AI 入门教程：从零基础到工程实战

AI 入门教程：从零基础到工程实战

适用人群：AI 初学者、转行开发者、产品经理、技术管理者
前置知识：Python 基础编程 + 中学数学（线性代数/概率论入门即可）
实验环境：Ubuntu 24.04 + Python 3.12 + OpenAI API
最后更新：2026-06-26

目录

• 第一部分：基础认知
  • §1 AI 简介
  • §2 Prompt 提示词
  • §3 AI 工具全景
  • §4 AI 工作原理
  • §5 AI 伦理与安全
  • §6 AI 应用场景
  • §7 AI 行业生态
• 第二部分：进阶开发
  • §8 Prompt 工程进阶
  • §9 AI API 开发
  • §10 RAG 检索增强生成
  • §11 AI 智能体
  • §12 AI 多模态
  • §13 AI 工作流自动化
  • §14 AI 产品设计
• 第三部分：模型技术
  • §15 本地模型部署
  • §16 AI 安全进阶
  • §17 Transformer 深度解析
  • §18 模型微调 Fine-tuning
  • §19 RLHF 对齐训练
  • §20 向量数据库
  • §21 AI 工程化部署
• 第四部分：深度学习与前沿
  • §22 深度学习基础
  • §23 计算机视觉 AI
  • §24 NLP 进阶技术
  • §25 前沿研究动态
  • §26 AI 系统架构
  • §27 AI 评测与安全研究

第一部分：基础认知

§1 AI 简介

什么是人工智能？

Artificial Intelligence（人工智能）是计算机科学的一个分支，旨在创建能够模拟人类智能行为的系统——包括学习、推理、感知、语言理解和决策。

┌─────────────────────────────────────────────────────────┐ │ 人工智能 (AI) │ │ ┌───────────────────────────────────────────────────┐ │ │ │ 机器学习 (Machine Learning) │ │ │ │ ┌─────────────────────────────────────────────┐ │ │ │ │ │ 深度学习 (Deep Learning) │ │ │ │ │ │ ┌───────────────────────────────────────┐ │ │ │ │ │ │ │ 生成式 AI (Generative AI) │ │ │ │ │ │ │ │ GPT / Claude / Gemini / 文心一言 │ │ │ │ │ │ │ └───────────────────────────────────────┘ │ │ │ │ │ └─────────────────────────────────────────────┘ │ │ │ └───────────────────────────────────────────────────┘ │ └─────────────────────────────────────────────────────────┘

AI 发展简史

三种 AI 形态

弱 AI (Narrow AI) 强 AI (AGI) 超 AI (Super AI) ───────────────── ──────────────── ──────────────── 专用领域 通用智能 超越人类 AlphaGo/人脸识别 尚未实现 理论阶段 ChatGPT(接近) 研究目标 科幻范畴

当前阶段定位：我们正处在弱 AI 向强 AI 过渡的关键时期。LLM 展现了令人惊讶的通用能力，但本质上仍是"模式匹配器"而非真正理解。

核心概念速查

§2 Prompt 提示词

Prompt 是什么？

Prompt（提示词）是你与 AI 模型交互的输入文本。Prompt 的质量直接决定了 AI 输出的质量——“垃圾进，垃圾出”同样适用于 AI。

Prompt 基本结构

┌────────────────────────────────────────────┐ │ 有效 Prompt 的 4 要素 │ ├────────────────────────────────────────────┤ │ 1. 角色 (Role) │ │ "你是一位资深 Python 架构师..." │ │ │ │ 2. 任务 (Task) │ │ "请帮我设计一个 RESTful API..." │ │ │ │ 3. 约束 (Constraints) │ │ "使用 FastAPI 框架，包含 JWT 认证..." │ │ │ │ 4. 格式 (Format) │ │ "输出为 Markdown，包含代码示例..." │ └────────────────────────────────────────────┘

Prompt 实战对比

❌ 糟糕的 Prompt：

写一个排序函数

✅ 好的 Prompt：

你是一位 Python 算法工程师。请实现一个通用的快速排序函数， 要求： 1. 支持自定义比较器（comparator）参数 2. 原地排序（in-place），空间复杂度 O(log n) 3. 包含完整的类型注解和 docstring 4. 附带 3 个测试用例 输出格式：Markdown 代码块 + 复杂度分析

六大 Prompt 技巧

避坑指南

§3 AI 工具全景

2026 年 AI 工具生态图谱

┌──────────────────────────────────────────────────────────────────┐ │ AI 工具生态 (2026) │ ├────────────┬──────────────┬──────────────┬───────────────────────┤ │ LLM 对话 │ 代码助手 │ 图像生成 │ 视频/3D 生成 │ ├────────────┼──────────────┼──────────────┼───────────────────────┤ │ ChatGPT │ GitHub Copilot│ Midjourney │ Sora / Runway │ │ Claude │ Cursor │ DALL·E 4 │ Pika / Luma │ │ Gemini │ CodeBuddy │ Stable Diff │ 可灵 / 即梦 │ │ DeepSeek │ Tabnine │ Adobe Firefly │ Meshy (3D) │ │ 文心一言 │ Windsurf │ 通义万相 │ Tripo (3D) │ ├────────────┼──────────────┼──────────────┼───────────────────────┤ │ 语音/音乐 │ 搜索/知识 │ 办公效率 │ Agent 平台 │ ├────────────┼──────────────┼──────────────┼───────────────────────┤ │ ElevenLabs │ Perplexity │ Notion AI │ AutoGPT │ │ Suno AI │ 秘塔 AI │ 飞书智能伙伴 │ MetaGPT │ │ 讯飞语音 │ 天工 AI │ Copilot 365 │ CrewAI │ │ Murf AI │ Kimi │ Gamma(PPT) │ Coze / 扣子 │ └────────────┴──────────────┴──────────────┴───────────────────────┘

大模型能力对比 (2026)

如何选择工具？

§4 AI 工作原理

LLM 是如何工作的？

现代大语言模型基于Transformer 架构，核心思想是“预测下一个 Token”（Next Token Prediction）。

┌──────────────────────────────────────────────────────────────┐ │ LLM 工作流程（简化版） │ ├──────────────────────────────────────────────────────────────┤ │ │ │ 输入文本 │ │ ↓ │ │ Tokenizer (分词器) │ │ "你好世界" → [123, 456] │ │ ↓ │ │ Embedding (嵌入层) │ │ [123, 456] → [[0.1, -0.3, ...], [0.5, 0.2, ...]] │ │ ↓ │ │ Transformer Layers (×N 层) │ │ ┌──────────────────────────────────────┐ │ │ │ Self-Attention → Feed Forward → ... │ ← 核心计算 │ │ └──────────────────────────────────────┘ │ │ ↓ │ │ Output Layer (输出层) │ │ 每个位置的词表概率分布 │ │ ↓ │ │ Sampling (采样) │ │ 选择下一个 Token: "世" → "世界" → "世界很大" │ │ │ └──────────────────────────────────────────────────────────────┘

三个关键阶段

┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │ Pre-training │ → │ Fine-tuning │ → │ RLHF/对齐 │ │ 预训练 │ │ 微调 │ │ 人类反馈强化 │ ├──────────────┤ ├──────────────┤ ├──────────────┤ │ 海量文本学习 │ │ 领域数据适配 │ │ 价值观对齐 │ │ 语言模式 │ │ 指令跟随 │ │ 安全无害 │ │ 知识存储 │ │ 对话能力 │ │ 有用诚实 │ │ 推理能力 │ │ 格式遵循 │ │ 拒绝不当请求 │ └──────────────┘ └──────────────┘ └──────────────┘ 数月/$$$ 数天/$$ 数周/$$

为什么 LLM 会"胡说"？

幻觉（Hallucination）的根本原因：

应对策略：RAG 检索增强（§10）、Function Calling 实时查询、降低 temperature、人工复核关键信息。

§5 AI 伦理与安全

五大伦理挑战

┌─────────────────────────────────────────────────────────────┐ │ AI 伦理五大维度 │ ├───────────┬─────────────────────────────────────────────────┤ │ 公平性 │ 模型偏见（性别/种族/地域）、算法歧视 │ │ 透明性 │ 黑盒决策、可解释性不足、AI 水印/标识 │ │ 隐私 │ 训练数据含个人信息、模型记忆攻击、数据泄露 │ │ 安全 │ 越狱攻击(Jailbreak)、提示注入、误用风险 │ │ 责任 │ 错误决策归责、AI 生成内容版权、就业冲击 │ └───────────┴─────────────────────────────────────────────────┘

安全攻击面

用户输入 │ ▼ ┌──────────┐ ┌───────────────┐ ┌──────────────┐ │ Prompt │────→│ LLM 推理 │────→│ 输出/动作 │ │ Injection │ │ │ │ │ └──────────┘ └───────────────┘ └──────────────┘ │ │ │ ├─ 越狱攻击 ├─ 数据投毒 ├─ 敏感信息泄露 ├─ 角色绕过 ├─ 后门攻击 ├─ 有害内容 └─ 间接注入 └─ 模型窃取 └─ 间接危害

防御措施速查

伦理实践建议

1. 透明度：明确告知用户正在与 AI 交互
2. 公平性审计：定期检查模型在不同群体上的表现差异
3. 隐私保护：不将用户输入用于模型训练（除非明确授权）
4. 人工监督：高风险决策保留人工审核环节
5. 持续监控：建立模型输出监控和异常告警机制

§6 AI 应用场景

行业应用全景

┌──────────────────────────────────────────────────────────┐ │ AI 行业应用矩阵 │ ├────────────────┬────────────────┬────────────────────────┤ │ 医疗健康 │ 金融科技 │ 教育培训 │ │ · 影像诊断 │ · 智能风控 │ · 个性化学习 │ │ · 药物发现 │ · 量化交易 │ · 自动评分 │ │ · 电子病历 │ · 智能客服 │ · 知识问答 │ │ · 基因分析 │ · 反欺诈 │ · 课程生成 │ ├────────────────┼────────────────┼────────────────────────┤ │ 软件开发 │ 内容创作 │ 制造业 │ │ · 代码生成 │ · 文本生成 │ · 缺陷检测 │ │ · 代码审查 │ · 图像/视频 │ · 预测性维护 │ │ · 测试自动化 │ · 音乐/配音 │ · 供应链优化 │ │ · 文档生成 │ · 翻译/本地化 │ · 数字孪生 │ ├────────────────┼────────────────┼────────────────────────┤ │ 科研 │ 法律 │ 安全 │ │ · 文献分析 │ · 合同审查 │ · 威胁检测 │ │ · 蛋白质折叠 │ · 案例检索 │ · 日志分析 │ │ · 数据挖掘 │ · 法律文书 │ · 行为分析 │ │ · 实验设计 │ · 合规审查 │ · 自动化响应 │ └────────────────┴────────────────┴────────────────────────┘

开发者日常应用

# 1. 代码生成 - 描述需求，AI 写代码prompt="用 Python 实现一个 LRU 缓存，要求 O(1) 读写"# 2. 代码解释 - 快速理解遗留代码prompt="解释这段 C++ 代码的内存管理逻辑：<code>"# 3. Bug 定位 - 贴错误日志，AI 分析原因prompt="这个 Python traceback 是什么原因？<traceback>"# 4. 文档生成 - 从代码生成 API 文档prompt="为以下 FastAPI 接口生成 OpenAPI 文档：<code>"# 5. 测试用例 - 自动生成单元测试prompt="为以下函数生成 10 个边界条件测试：<function>"

§7 AI 行业生态

产业链全景

┌────────────────────────────────────────────────────────────────┐ │ AI 产业链 (2026) │ ├──────────┬────────────┬──────────────┬──────────────┬──────────┤ │ 芯片/算力 │ 云服务 │ 模型层 │ 平台/工具 │ 应用层 │ ├──────────┼────────────┼──────────────┼──────────────┼──────────┤ │ NVIDIA │ AWS │ OpenAI │ LangChain │ ChatGPT │ │ AMD │ Azure │ Anthropic │ LlamaIndex │ Copilot │ │ Intel │ GCP │ Google │ HuggingFace │ Midjourney│ │ 华为昇腾 │ 阿里云 │ DeepSeek │ Ollama │ Notion AI│ │ 寒武纪 │ 华为云 │ 智谱/百川 │ vLLM │ 飞书AI │ │ Groq │ 腾讯云 │ 零一万物 │ Dify │ 文心APP │ ├──────────┼────────────┼──────────────┼──────────────┼──────────┤ │ GPU/NPU │ 算力租赁 │ 基础模型 │ 开发框架 │ 终端产品 │ │ HBM 存储 │ 模型即服务 │ 开源/闭源 │ 推理引擎 │ B2B/B2C │ └──────────┴────────────┴──────────────┴──────────────┴──────────┘

开源 vs 闭源模型

职业路径

┌─────────────────────────────────────────────────────┐ │ AI 领域职业路径 │ ├─────────────────┬───────────────────────────────────┤ │ AI 应用开发 │ Python → API → RAG → Agent │ │ (门槛最低) │ LangChain → Dify → Prompt 工程 │ ├─────────────────┼───────────────────────────────────┤ │ AI 工程化 │ MLOps → 模型部署 → 推理优化 │ │ (中高门槛) │ K8s → vLLM → 向量数据库 │ ├─────────────────┼───────────────────────────────────┤ │ AI 算法/研究 │ 深度学习 → PyTorch → Transformer │ │ (最高门槛) │ 微调 → RLHF → 多模态 → 前沿论文 │ ├─────────────────┼───────────────────────────────────┤ │ AI 产品 │ 场景理解 → UX 设计 → AI 产品策略 │ │ (交叉岗位) │ 需求分析 → 效果评估 → 价值验证 │ └─────────────────┴───────────────────────────────────┘

第二部分：进阶开发

§8 Prompt 工程进阶

从"聊天"到"工程"

Prompt Engineering（提示词工程）是系统化设计、测试和优化 Prompt 的工程实践，使 LLM 输出达到生产级质量。

高级 Prompt 模式

1. Chain-of-Thought（思维链）

Prompt: "Q: 一个农场有鸡和兔子共 35 个头，94 只脚，各有多少只？ 让我们一步步思考： 1. 设鸡为 x 只，兔为 (35-x) 只 2. 鸡有 2 只脚，兔有 4 只脚 3. 2x + 4(35-x) = 94 4. 解方程..." 效果：推理准确率从 17% → 78%（GSM8K 数据集）

2. Few-shot 示例模板

你是 SQL 专家。根据自然语言生成 SQL。 示例1： 输入：查询年龄大于18岁的用户 输出：SELECT * FROM users WHERE age > 18; 示例2： 输入：统计每个部门的平均薪资，按降序排列 输出：SELECT dept, AVG(salary) FROM employees GROUP BY dept ORDER BY AVG(salary) DESC; 现在请处理： 输入：找出2025年每个月的订单总额，过滤小于1000的月份

3. ReAct 模式（Reasoning + Acting）

Thought: 用户想知道今天深圳天气 Action: 调用天气 API(shenzhen) Observation: {"temp": 32, "weather": "晴", "humidity": 65%} Thought: 用户可能还想知道是否适合户外活动 Action: 根据温湿度判断 Observation: 高温高湿，建议室内活动 Final Answer: 深圳今天32°C晴天，湿度65%，建议在室内活动，注意防暑降温。

Prompt 模板化实战

fromstringimportTemplate# 可复用的 Prompt 模板CODE_REVIEW_TEMPLATE=Template(""" 你是一位资深 $language 代码审查专家。请审查以下代码： 审查维度：1.正确性：逻辑错误和边界条件2.安全性：注入、XSS、敏感信息泄露3.性能：时间复杂度、内存使用4.可维护性：命名、注释、模块化5.最佳实践：$language 社区规范 代码： ```$language $code

输出格式：

• 严重问题（必须修复）
• 优化建议（推荐改进）
• 风险点（需要注意）
  “”")

使用模板

prompt = CODE_REVIEW_TEMPLATE.substitute(
language=“Python”,
code=“def login(user, pwd): return True”
)

### 结构化输出控制 ```python from openai import OpenAI import json client = OpenAI() # 方式1：Function Calling 强制 JSON response = client.chat.completions.create( model="gpt-4o", messages=[{"role": "user", "content": "分析这段文字的情感"}], response_format={"type": "json_object"} # 强制 JSON ) # 方式2：Pydantic 结构化输出 from pydantic import BaseModel class SentimentResult(BaseModel): sentiment: str # positive/negative/neutral confidence: float # 0-1 keywords: list[str] # OpenAI 结构化输出模式 response = client.beta.chat.completions.parse( model="gpt-4o", messages=[{"role": "user", "content": "分析这段文字"}], response_format=SentimentResult )

Prompt 优化迭代流程

┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐ │ 编写草稿 │→ │ 小规模测试 │→ │ 分析失败 │→ │ 优化模板 │ │ Version 1 │ │ n=20 │ │ 案例 │ │ Version 2 │ └──────────┘ └──────────┘ └──────────┘ └──────────┘ ↓ 重复直到达标

§9 AI API 开发

OpenAI API 完整调用

fromopenaiimportOpenAIimportos# 初始化客户端client=OpenAI(api_key=os.environ.get("OPENAI_API_KEY"),base_url="https://api.openai.com/v1"# 或其他兼容 API)# 基础对话response=client.chat.completions.create(model="gpt-4o",messages=[{"role":"system","content":"你是专业的 Python 技术顾问"},{"role":"user","content":"解释装饰器的原理"}],temperature=0.7,# 创造性 0-2，越高越随机max_tokens=500,# 最大输出 Token 数top_p=0.9,# 核采样阈值frequency_penalty=0,# 重复惩罚presence_penalty=0,# 话题多样性)print(response.choices[0].message.content)# Token 用量统计print(f"Prompt Tokens:{response.usage.prompt_tokens}")print(f"Completion Tokens:{response.usage.completion_tokens}")print(f"Total Tokens:{response.usage.total_tokens}")

Streaming 流式输出

stream=client.chat.completions.create(model="gpt-4o",messages=[{"role":"user","content":"写一首七言绝句"}],stream=True# 开启流式输出)# 逐字输出（类 ChatGPT 打字效果）forchunkinstream:ifchunk.choices[0].delta.content:print(chunk.choices[0].delta.content,end="",flush=True)

多轮对话与上下文管理

classConversationManager:"""对话上下文管理器"""def__init__(self,model="gpt-4o",max_history=10):self.model=model self.max_history=max_history# 保留最近 N 轮self.messages=[]defadd_system(self,content:str):self.messages.append({"role":"system","content":content})defchat(self,user_input:str)->str:self.messages.append({"role":"user","content":user_input})