01 看懂模型
AI 不是答案机，先是一张认知地图。
最容易掉坑的不是「不知道」，而是「不知道自己不知道」。
?
课堂动作
点四象限，给自己的作业找一个最可能漏掉的坑。
01 看懂模型 · 核心机制
大语言模型在做一件朴素的事：猜下一个 token。
厉害之处在于，它把「猜」做成了能写作、推理、编码和对话的巨大机器。
Interactive 下一个词预测
02 但它有墙
模型越强，越要知道它在哪里会断。
真正会用 AI 的人，不把它当神，而是知道什么时候要让它停、查、算、分块。
99→70NoLiMa 长上下文掉分
<10%4 小时任务成功率
≥2×幻觉与错误分类挂钩
03 怎么翻墙：满血调用
同一个模型，接上搜索、工具、记忆，像换了一个人。
模型本体只是大脑；harness 是眼睛、手、记事本和实验台。
!
课堂判断
别人说「某模型很强」，先问它有没有联网、工具、长上下文和验证器。
03 满血调用 · 例子
跑分差距有时不是模型差距，而是脚手架差距。
同一类编码任务，换搜索、工具格式、上下文策略，成绩能从勉强能用跳到像专业助手。
42%→78%harness 造成巨大摆幅
50k+工具描述会吃上下文
1-2k子任务回传摘要更稳
05 拿到需求怎么拆
不要对 AI 说「帮我做一个」。先拆成可验收的小块。
学生时代最实用的能力：把模糊作业变成输入、处理、输出、验收。
目标→素材→步骤→证据→交付
06 新模块：工作流
工作流 = 重复任务的自动驾驶路线。
不是让 AI 一口气做完，而是把每一步变成可替换、可验证、可复用的节点。
输入→节点→检查→下游
07 成本 · 一个省钱小技巧
生图贵？
生成 1 张 4K，再 1 切 4。
要一批小图时，一张 4K 切 4 常常比分别生成 4 张便宜——但先看它怎么收费：按张/按分辨率档收费时省（不少模型 4K 只是 1K 的 ~2.25 倍价）；按像素收费时不省；构图要「可切」、关键元素别跨切缝。
08 别人已经造好了：开源
现代开发不是从零开始，而是会挑积木、会改积木。
GitHub、Hugging Face、npm、pip 是新的实验室仓库。但 license 是产权证。
🎵
真实案例 · WAIC-MUSIC 实时 3D 演出
3D 引擎用开源 Three.js、音频可视化直接 fork 现成项目、10 个地标模型来自 Sketchfab CC-BY 免费商用授权；真正值钱的 30%–80%——节奏引擎、编舞、灯光——是自己写的。开源给你积木，创造力决定搭出什么。
08 开源 · 四把尺
Star 是人气，不是质量保证。
09 串成生产线：自媒体
内容生产线不是一键爆款，而是把创意拆成可重复节点。
选题、脚本、画面、声音、字幕、质检，每一步都能换模型、工具和预算。
11 带走什么：行动
把 AI 当成外骨骼，不要当成替身。
你要练的是判断、验证、拆解、表达和品味。这些能力会随模型一起升值。
Interactive 选 3 个今晚就做
已选 0/6