---
url: /courses/ai-literacy/01.preface.md
---
# 前言：从第一次对话开始理解 AI

你可能已经用过豆包、千问或其他 AI 工具，也可能只是听说过“AI 很厉害”，但还没有真正和大模型认真对话过。

这都没有关系。

学习 AI 通识，不应该一开始就被一堆术语压住。真正重要的第一步，是亲手问出一个问题，观察 AI 怎么回答，再慢慢学会判断：它什么时候有用，什么时候可能不可靠，怎样提问会让它更好地帮助你。

这本书就是从这一步开始。

## 为什么需要这样一本书

AI 大模型正在进入学习、写作、编程、办公、设计、搜索、客服、教育和各种业务系统。它不再只是一个“会聊天的网站”，而是一种新的协作方式。

但是，刚接触 AI 的人很容易走向两个极端。

一种极端，是把 AI 当成万能答案机。只要它说得流畅，就默认它是对的。

另一种极端，是发现 AI 会出错之后，就觉得它“不靠谱”“没什么用”。

这两种看法都太简单。更合适的学习方式，是把 AI 当成一个能力很强、但需要上下文、边界和复核的协作对象。你要学会和它沟通，也要学会不被它牵着走。

这就是 AI 通识课要解决的问题：不是让你崇拜 AI，也不是让你害怕 AI，而是让你理解它、使用它、判断它。

## 这本书想做什么

这本书会带你完成三层学习。

第一层，是体验。你会从预修课开始，完成一次真正的 AI 对话：问一句、追问一次、判断一次。你会知道什么是单次对话、多轮对话、Prompt 和上下文。

第二层，是理解。你会逐步认识大模型的基本工作方式，知道为什么同一个问题换一种说法，结果可能明显不同；为什么 AI 需要上下文；为什么它会自信地说错；为什么不能把它简单等同于搜索引擎。

第三层，是应用和判断。你会看到核验、安全、AI 学习助手、基于资料回答、工具调用和 AI 应用这些主题。它们听起来像技术词，但背后都是很具体的问题：

* AI 应该看到哪些信息，不应该看到哪些信息？
* 一个回答怎样才算可信？
* 什么时候可以让 AI 生成建议，什么时候必须让人确认？
* 如果 AI 要调用工具、读取资料、参与流程，系统应该怎样约束它？
* 一个看起来很酷的 AI Demo，怎样才可能变成稳定可用的产品？

所以，这本书不是只教“怎么写一句厉害的提示词”。它更关心的是：你能不能逐步建立一种清醒的 AI 使用能力。

## 这本书怎么学

你不需要先学会编程，也不需要先理解复杂数学。

如果你是第一次系统接触 AI，请按顺序读：先读前言，再完成预修课。预修课会先带你体验对话，再介绍这本书里的 AI 助理。不要急着跳到后面的概念，先把“我能和 AI 对话，并能看出一点门道”这件事建立起来。

如果你已经用过一些 AI 工具，也建议认真完成预修课。你可能已经会问问题，但还不一定能清楚地区分：这是 Prompt 的作用，还是上下文的作用；这是模型真的知道，还是它在推测。

如果你是老师、助教或课程组织者，可以把预修课当成一次课堂诊断。学生填问卷、做实验、答小测的过程，会暴露出他们对 AI 的真实起点：有人害怕提问，有人过度相信 AI，有人不知道怎样追问，有人已经会用但缺少判断框架。

如果你正在做 AI 产品或项目，可以把后面的章节当作一套检查清单。大模型应用不是把聊天框接上 API 就结束，它还需要数据、权限、工具、评估、安全和用户信任。

## 这次试读先看什么

当前测试版先开放前言和预修课。后面的章节会继续展开：AI 到底是什么、怎样把问题说清楚、AI 为什么会一本正经地说错、怎样用 AI 帮助学习和表达，以及资料、工具、流程和 AI 应用背后的系统边界。但试读阶段最重要的不是把所有概念都看完，而是先验证一件事：

一个 AI 零基础或基础不稳定的学生，能不能在没有太大压力的情况下，完成第一次 AI 对话，并开始知道自己在做什么。

所以，接下来的预修课会先让你填写一个很短的学习起点问卷，再看一轮示范，然后亲手问一句、追问一次、判断一次。你会在课程快结束时再认识这本书里的 AI 助理。

先不用急着理解所有功能。把它当作一节真实的体验课，按顺序做完，就已经很好。

## 建议读法

读这本书时，可以记住三个动作。

第一，先试。遇到互动练习时，先动手输入，不要只看示例。

第二，再问。AI 的第一次回答不是终点，你可以继续追问、要求它换一种说法、让它说明不确定的地方。

第三，要判断。流畅不等于正确，自信不等于可靠。学习 AI 的关键，不是让它每次都替你完成答案，而是逐渐知道什么时候该信、该查、该改、该停。

如果你现在只想先体验一下，就从下一章“预修课：第一堂 AI 体验课”开始。

在那里，你不需要准备任何专业知识。你只需要带着一个真实的小问题，开始和 AI 说第一句话。

这本书后面会继续讨论大模型、Prompt、核验、安全、资料、工具和 AI 应用。但所有复杂能力的起点，其实都很朴素：

你能不能清楚地提出问题，认真地观察回答，并慢慢建立自己的判断。