记本，断网也能跑。省钱、保护隐私、响应快。能力不如旗舰，但很多任务够用。
图像生成模型
文字 → 图片，或图 → 图修改。海报、插画、产品图、换背景。这堂课的 27 张配图就是这么来的。
视频生成模型
文字或一张图 → 会动的画面，最新的还能带原生音效、多镜头、真实物理。最贵的一类。
世界模型
生成一个能交互、有物理、会自己往下演的世界。你按一下，世界会响应。通向游戏、机器人、具身智能。
语音模型
文字 ↔ 声音：配音（TTS）与转写字幕（ASR）。做视频、播客、无障碍朗读都靠它。
嵌入模型
把任意内容变成一串数字坐标，让机器判断「像不像」。是搜索、推荐、和「让 AI 记住你资料」的地基。
多模态 / 全模态
一个模型同时吃文字、图片、声音、视频。今天的旗舰几乎都是多模态——你可以直接把一张照片丢给它问。
几种模型，各自长什么样
给你一点直觉画面——它们不是一种东西，脾气也很不一样。
图像和视频，是怎么「无中生有」的？
画图模型用的是扩散（diffusion）：先给一张纯噪声（像老电视的雪花），再一步步「去噪」，把雪花逐渐擦成一张符合你描述的图。视频生成是同一个思路，只是要让连续的帧之间保持一致、还符合物理。右边这个动画就是去噪的过程——拖动滑块，你能看到雪花如何变成图。
理解这一点，你就懂了它的两个脾气：细节是「猜」出来的（所以偶尔多根手指、文字乱码），以及同样的描述每次结果不同（起点的噪声是随机的）。
2026 年年中，几个「旗舰」长什么样
模型迭代快到以周计，记名字没意义，记「谁擅长什么」才有用。下面这张随时会过期，但格局大致如此（以官方最新为准）。
| 代表模型 | 类型 | 最擅长 | 硬指标（2026·7） |
|---|---|---|---|
| Claude Opus 4.8 Anthropic · 5 月 | LLM · 多模态 · 会思考 | 写代码、agent、长文档、可靠 | SWE-bench 88.6% · 100 万上下文 · $5/$25 每百万 token。这堂课就是它做的。 |
| GPT-5.6 Sol/Terra/Luna OpenAI · 6 月 | LLM · 多模态 · 推理 | 通用最强之一、生态最广 | 改按「能力层」命名：Sol 顶配 / Terra 均衡 / Luna 最省。你 openclaw 反代的就是这条线。 |
| Gemini 3.1 Pro Google · 2 月 | LLM · 原生多模态 | 多模态、超长上下文、性价比 | GPQA 94.3%（史上最高）· 100 万上下文 · $2/$12。能直接对一段视频提问。 |
| DeepSeek V4 / Qwen 3.7 深度求索 / 阿里 · 开源 | LLM · 推理 · 开源 | 开源可自部署、把价格打骨折 | V4-Flash 输出仅 $0.28/百万 token（比 Opus 便宜近 90×），能本地跑。 |
| Seedance 2.5 字节跳动 · 6 月公布 | 视频生成 | 影视级、原生音频、物理真实 | 文生视频 Elo 榜第 1（约 1221）· 原生 30 秒 · 约 $0.14/秒，很贵。 |
| GPT Image 2 / Nano Banana Pro OpenAI / Google | 图像生成 · 编辑 | 出图 + 精准修图、文字与一致性好 | 文字准确率 99%+ · 跨图人物一致约 95%。你项目的配图管线。 |
※ 数据基准 2026 年 7 月，经多方核查；模型每几周就迭代，具体数字以官方最新为准。原则不变：别记参数，记「用它来干嘛」。
越强的模型，越会「自信地错」
这一节可能是全课最重要的。因为一个理科生用 AI 最大的风险，不是它不够聪明，而是你以为它查过、其实它在猜。认清这几堵墙，你才敢用、也才知道什么时候不能用。
它会把「最像对的答案」讲得斩钉截铁——编造论文、编造 API、编造数据。因为它的机制是「猜下一个词」，不是「查数据库」。
不给它联网，它只知道训练那一刻之前的世界。问它上周的事，它要么说不知道，要么一本正经地瞎编。
号称能读几十万字，但塞太长时，藏在中间的关键信息容易被忽略（lost in the middle）。别指望它逐字读完你的百页 PDF。
它不是计算器。大数相乘、精确统计，经常错。正确做法是让它调用工具去算，而不是自己心算。
最危险的不是它会错，而是它不知道自己错了——它对错误答案的自信，和对正确答案的自信，看起来一模一样。 所以「验证」永远是你的活，不是它的活。
解药：给每个数字标一个「可信度等级」
我做的一个工业 AI 项目 HEATINS，帮钢厂算怎么省能耗。这种场景里，一个「省 20%」的数字如果是 AI 拍脑袋编的，就会出人命级别的事故。所以我们做了一件事——给每个数字强制标注它有多可信：
示例演示
假数据，只看界面长啥样。
工程估算
有公式，但没在真设备上验证过。
已校准
和真实测量对得上，误差可量化。
已验证
多批反复验证，能拿去做生产决策。
看到 AI 给的任何一个数字、任何一句「研究表明」，你的第一反应应该是：这是 L1 还是 L2？它凭什么这么说？ 这一个习惯，能让你在美国的实验室、论文、和未来工作里，比 90% 的人更靠谱。
给它联网搜索治知识截止；给它工具（计算器/代码）治算术；给它你的资料库（检索）治幻觉；最后，用你的判断做终审。模型是引擎，这些是刹车和方向盘。
Ⅱ用好 AI
同一个模型，在小白手里和在高手手里，差的不是模型，是外面那层「脚手架」。这一幕全是工程与经济学。
同一个模型，为什么高手用起来判若两人
很多人以为「用 AI」就是打开对话框问问题。但你在网页里随便问的那个模型，和一个工程师精心「配置」过的同一个模型，能力差得像业余和职业。差别不在模型，在它外面那层脚手架——业内叫 harness。
同一个核心，左边裸奔，右边接满脚手架在 SWE-bench（真实代码修复）里，同一个模型只是换了外面的脚手架，成绩能从 42% 一路飙到 78%——36 分的差距全来自 harness，模型本身一个字没改。这就是为什么「会配置」常常比「换最新模型」更值钱。
其中最关键的一件：给模型配一个「搜索」
模型本身不会上网。要让它查到最新、真实的信息，你得给它接一个专为 AI 设计的搜索 API——最常用的一个叫 Tavily。它和你在浏览器里搜 Google 不一样：它把搜索结果整理成干净、适合喂给模型的材料，还能直接抽取要点。
这里有个很多人不知道的点：这类能力要单独的 API 服务和权限。你「调用模型」是一份账；你给它配的「搜索、抓网页、跑代码」这些外挂能力，是另外一份账、另外一套 key。所谓 harness，就是把这些零件接好——这也是为什么专业的 coding agent、research agent 那么强：它们背后接了一整套服务。（Tavily 免费层每月约 1,000 次搜索，2026 年 2 月被云厂商 Nebius 以 2.75 亿美元 收购——「给 AI 用的搜索」已经是一门正经的大生意。）
我的短视频自动生产线 DrVideo，第一步就是让主脑模型用 Tavily 联网做调研，再据此写脚本。没有这一步，它写的东西就是「凭记忆瞎编」。
「换个更强的模型」常常不如「给现在的模型配好上下文和工具」。真正的高手，花在搭脚手架上的功夫，远多于换模型。
从「回答问题」到「自己把活干完」
一个模型只会「你问一句、它答一句」。但如果你用代码给它套一个循环，让它自己规划、调用工具、看结果、再决定下一步——它就成了一个智能体（agent）。这就是从「聊天机器人」到「数字员工」的那道门。
感知 → 规划 → 行动 → 观察，转起来就是智能体循环
让模型能「动手」：查资料、算数、发邮件、改文件。模型负责决定「用哪个、传什么参数」，代码负责真的去执行。
一个正在成为标准的「通用插座」——Model Context Protocol。把工具做成 MCP，任何 agent 都能即插即用，不用为每个模型重写一遍。
一个总指挥，派一群「子智能体」并行去干各自的活，再汇总。这堂课的前期调研，就是我派了十几个子 agent 同时上网研究出来的。
你其实每天都在用 agent
你爸用的 Claude Code、Codex、Cursor 这些「会自己写代码、跑测试、改文件」的工具，本质都是包了一层强大 harness 的 coding agent。它们能干活，不是因为模型神，而是因为背后接好了：读写文件、跑命令、搜索、记忆、还有一套让它「别跑偏」的规则。
一个最小的 agent = 模型 + 一个循环 + 几个工具 + 一份说明书（告诉它目标和边界）。理解了这个公式，你就能看懂几乎所有 AI 产品是怎么搭出来的。
AI 不是免费的，但也没你想的那么贵——如果你会算账
模型按 token 收费（token ≈ 半个到一个词）。真正让人踩坑的，不是单价，而是两种完全不同的「花钱方式」被搞混。搞清楚这一节，你能省下大把冤枉钱。
token 就是 AI 的燃料——会算账，才玩得起第一课：两本账，别记混
「包月订阅」和「按量付费的 API」是两套完全不同的心智。下面这个小实验，直接让你体感它们的区别——特别注意「跑批量出图」那一下。
🎫 订阅额度（如 Codex / Claude 包月）
💳 第三方 API（按 token 后付费）
我写了个小网关 openclaw，把订阅的模型能力反代成本地 API 给别的程序用。有天一个后台出图脚本没人看着，12 小时里生成了 114 张图，直接把 Codex 的周额度从 95% 打到 80%——一晚上吃掉 15%。
教训有三条，都值钱：① 能一键调用 ≠ 该无限调用。② 订阅额度不是「免费」，只是「已经付过了」。③ 自动化脚本一定要加限额和审计——这也是为什么我叮嘱出图一次只生成一张、绝不并行。
第二课：成本路由——把钱花在关键镜头上
要大批量生成内容时，「全用最好的模型」会烧钱到肉疼。高手的做法是路由（routing）：大部分用便宜的够用模型打底，只在最关键的地方用顶配。拖一拖下面的滑块，感受一下差别。
※ 单价为演示量级，会按最新官方价校准；比例关系是真实的。
真实案例 · DrVideo 的「阶梯质检」
我的 DrVideo 短视频线用了一个叫 Cascade Gate 的省钱设计：先用免费的规则检查挡掉明显问题，再用便宜的单模型抽查，只有到最后终审，才动用三个顶级模型互相投票。贵的手段只在最关键处出手。
- 便宜模型 / 本地模型打底，贵模型兜底关键环节
- 能本地跑就本地跑（省钱、保护数据）
- 像 Groq 这类超快推理，用「省时间」换「省钱」
- 批量任务用 batch、缓存重复的上下文，都能砍成本
先问「这个任务，最便宜的够用方案是什么」，再决定要不要升级。默认用够用的，只为真正重要的东西付顶配的钱。
Ⅲ放大自己
前面都是「术」。这一幕是「道」：怎么站在别人的成果上、怎么批量产出、怎么几天吃透一个新领域。AI 是放大器，放大的是你。
最快的开发，是「拿来 + 改造」
在学校，老师要你「自己独立完成」。到了真实世界，规则反过来了：能复用别人做好的，就绝不从零写。全世界的工程师把海量高质量代码免费放在 GitHub、模型放在 HuggingFace、组件放在 npm——你的本事，是会挑、会拼、会改，再加上你自己那一层独特的东西。
真实案例 · WAIC-MUSIC 实时音乐视觉演出
我做的一个把地标渲染成音乐舞台的实时 3D 项目 WAIC-MUSIC，几乎全站在开源上：3D 引擎用开源的 Three.js，音频可视化直接 fork 了 GitHub 上一个现成项目再改，10 个地标 3D 模型是从 Sketchfab 拿的免费授权（CC BY，署名即可商用）模型。
但它不是「抄」——真正值钱的那 30%–80%，是我自己写的：音乐节奏怎么驱动画面、十个场景怎么编舞、灯光怎么设计。开源给你积木，你的创造力决定搭出什么。
| 模块 | 开源/别人提供 | 我自己的增值 | 自研占比 |
|---|---|---|---|
| 3D 引擎 | Three.js 全套 | 场景编排、参数优化 | 40% |
| 3D 模型资产 | 10 个 Sketchfab CC-BY 模型 | 程序化增强 + 编舞 + 灯光 | 70% |
| 音乐响应 | Web Audio 标准 + fork 的可视化框架 | 频谱分析、节奏引擎、编舞逻辑 | 80% |
| 部署 | Cloudflare 托管 | 打包脚本 + 自动验收 | 10% |
看 star 数（多≈可靠）、看最近有没有人维护（提交时间）、看 license（能不能商用、要不要署名）、看 issue 里大家踩了什么坑。
把一个看不懂的开源项目丢给 AI：「用大白话讲这个项目在干嘛、入口在哪、我要改 X 该动哪个文件」。几分钟顶过去几小时。
不纠结每一行语法，先让 AI 把能跑的版本拼出来，你在上面调、改、拼。先跑起来，再变好。
开源不等于「随便用」。license 要看清（有的要求署名、有的禁止商用、有的要求你也开源）；在学校里，哪些能用 AI、哪些必须自己写，要问清楚老师。站在肩膀上，也要站得干净。
把「做一条视频」变成「一条生产线」
前面所有模型（语言、图像、视频、语音）串起来，就能做一件很实际的事：批量生产内容。不管你以后是做科普、做作品集、还是记录科研，这套流水线思路都用得上。
让「大脑」做创意，让代码做执行
DrVideo 把上面这条线拆成 16 个环节，全自动跑：输入一句话或一个 PDF，输出一条带字幕、配音、卡点的竖屏短视频。它的核心哲学很值得学——所有「创意判断」交给顶级大模型，所有「执行和质检」交给代码。而且质量不是靠一个模型说了算，是让 三个不同厂家的模型互相投票，达成共识才放行。
你不用一上来就做 16 环节。但「把一件重复的事，拆成清晰的步骤，让 AI 一步步做，你在关键处把关」——这个思路，能用在写论文、做实验记录、整理文献、甚至找工作投简历上。
这是我最想教你的一件事
你去读理科，四年里会不断遇到全新的、没人教过你的领域。过去，进入一个陌生领域要啃几个月；现在，用对方法，几天就能上手到「能对话、能判断」。这不是让你偷懒，是让你把省下的时间，花在更深的思考上。
真实案例：我用 AI，几天做出一门「7 天速成课」
工业热处理是个我原本完全不懂的领域。为了让完全零基础、甚至有阅读障碍的人也能学会，我用 AI 做了一门 7 天速成课：从「金属为什么要烧」一路讲到「这门生意怎么赚钱」，每天 15 分钟、大量配图、还能朗读。
做这门课的过程，本身就是我用 AI 吃透这个领域的过程——AI 帮我把复杂知识拆成台阶，我在每一层验证、纠错、补图。教是最好的学。
把「学习」做成一个闭环（这就是升级版的那张图）
你可能见过一张「Before / During / After 实施」的工作流图。它很好，但它讲的是「做项目」。我把它改造成一个「学新领域」的闭环——每一段，都配上一个具体的 AI 动作：
- 盲点扫描：「我要学 X，有哪些我根本没意识到的前提和坑？」
- 让 AI 先画知识地图：这个领域的主干、分支、关键人物、经典争论。
- 要它给你「该问的问题清单」——把未知未知变成已知未知。
- 费曼追问：让 AI 用大白话讲，讲不懂就追问，直到你能复述。
- 用你自己的话讲回去，让它挑错——错在哪，就是你没懂的地方。
- 记下每一个「原来如此」和每一个卡点，它们就是你的地图。
- 让 AI 出测验考你，考过了才算真的会（别自我感觉良好）。
- 做一个小产出：一篇讲解、一个 demo、一张图——逼自己真懂。
- 这次学到的，变成下次的起点地图——越学越快。
用 AI「代替思考」，会让你学得更差
Anthropic 2026 年初做过一个实验：学同一样东西，用 AI 帮忙的一组，测验平均分 50%；自己手写硬啃的一组，67%——差了整整 17 分。差距最大的地方是 debug（判断代码为什么错）。为什么？因为让 AI 直接给答案，你的大脑跳过了「挣扎」这一步，而挣扎才是学习真正发生的地方。
诀窍就是上面那个闭环里的三个动作：① 先让 AI 生成，再追问「为什么这样写」；② 让它「代码 + 解释」一起给；③ 多问概念问题，而不是只要答案。做到这三点的人，是全场表现最好的。AI 是陪练，不是替考。
用 AI 学习的最高境界，不是让它替你想，而是让它陪你想——它负责耐心、广博、随叫随到；你负责好奇、追问、和最后那句「等等，这里我还是不信」。 这句「我还是不信」，是你最珍贵的能力。
参考图告诉你「学完的东西会变成下次的地图」。升级版告诉你每一步具体做什么、用 AI 的哪个动作——盲点扫描、费曼追问、自测闭环。方法论只有能落到动作，才真的有用。
去美国之前，把这几条装进行李
工具会变，模型会换代，但有些东西越来越值钱。这是这堂课想让你真正带走的。
越来越值钱的 5 种能力
AI 时代，答案很便宜，好问题很贵。能把一个模糊的困惑，问成一个清晰、可回答的问题，是核心竞争力。
AI 能给你一百个方案，「哪个对」要你定。刻意练习你的审美和标准——这是最难被替代的。
永远问「它凭什么这么说、这是 L1 还是 L2」。会验证的人，用 AI 是加速；不会的，是加速犯错。
会把不同领域的积木拼起来的人，在 AI 时代赢麻了。理科的底子 + 会用 AI，就是你的跨界优势。
📋 落地清单：开学第一个月就能做的事
- 选一个你完全不懂的话题，用模块 9 的闭环，3 天吃透它，练手。
- 把一门课的教材丢给 AI，让它帮你建知识地图 + 出测验。
- 找一个 GitHub 开源项目，让 AI 帮你读懂，改出一个你自己的小版本。
- 给自己配一套工具：一个会联网的 AI、一个本地小模型（省钱/隐私）。
- 每次 AI 给数字/引用，养成追问来源的反射。
- 做科研/写论文前，先问清楚老师 AI 使用的边界，守住学术诚信。
- 记一个「AI 用法笔记」：什么 prompt 好用、踩了什么坑——这就是你的地图。
- 别把 AI 当答案机，当陪练——保留你那句「我还是不信」。
AI 不会让努力过时，它让「有判断力的努力」变得前所未有地强大。带着好奇心和怀疑精神去用它——工具越强，越需要一个清醒的人握着方向盘。那个人，就是你。祝你在大洋彼岸，学得又快又深。