---
url: /courses/ai-literacy/02.preflight-ai-dialogue.md
---
# 预修课：第一堂 AI 体验课

这节课先不讲复杂技术名词，也不要求你马上掌握“高级提示词”。我们的目标很简单：看一轮示范，亲手问一句，再知道自己刚才做了什么。

如果你以前用过豆包、千问或其他 AI 工具，这节课会帮你把零散经验整理成方法。如果你从来没有用过 AI，也没关系，我们会从第一句话开始。

今天只做三件事：

* 问一句：把一个真实小问题交给 AI。
* 追问一次：看看 AI 会不会参考前面说过的话。
* 判断一次：发现 AI 有用，但不能全信。

不用担心“问得不高级”。第一次体验 AI，不是比谁会写复杂 Prompt，而是先建立手感。

## 0.0 先了解你的学习起点

每个同学接触 AI 的起点不同。有人用过豆包，有人用过千问，也有人今天才第一次打开大模型工具。

先做一个很短的问卷，告诉教材你现在的基础、目标和喜欢的学习方式。系统会把这些答案保存成结构化学习画像，后面需要个性化帮助时再使用。

这一步不用急着和助理对话。先把自己的起点说清楚，再进入今天的对话体验。

问卷不是考试，也不会评价你“会不会 AI”。如果你不确定怎么选，就选最接近自己的状态；如果涉及个人隐私，不需要写真实敏感信息。

{{intake-survey:preflight-intake}}

## 0.1 不会问也没关系，先看一轮示范

很多同学第一次面对 AI 输入框，会有一点空白：我该问什么？问错了怎么办？AI 回答太长我看不懂怎么办？

这都正常。和 AI 对话不是考试，也没有唯一标准答案。你可以先照着一个例子走一遍，再慢慢换成自己的问题。

下面这轮示范只观察三件事：

* 学生有没有说明自己的情况。
* AI 有没有根据这些信息组织回答。
* 追问时，AI 有没有参考前面说过的话。

{{guided-demo:preflight-first-dialogue}}

## 0.2 轮到你：问一句，再追问一次

第一次和 AI 对话，不一定要问“什么是大模型”。你可以从一个真实、轻松、和自己有关的问题开始。

比如：

```txt
我刚高考结束，想了解计算机专业。请用高中生能听懂的话介绍一下这个专业。
```

或者：

```txt
我想利用暑假学一点 AI，但完全零基础。请给我一个两周入门计划。
```

也可以是：

```txt
请把这句话改得更清楚：我觉得 AI 很厉害，但是不知道该怎么学。
```

先不要急着判断 AI 回答得对不对。第一步只观察一件事：**AI 会不会根据你的目标组织一段有用的话。**

发出第一句话后，不要马上结束。继续追问一句，让 AI 根据刚才的回答调整一次。

你可以这样追问：

```txt
请说得更短一点，只保留最重要的 3 点。
```

```txt
如果我每天只有 40 分钟，应该怎么安排？
```

```txt
这里面哪些信息需要我再去核验？
```

{{chat-lab:first-dialogue}}

{{reflection-checkpoint:preflight-first-dialogue-checkpoint}}

## 0.3 刚才发生了什么

你刚才做的事情，其实不是“搜索关键词”，而是给 AI 分配了一个小任务。

搜索引擎通常需要你输入关键词，然后自己去网页里找答案。大模型更像一个会用语言协作的助手：你告诉它目标、背景和要求，它会尝试组织一段回答。

所以，对 AI 提问时，不要只想“我搜什么词”，要想：

* 我想让它帮我做什么？
* 它需要知道我的情况吗？
* 我希望它用什么方式回答？

这三个问题，比背模板更重要。

## 0.4 给这个动作起个名字：Prompt

你输入给 AI 的那段话，通常叫 **Prompt**，中文常说“提示词”。

但是在这门课里，不要把 Prompt 想成神秘咒语。它更像一张临时任务卡：

* 任务：请你做什么。
* 背景：你需要知道什么情况。
* 要求：请按什么方式回答。

一个简单 Prompt 可以长这样：

```txt
我是高三毕业生，想了解 AI。
请用高中生能听懂的话解释什么是 Prompt。
要求：不要超过 120 字，举一个日常例子。
```

这不是高级技巧，而是清楚沟通。

## 0.5 把问题说清楚，回答会明显不同

比较下面两句话：

```txt
介绍一下人工智能。
```

```txt
我是刚高考结束的学生，对 AI 没什么了解。请用 5 句话介绍人工智能，并举一个生活里的例子。
```

第二句话更长，但不是因为“长就更好”，而是它多给了 AI 三类信息：

* 读者是谁：刚高考结束、AI 零基础。
* 要做什么：介绍人工智能。
* 怎么回答：5 句话，加生活例子。

这就是和 AI 对话最基本的规律：**不是把话说得玄，而是把任务说清楚。**

{{chat-lab:prompt-lab}}

## 0.6 如果 AI 回答不好，先别急着怪自己

第一次使用 AI，经常会遇到这些情况：

* 回答太长，看不完。
* 回答太泛，像空话。
* 术语太多，看不懂。
* 看起来很自信，但你不确定对不对。

这不代表你失败了。你可以继续补充要求：

```txt
请说短一点，只用 3 句话。
```

```txt
我没学过编程，请用生活例子解释。
```

```txt
请先告诉我你不确定的地方，再给建议。
```

会追问，比一次问完美更重要。

## 0.7 用三句话判断 AI 的回答

现在再补一个很重要的动作：判断。

AI 的回答不要只分成“对”和“错”。第一次练习时，可以先分成三类：

* 我能直接用的是什么？
* 我还需要继续追问的是什么？
* 我必须查资料核验的是什么？

比如，AI 帮你介绍一个大学专业时，“这个专业大概学什么”可以先当作启发；“今年录取分数线”“某学校最新政策”“就业数据”就需要去学校官网、招生资料或老师那里核验；“我到底适不适合这个专业”则需要结合自己的兴趣、能力和长期目标继续讨论。

这就是使用 AI 的基本判断力：让它帮你打开思路，但不要把所有结论都直接交给它。

## 0.8 单次对话：一次提问，一次回答

单次对话可以理解为“一次输入，一次输出”。你问一个问题，AI 根据这一次能看到的信息回答。

如果你开启一个全新的对话窗口，它通常不知道你刚才在另一个窗口里说过什么。除非产品把历史记录重新放进去，否则过去那次对话不会自动跟过来。

这点对初学者很重要：**AI 不是天然认识你，它只能基于当前能看到的信息工作。**

## 0.9 多轮对话：让 AI 带着前文继续

多轮对话就是在同一个对话里继续追问。

例如你先说：

```txt
我是刚高考结束的学生，不懂编程。
```

再问：

```txt
请解释 API 是什么。
```

AI 的第二次回答会受到第一句话影响。它可能会少用术语，多用生活类比。这就是上下文在起作用。

你可以把多轮对话想成和同一个人聊天：前面说过的背景，会影响后面的理解。

## 0.10 上下文：AI 当前能看到的内容

上下文就是 AI 当前能看到的信息。它可能包括：

* 你刚刚输入的问题。
* 同一段对话里前面说过的话。
* 产品提前给 AI 设置的身份和规则。
* 当前教材章节、选中的文字或练习题。

上下文不是永久记忆。它更像一张临时草稿纸：这一段对话里有用，但换一个对话、换一个实验框，就不一定还在。

这也是为什么我们把正文实验框和右侧书籍 AI 助手隔离开。正文实验框是课程里的练习场；右侧 AI 助手是帮你学习的助教。它们不能互相混在一起。

## 0.11 再做一次对比：模糊问法和清楚问法

现在你已经体验过几次对话，也知道 Prompt 是任务说明。下面再做一个对比实验。

这次你输入同一个问题，系统会用两种方式问 AI：

* 模糊提问：直接把问题丢给 AI。
* 结构化 Prompt：补充读者对象、回答格式和误区提醒。

观察重点不是“哪边更华丽”，而是看哪一边更适合学习：是否更清楚、更容易理解、更知道下一步该怎么做。

{{prompt-compare-lab:prompt-specificity}}

## 0.12 第一次认识模型边界

AI 很有用，但它不是老师、搜索引擎、计算器和办事系统的完美合体。

它可能：

* 自信地说错。
* 把过时信息当成当前事实。
* 没有看过你以为它看过的资料。
* 为了迎合问题而忽略不确定性。
* 在复杂任务中漏掉要求。

所以，使用 AI 的好习惯不是“全信”，也不是“全不信”，而是：让它先帮你整理思路，再用资料、常识和老师同学的讨论去核验。

## 0.13 隐私和安全习惯

第一次使用 AI 时，就要有边界感。

不要随意输入：

* 密码、验证码、API key。
* 身份证、手机号、家庭地址。
* 同学、家人或老师的隐私信息。
* 公司、学校或机构内部资料。
* 医疗、法律、金融等需要专业责任的完整决策材料。

如果你不确定某段信息能不能输入，就先不要输入。把个人信息改成虚构例子，通常更安全。

{{reflection-checkpoint:preflight-context-boundary-checkpoint}}

## 0.14 预修课小测

下面几道题不是考试，而是帮助你和教材助理确认：哪些概念已经明白，哪些地方还需要换个说法再讲一遍。

答完后，系统会记录这次答题结果。下一节介绍教材助理后，它可以根据这些结果帮你讲解错题，也可以继续在聊天框里给你出一两道适合你的练习题。

{{assessment:preflight-check}}

## 0.15 XPKBook 和传统电子书有什么不同

到这里，你已经完成了几件事：填写学习画像、看过示范、体验正文里的 AI 对话实验、观察 Prompt 和上下文如何影响回答，还完成了一个小测。

传统电子书通常只负责展示内容。你读到哪里、做了什么练习、哪里卡住了，书本身并不知道。

XPKBook 不只是把文字放到屏幕上。它会把教材内容、互动实验、学习画像、答题结果和学习事件组织成结构化信息，让 AI 系统知道你正在学哪一节、刚做过哪个实验、哪些地方可能还需要解释。

这就是这本书里“教材助理”的作用：它不是正文实验框里的 AI，而是陪你学习整本书的助教。正文实验框负责让你练习和观察模型；教材助理负责帮你理解、追问、换例子、讲解错题和继续出题。

你可以点击右下角的 AI 按钮唤起助理，也可以按 `⌘/Ctrl + K` 打开它。现在你已经读到这里，可以让它根据你的问卷和小测结果，帮你总结这节课。

{{assistant-invite:preflight-finish}}

## 本章小结

这节课不是为了让你背术语，而是让你建立第一层手感：

* AI 对话不是搜关键词，而是给任务。
* Prompt 就是你给 AI 的临时任务说明。
* 多轮对话会参考前文，这些前文就是上下文的一部分。
* 新对话和不同实验框通常不会自动共享上下文。
* AI 的回答需要观察、追问和核验。
* XPKBook 的教材助理会基于结构化学习信息陪你学习，但正文实验框仍然保持隔离。

后面的章节会继续讲 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、工具和 AI 应用背后的系统边界。但从现在开始，你已经不是“看 AI 表演”的旁观者，而是可以尝试和 AI 协作的学习者。