DONTSEARCH
你想弄明白什么？
262 条问答，从名词到具体做法都讲清楚。搜不到就顺着分类翻，点进去就是完整答案、例子和出处。
知识蜘蛛图
中心是全部知识，往外一圈是大类，再往外是具体问题。点节点逐层展开，也可以拖动、放大、直接搜。
AI 入门 · 先把名词和用法弄明白，别急着上手
55 条
AI 为什么会一本正经地说错话？ →
AI 会生成看起来通顺的回答，但通顺不代表事实正确。它可能编造出处、日期或工具功能；涉及重要决定时要回到原始资料核实。
AI 搜索网页和操作网页，是同一种能力吗？ →
不是。搜索主要是找网页并读取信息；操作网页则要看见界面并点击、输入或滚动。具体产品可能只支持其中一种，也可能需要不同的工具和权限。
AI 模型和 AI 软件是一回事吗？ →
模型像发动机，聊天软件像装好方向盘和座椅的车。同一个模型可以被不同软件使用；你用的软件也可能换模型。
AI 模型知道很多，为什么还要联网搜索？ →
模型像读过很多书的讲解员，搜索像现在出门查公告。讲常识可以直接问；问今天的价格、规则或新消息，要查最新来源再核对。
AI 看得懂照片，就一定看得准吗？ →
能分析图片的 AI 可以描述画面、识别显眼物体或读出清楚的文字，但小字、遮挡、角度和细节仍可能看错。像请人看一张模糊照片，能帮你找线索，不能代替原件核对。
AI 能操作我的电脑吗？它是怎么“看”和“点”的？ →
有些 AI 工具能读取当前屏幕，再通过鼠标和键盘完成网页操作；但这需要工具真的接上了电脑或浏览器环境。只有聊天窗口的 AI，不能因为你说一句“帮我点一下”就自动控制你的电脑。不同产品能操作的范围也不同。
AI 自带的工具和后来连接的工具，有什么不同？ →
有些产品把搜索、读文件等能力做好了，打开就能用；连接工具则要由产品或用户额外接入，能做什么取决于实际授权。看到“支持某工具”，还要确认你的账号和当前环境是否真的开通。
AI 要求访问文件或账号，我该怎么判断？ →
先问它完成这一步需要什么权限、会读什么、会改什么。能只给一个文件就别给整个网盘；涉及删除或公开发布，先预览再确认。
AI 说它记住了，是永久记住吗？ →
不一定。眼前对话、保存的记忆和上传的文件是不同东西，能记住多久也由产品设置决定。重要要求最好明确写出来并检查结果。
AI 说要调用工具，工具是谁真的去执行？ →
通常是 AI 提出“要调用哪个工具、带什么信息”，连接它的应用或服务再去执行，并把结果交回 AI。AI 提出请求，不代表它已经真的完成了动作。
API Key 能不能直接交给 Agent？ →
API Key 像能代表你办事的钥匙，不能贴在聊天记录、网页或公开代码里。连接服务时，应使用产品提供的安全保存方式，并只给完成任务所需的权限；怀疑泄露就尽快撤销或更换。
API 是什么？AI 怎么用它连接其他工具？ →
API 可以想成两个软件之间约好的“点单窗口”：一个软件按要求提出请求，另一个软件把结果送回来。比如天气网页通过天气服务的 API 查询城市天气，再显示给你。不是每个 API 都要钥匙；需要 API Key 的服务，会把它当作调用凭证。它要像密码一样保管，不能写进公开网页或公开代码。
Agent 为什么会一边做一边继续问 AI？ →
它不是只生成一次答案：先判断下一步，再调用被允许的工具；拿到工具结果后，再决定继续做还是回复你。重复这几步，直到完成或需要你帮忙。
Agent 和普通聊天 AI 差在哪里？ →
普通聊天多是你问一句它答一句；Agent 能为目标分步骤，调用它被允许使用的工具，再根据结果继续。但它不会自动拥有所有权限。
Agent 是什么？和普通聊天 AI 有什么不同？ →
可以把 Agent 理解成“能动手办事的 AI 助手”。普通聊天 AI 主要回答你；Agent 除了回答，还可能按步骤安排任务、使用工具、查看结果，再继续下一步。它能做什么，要看你用的产品给了它哪些工具和权限；叫 Agent 不代表它什么都能做，也不代表可以不检查结果。
Agent搭建不废话版 →
查看原内容与来源
Gemini 说要调用函数，它会自己运行我的程序吗？ →
通常不会。模型会给出要调用的函数和参数；你的应用再决定是否执行，把结果交回 Gemini。真正能做什么，取决于你写了什么程序以及给了什么权限。
Guardrail 是什么？AI 的“护栏”能做什么？ →
它是自动检查规则：例如挡住不允许的请求、检查 AI 输出，或核对工具准备执行的内容。它能减少问题，但不能替代权限限制和人在关键动作前检查。
MCP接的越多，Agent越蠢越贵 →
查看原内容与来源
Skill 是 Buff，装得越多，AI 就越强吗？ →
不是。Skill 更像一份特定任务的做事说明，不是给 AI 永久加能力的药水。任务需要时，AI 才应该用对应的 Skill；装很多不相关或重复的 Skill，说明可能互相打架，也会让 AI 更难挑对。新手先用眼前任务需要的那一个，效果不够再换或补。
Token 是什么？为什么会影响花费？ →
Token 是模型处理文字时用的计量单位，不等于一个汉字或一个词。输入和输出都可能计入用量；内容越长，通常用量越多。
Windows 换到 Mac，Codex 的项目记忆和习惯怎么延续？ →
换电脑不等于项目必须从头来，但要把重要信息放在能随项目带走的地方。分成两类整理：① 项目长期规则、目录说明、测试和发布方式，写进仓库里的 AGENTS.md、README 或项目文档，并提交到 Git；② 个人偏好、Codex 配置和自建技能，单独备份后在新电脑登录并按需恢复。对话记录和本机临时状态不要当作唯一记忆；换到 Mac 后先克隆最新仓库，检查项目说明、技能和环境变量，再让 Codex 做一次只读梳理。密码、API Key 和登录凭据不要提交到仓库，也不要把旧电脑的密钥文件直接分享给别人。
WorkBuddy 的模型怎么选？ →
查看原内容与来源
为什么 AI 聊久了会忘记前面说过的话？ →
AI 每次回答只能参考一定范围内的信息，像桌面有大小。内容太多时，前面的细节可能放不进来或被压缩，所以长任务要留下简短的阶段总结。
为什么一个任务有时会交给另一个 Agent？ →
一个 Agent 可以把某个明确的小任务交给更合适的专长 Agent，例如把翻译交给语言助手。交接后谁继续负责回复，要由流程设计决定。
为什么先告诉 AI 背景，它更容易答到点上？ →
只说“帮我写一下”，像让新同事办事却不告诉他给谁看。补上目标、读者和限制，AI 才更容易交出合用的第一版。
为什么要让 Agent 在隔离环境里做事？ →
隔离环境像一间单独的工作室：只放完成任务需要的文件和工具。这样即使 AI 写错命令或误读内容，影响范围也比较小。
为什么要限制 Agent 能打开的网站？ →
如果任务只需要访问指定网站，就只放行这些网站。限制可访问的范围，能降低误传资料或访问陌生站点的风险。
什么是 MCP？它怎么让 AI 连接工具？ →
MCP 是一套公开的连接标准，让支持它的 AI 应用用相近的方式连接外部资料和工具。可以把它想成一套通用接口：不同的 AI 应用按这套规则，就能接上提供文件、搜索、日历等能力的服务。MCP 本身不是 AI，也不会自动让每个 AI 都能做事；要看你用的 AI 应用和连接的服务分别支持什么。
什么是 Prompt？ →
就是你发给 AI 的要求。说清要做什么、给谁用、希望得到什么结果，AI 才更容易帮上忙。
什么是 Skill？ →
可以把它理解成给 AI 准备的一套工作方法。里面有说明，也可能有脚本或素材，让 AI 在做某类事情时按这些方法办。它需要放进支持它的 AI 工具里使用。
什么是 Vibe Coding？ →
这个说法来自用自然语言让 AI 写代码、通过试运行不断调整的做法。它适合快速试想法；做出来以后，仍要亲自检查按钮、内容和结果。
什么是本地模型？和 DeepSeek、GPT 有什么不同？ →
先分清两件事：“DeepSeek、GPT”是模型的名字；“本地”是模型运行的位置。可以把模型想成厨师：本地运行像把厨师请到自己家里，用自己的电脑干活；云端运行像请远处的大厨房帮忙，你通过网络把需求交过去。模型本身和运行地点不是一回事：有些 DeepSeek 模型可以下载到电脑运行；OpenAI 的 gpt-oss 也能自己部署，但它不是 ChatGPT 里在线使用的 GPT 服务。
同一句话问 AI，为什么有时答案不一样？ →
生成式 AI 每次都在根据上下文生成答案，不像计算器每次只算出一个固定结果。模型设置、版本和提问细节都可能让回答变化；重要任务要给清楚标准，并检查结果。
向量和 Embedding 是什么？ →
可以把它想成给内容做一张‘意思坐标’。意思接近的句子，坐标也可能接近，因此能帮助找相关资料；它不是原文的可靠替代。
和 AI 聊天，它就被我训练了吗？ →
通常不是。聊天是在用已有模型回答；聊天记录或记忆可能影响你之后看到的回答，但不等于你重新训练了模型。数据是否用于改进模型，要看产品设置。
多个 Agent 一起做，真的一定更好吗？ →
不一定。多一个 Agent 就多一段沟通和检查；任务简单时，一个 Agent 配几个工具更直接。只有工作能清楚拆成不同专长，而且分工确实改善结果时，再考虑多个 Agent。
多模态 AI 是什么意思？ →
就是不只处理文字，还能接收或生成图片、声音等内容。具体能做哪些，要看你用的模型和软件。
常见本地模型有哪些？能做什么、下载多大？ →
下面是常见模型家族的几个本地版本，按“适合做什么”来认，不是排行榜。文件大小是 Ollama 常见量化版本的下载参考；不同版本会变，下载文件大小也不等于运行所需内存。 Qwen 3（通义千问）：中文问答、写作、翻译、编程。4B 约 2.5GB；8B 约 5.2GB。可以下载到本地运行。 DeepSeek-R1：更偏向推理、数学、逻辑和编程。蒸馏小版本 7B 约 4.7GB；8B 约 5.2GB。可以下载到本地运行。 Gemma 3（Google）：日常问答和总结；4B 版本还可以看图片。4B 约 3.4GB；12B 约 8.2GB。可以下载到本地运行。 Llama 3.2（Meta）：轻量的日常对话和摘要。3B 约 2GB。可以下载到本地运行；不同版本的中文表现会有差别。 gpt-oss（OpenAI）：偏推理和开发者用途。20B 约 14GB；官方运行方案需要大约 16GB 内存，普通电脑不一定跑得动。它和 ChatGPT 里的 GPT 服务不是一回事。 这些模型都能找到可下载的本地版本。Ollama、LM Studio 是下载和运行模型的工具，不是模型本身。
开源就是免费、随便商用吗？ →
不是。开源通常表示可按许可证查看和使用代码；免费使用、商业使用、改动后再发布，分别受具体许可证或服务条款约束。
怎么从零搭一个 Agent？新手先走这 7 步 →
搭 Agent 像带一位新同事：先讲清岗位，再给资料和工具，最后用真实例子试岗。拿“根据店铺规则回答常见问题”练手，可以按这七步走： ① 选一件常发生、结果好检查的小任务。 ② 写清它服务谁、负责什么、哪些事不能做。 ③ 准备准确、它能读到的资料。 ④ 挑完成任务必需的工具，只给合适权限。 ⑤ 把办事步骤和遇到例外时的处理写下来。 ⑥ 设好需要人工确认的动作。 ⑦ 用真实问题试用、检查，再小范围上线。
我把文件发给 AI，它会自动看到后来的修改吗？ →
通常不会。你交给 AI 的文件像递过去的一张复印件；电脑里原文件后来改了，要让它看新内容，就再上传新版。
搜索和 RAG 有什么不同？ →
搜索负责找资料；RAG 在回答前把找到的资料交给 AI，让它依据资料回答。资料没找到或本身错了，回答仍可能错。
浏览器和搜索引擎是一回事吗？ →
不是。浏览器像你出门用的车，负责打开网页；搜索引擎像问路的向导，帮你找到想去的网页。一个浏览器里可以使用不同的搜索引擎。
第一步：选合适的任务 →
先选常发生、步骤大致固定、结果容易检查的任务。涉及猜测、责任重大或没有明确规则的事，先让人做决定，Agent 只帮忙整理。
第七步：小范围试用 →
先用内部或少量真实问题试一轮，检查答得准不准、会不会越权、遇到不知道时会不会停。修正后再扩大使用范围，并定期复查资料和用户反馈。
第三步：准备资料 →
把它需要依据的规则和资料整理好，标清版本或更新时间，并告诉它找不到依据时要承认不知道。资料像员工手册；Agent 能读到手册，不代表手册自动正确或一直最新。
第二步：写工作卡 →
动手前写清六件事：它是谁、服务谁、要完成什么、能参考什么、哪些事不能做、怎样算完成。像新同事的岗位说明，越具体越少靠猜。
第五步：画出办事流程 →
把任务写成“收到什么 → 先检查什么 → 用什么资料或工具 → 如何核对 → 交付什么”。再补上资料缺失、工具失败、用户要求超范围时怎么办。像给新同事画一张办事流程图。
第六步：设置人工确认 →
可能花钱、对外发送、公开发布、改账号权限或删除资料的动作，最好先让 AI 展示准备做什么，再由你确认。读资料、整理草稿等可撤回的步骤，可以先自动完成。
第四步：选择工具和权限 →
不用。只给这件事需要的工具和范围更容易管理，也能减少误操作。例如只需看一个文件，就不必开放整个磁盘；能只读，就先别给编辑或删除权限。
给 AI 一个例子，为什么常常比多解释几句更有效？ →
例子能让 AI 直接看到你要的长度、语气和格式，减少它猜测。像给新同事看一份合格样稿，比只说“写得专业一点”更具体。
网页里写着“忽略之前的话”，AI 应该听谁的？ →
网页、邮件和文件里的文字是 AI 正在阅读的内容，不能自动当成你给它的新指令。恶意内容可能诱导 AI 泄露资料或执行别的动作；应让 AI 按你原本的目标阅读，并在可疑或高风险动作前停下来。
让 AI 帮我研究一件事，先让它回答还是先让它列问题？ →
资料还不全时，可以先请 AI 列出需要查证的问题，再逐项找来源。这样比一上来要它给结论，更容易发现缺了什么证据。
除了 CosyVoice，还有哪些各管一件事的模型？ →
把 AI 模型想成一队分工不同的帮手：有的负责说，有的负责听，有的负责看，还有的负责帮你找资料。先想清楚自己要把什么变成什么，再选模型。 ① 让文字开口说：CosyVoice。输入讲稿，输出配音；适合视频旁白、数字人说话。它不是负责回答问题的聊天模型。 ② 把声音听成字：SenseVoiceSmall、Whisper tiny/base。输入录音，输出文字；适合会议记录、采访整理、字幕。方向和 CosyVoice 正好相反。 ③ 写字和想办法：Qwen3-0.6B、Qwen3-1.7B。输入问题或草稿，输出回答、改写或摘要；像随身文字助手，但重要事实仍要核对。 ④ 看图再回答：Qwen3-VL-2B。输入图片加问题，输出解释；适合问截图里有什么、图表大意是什么。 ⑤ 把图片里的字抄出来：PaddleOCR 的 PP-OCRv5_mobile。输入票据、截图或扫描页，输出识别到的文字。它更像抄写员，不负责判断内容真假。 ⑥ 帮资料配“相似度索引”：BGE-small-zh-v1.5。输入一句话，输出便于比较相似度的数字向量；适合在自己的知识库里找相关段落。它只负责“找”，要组织答案还得接文字模型，这就是 RAG 常用的分工。 ⑦ 画图：SD-Turbo。输入画面描述，输出图片；适合概念图和视觉草稿。名字里有 Turbo 是生成速度设计，不等于文件小或普通电脑都跑得动。 ⑧ 写一小段音乐：MusicGen-small。输入风格描述，输出音乐片段；适合试做背景音乐。 ⑨ 把描述变成短视频：Wan2.1 T2V-1.3B。输入画面描述，输出视频；它虽是该系列较小的版本，生成仍比文字任务吃显卡和时间。 这些模型都有可获取的权重或本地运行方案，但“能下载”不等于“你的电脑能顺畅运行”。0.6B、1.3B 里的 B 是十亿个参数，Whisper tiny 的 39M 里 M 是百万个参数；参数数目不是下载体积，也不能直接代表显存需求或效果。“专用”也不等于一定“小”。先选任务，再查模型的安装说明、硬件要求与使用许可。模仿真人声音前，要取得本人授权。
用 AI 办事 · 拿 AI 处理具体事情的做法
43 条
AI 做的第一版不满意，怎么让它改得更准？ →
别只说“再好一点”，告诉它哪一处不合适、希望变成什么样。像改衣服一样，一次指出袖子太长，比说“整件再时髦些”容易改对。
AI 写好的邮件，能不能直接点发送？ →
先把 AI 当草稿助手，不要当自动邮差。收件人、金额、日期和承诺都要自己核对；尤其别让它没经过你确认就发出去。
AI 回答得很肯定，怎么知道它有没有说错？ →
先请它指出依据，再打开原资料看它引用的那一段是不是支持这个结论。没有依据的数字、日期、规定和产品功能，要去原出处查；找不到就先当作未确认。AI 说得流畅，不代表事实已经核实。做自己的资料问答时，可以要求“资料里没有就说不知道”，再拿几个已知问题试它。
AI 工具那么多，先选哪个？ →
先按眼前任务选：聊天写作选能读写文字的；做图选图像工具；写程序选能看项目文件的。别先装一大堆，先用一个工具完成一件小事。
AI 给了答案，还要看来源吗？ →
要。答案是 AI 的整理，来源才是你检查它有没有讲错的地方。尤其数字、法律、医疗和产品规则，要看原文及发布日期。
AI 翻译为什么要告诉它这是说给谁听的？ →
同一句话，对客户、朋友和老师的说法不一样。告诉 AI 对象和场景，它才知道该直译、礼貌一点，还是说得更口语。
AI 能读照片里的字吗？ →
有些工具可以识别图片中的文字和画面，但模糊、反光或小字容易看错。让它先逐字转写，再由你核对。
Agent 上线前，怎样知道它适不适合这项工作？ →
先准备几种真实但安全的例子，写清什么算做对、什么情况必须停下，再观察它选的工具、答案是否准确、有没有越权。改完流程后用同一批例子再试一次。
Agent 中途停了，怎样接着之前的步骤做？ →
能不能接着做，取决于产品有没有保存这次任务的进度。继续前先看它记录了什么、当前做到了哪一步；换了一个软件或新对话，不要默认旧任务状态还在。
Agent 调用工具失败了，应该直接重试吗？ →
先看失败原因和上一步有没有真的执行。查询通常可以重试；付款、发邮件、删除等动作可能已经生效，先核实结果，避免重复操作。
LLM wiki 和 RAG →
查看原内容与来源
LLM 能帮我做什么？我需要自己训练一个吗？ →
LLM 就是能理解和生成文字的一类 AI 模型。你已经在用的聊天助手、写作助手，背后往往就有这样的模型。它能帮你整理资料、起草文字、解释问题；做产品时，也可以借助 Codex 这类工具让它参与写代码和修改。大多数人先用现成的工具就够了，不需要自己训练一个模型。
为什么要告诉 AI 答案要用表格、清单还是短文？ →
同一件事可以有很多种写法，指定格式能让结果更容易直接使用。比较项目适合表格，操作步骤适合编号清单，给朋友看的介绍适合短文。
什么东西别直接上传给 AI？ →
密码、密钥、身份证号和未经授权的客户资料，先不要上传。确有必要处理文件时，先去掉敏感信息，并查看所用产品的数据设置。
任务太大，怎样拆给 AI？ →
先说最终想要什么，再让 AI 列出最小步骤；每做完一步看结果，满意了再继续。这样出错时也知道从哪里改。
会议录音怎么变成可执行的待办？ →
先转写，再让 AI 按‘事情、负责人、期限、待确认’整理。没说清的负责人或日期标成‘待确认’，不要替大家猜。
免费工具够用，什么时候才需要付费？ →
先看免费版能否完成你的实际任务。只有碰到明确限制——文件太大、次数不够或缺关键功能——才考虑付费，并留意是否自动续费。
冰箱里只有几样食材，AI 能帮我想菜吗？ →
可以把食材列出来，或在支持看图的工具里拍给 AI，请它给出简单做法。对过敏、食物变质和生熟安全，还是以自己的判断和可靠食品说明为准。
只有几份资料，要不要先搭一个 RAG？ →
先试最简单的一步：把允许分享的文件交给支持读文件的 AI 工具，问一个你知道答案的问题，看看它能否指出依据。几份文件、只给自己用，通常先这样试就够了。资料很多、经常更新，还要让其他人反复提问时，再考虑做可搜索的资料问答。选哪种做法，也要看文件是否适合上传到所用工具。
可以让 AI 帮我排旅行计划吗？ →
可以先让 AI 排一个草案，但营业时间、票价、交通和预约要求像天气一样会变，出发前要查景点和交通的官方最新信息。
好用的提示词要不要存起来？ →
常做同一类事，可以存一个可修改的模板：任务、材料、输出样子和检查标准。每次替换材料，不必死背‘万能咒语’。
学一个新知识，怎么让 AI 像老师一样带我？ →
先告诉 AI 你从哪里开始学，请它先用熟悉的例子讲，再一点点加难度。像学游泳先扶着浮板，不是第一天就把你扔进深水区。
开会前，怎么让 AI 把零散想法变成议程？ →
把想讨论的事交给 AI，请它排成主题、要决定的问题和所需材料。像出门先看路线，会议就不容易聊着聊着跑偏。
录音怎么变文字？ →
把录音交给支持语音转写的工具，它会给你文字稿。方言、多人同时说话和专有名词可能听错，公开或上传前也要确认录音授权。
怎么告诉 AI：做到什么样才算完成？ →
把“完成”说成看得见的结果，别只说“做好”。这就像点外卖：说清送到哪、几份、不能放辣，比只说“来点吃的”靠谱。
怎么用 AI 从头做出一份完整的 PPT？ →
用 AI 做 PPT，是个练习怎么和 AI 合作的好场景。重点不是让它一次包办，而是把目标和材料说清楚，再和它一起把内容打磨好。 开始时，告诉 AI 演示要讲给谁、希望听众看完后理解或采取什么行动、时长和限制。手头有资料就提供给它，并说明哪些信息必须有依据；资料不全时，先让 AI 指出缺口。 不要一开始就要求生成整份文件。先让 AI 整理信息、提出内容主线和页面大纲；你确认方向后，再让它逐段完善。 看到初稿后，针对具体页面给反馈，例如“这一页结论不清楚”或“把这段换成图表”。让 AI 帮你检查遗漏和逻辑，但重要事实、来源和实际排版仍要自己核对。 需要导出演示文件时，再选择适合你当前 AI 和使用方式的工具；如果要现场讲解，可以和 AI 练习表达、预想听众可能会问的问题。
怎么知道 Agent 刚才做了什么？ →
看任务记录或执行过程：它用了哪些工具、拿到了什么结果、哪里停下或报错。记录能帮助你查原因，但其中也可能有敏感资料，要妥善保护。
怎么让 AI 帮忙看表格？ →
先说每列是什么、你想比较什么。请 AI 展示计算过程和异常值；涉及金额时用表格公式或原始数据再核对一次。
怎么让 AI 帮我看一份 PDF？ →
上传有权分享的文件，明确让 AI 找哪一部分、引用哪一页。扫描件可能需要先识别图片文字；重要数字仍要回原件对照。
怎样让别人从搜索或 AI 回答里找到我的内容？ →
有人把让内容更容易在 AI 搜索和回答中被发现、被引用，叫作 GEO。对新手来说，先做好普通的事：一篇内容回答一个真实问题，有能打开的固定网址，说清作者和来源，让搜索工具能读到正文。内容要有自己的解释和例子。这样才有被找到的机会，但没有哪种写法能保证被收录或引用。
想学一件新东西，怎样让 AI 帮我排一个不吓人的计划？ →
先说每天能拿出的时间和想达到的结果，再请 AI 把大目标切成小任务。计划要像每天爬一级台阶，不要第一天就安排爬完整座山。
想让 AI 查自己的资料，直接上传还是做成知识库？ →
先按使用方式选。临时看几份文件：用你已有的 AI 对话工具上传文件试问。想反复查自己的资料：可以试 AnythingLLM 这类能把文件放进工作区再提问的工具；它也能连接本地模型，但初次设置会多几步。想把问答做成给别人用的网页或流程，可以了解 Dify。想让 Codex 按自己的需要搭一个，就先描述“谁来问、资料放哪、回答要不要带出处”，请它先比较最简单的方案，再动手。工具可能把文件发到云端，敏感资料先看清存放位置和服务说明。
我有自己的资料，怎样让 AI 根据它们回答？ →
这类做法常叫 RAG：先从你的资料里找出相关内容，再让 AI 参考这些内容回答。比如把产品说明、常见问题放在一起，别人提问时，它先找资料再作答。它适合资料多、经常更新，或者回答必须有出处的情况。资料少时，先直接把文件交给支持读文件的 AI 工具试用；需要长期给多人用，再考虑让 Codex 帮你做可搜索的资料问答。AI 仍可能答错，重要答案要能点回原文核对。
改网站前，为什么先让 AI 说说准备怎么改？ →
先看计划，能发现 AI 有没有理解错方向；确认后再动手，像先看装修图纸再拆墙。尤其是已有用户在用的网站，别一上来就让它大改。
用 AI 为什么有时会花钱？ →
聊天软件可能按套餐收费；开发者调用模型通常按使用量计费。图片、长文件和大量自动运行也可能增加用量。先看收费页和用量上限。
能让 AI 根据我的笔记出几道练习题吗？ →
可以把笔记交给能读文件的 AI，让它按笔记出题；答案也要对照原文检查，免得把 AI 编出来的内容一起背走。
脑子里只有零散想法，怎样让 AI 先帮我整理成清单？ →
先把想到的内容原样说出来，再让 AI 按目标、已有条件、待决定问题分组。它像帮你把桌上的纸条摊开分类，最后取舍还是你来做。
让 AI 帮我做演示文稿，第一步给它什么？ →
先说听众是谁、你希望他们记住哪三件事，再让 AI 排顺序。像讲故事先定主线，别一开始就忙着挑模板和动画。
让 AI 推荐工具，怎么避免它只报一个名字？ →
先给选择条件，再让它把几种工具摆在一张桌上比。就像选手机，要一起看预算、常用功能和售后，不能只问“哪台最好”。
让 AI 比较两份文件，怎样避免只听到一个模糊总结？ →
先指定比较维度，并让 AI 把差异、原文依据和不确定处分开列出。它适合帮你找不同，涉及合同或金额时仍要回到原文确认。
需求没说清时，AI 会不会自己猜？ →
会有这个可能。把不确定的地方先摊开，让 AI 先问你两三个关键问题，就像装修前先量尺寸，免得做完才发现门开错方向。
面试前怎么让 AI 陪我练习，而不是替我背答案？ →
让 AI 一次问一个问题，等你回答后再指出表达是否清楚，并追问细节。它像陪练，可以帮你熟悉节奏，但不能保证真实面试会问同样的问题。
面试前，怎么让 AI 陪我练习而不是背答案？ →
让 AI 一次问一个问题，听完你的回答再追问或给建议。像排练对话，不是背一篇别人写好的稿子。
做产品 · 从想法到能用的东西，怎么走
61 条
AI 时代做产品，先认识这几个工具 →
先认清这些名字各自管什么，不必按顺序学，更不用全部注册。做什么产品、需要什么功能，再决定选哪些工具。点下面任意一项单独了解。
AI 说网页做好了，我到底要检查哪三样？ →
先让 AI 打开做好的页面给你看。只检查三样：文字和图片是不是你要的；每个按钮点下去有没有反应；用手机打开时有没有挤坏。哪里不对，就截图或指出位置，让 AI 改完再看一遍。“已经完成”只是它的报告，打开亲自试过才算数。
Cloudflare 和 Vercel 一样吗？ →
Cloudflare 也能发布网站，但它是一组服务：Workers 可运行网站背后的程序，D1 用来存表格状的数据，R2 用来存图片等文件。Vercel 和 Cloudflare 在“发布网站”这一步有交集，不代表所有服务都能一一替换。国内也有 EdgeOne Pages、ESA Pages 等网站发布选择；需要数据库或文件存储时，要再看相应服务。
Git 是什么？它只存版本号吗？ →
Git 帮你记录代码的历史。你改完一段内容，主动做一次“提交”，它就记住那时项目的状态，并给这次提交一个识别码。以后可以看两次提交之间改了什么，也能找回以前的内容。平时点“保存文件”只是保存当前文件，不会自动产生一次 Git 提交。Git 可以在自己的电脑上使用。
GitHub 和 Git 是什么关系？ →
Git 负责记录代码版本；GitHub 是放代码仓库、和别人协作的网站。做完 Git 提交后，你可以把它推送到 GitHub。国内相近的代码托管选择是 Gitee，二者都使用 Git。Git 是通用工具，不需要找一个“国产 Git”。代码放上去以后，网站还没有自动上线；下一步要看发布平台。
HTML、CSS、JavaScript 分别做什么？ →
把网页想成一间房：HTML 摆出门窗和家具，CSS 决定颜色和摆放，JavaScript 让按钮按下后有反应。三者各管一部分。
ICP备案和 ICP 证是一回事吗？什么情况要办？ →
不是一回事。ICP备案是网站等互联网服务的登记；大家常说的“ICP 证”，通常指 ICP 经营许可证，是经营性互联网信息服务需要取得的许可。简单说，一个是备案登记，一个是经营许可。申请经营许可证通常要有公司主体、相应人员和技术条件。按现行增值电信业务许可规则，省内经营的注册资本最低通常为 100 万元，跨省经营通常为 1000 万元；各地还可能要求提供负责人社保证明等材料。不能只看网页有没有按钮、能不能互动来判断是否要办证。
Vercel 是做什么的？国内有哪些选择？ →
Vercel 是把网页项目构建、发布成能访问的网址的平台，也可以连接代码仓库，让之后的更新更方便。类似的网站发布选择还有 Cloudflare；面向国内用户，也可以看腾讯 EdgeOne Pages、阿里云 ESA Pages。它们支持的功能、访问情况和费用并不完全相同，先根据自己的网站类型选，不必四个都注册。
一个网站为什么还需要管理员页面？ →
用户看到的是前台，管理员页面用来处理内容、举报、分类和账号等日常管理。它像店铺的收银台和仓库工作区，不是普通顾客逛的页面。
个人网站从哪里开始？ →
先准备三个内容：你是谁、你做过什么、别人怎么联系你。让 AI 做一个能打开的简单页面，再逐项检查文字、图片和链接。
为什么电脑上好看，手机上却挤乱了？ →
电脑和手机屏幕宽度不同。响应式设计会让排版随屏幕变化，例如电脑两列、手机一列；发布前两个尺寸都要试。
从列表点进详情，关掉后该回到哪里？ →
最好回到用户刚才所在的页面和位置，而不是把他送回首页。像从书里查一个脚注，合上注释后应该回到原来读到的那一行。
代码一改，网站能不能自动更新？ →
可以设置自动化流程：代码提交后，系统自动检查并把符合条件的版本发布。它像把“检查、打包、上架”做成固定流水线；正式网站仍要有预览和回退安排。
保存草稿和发布，有什么不同？ →
草稿像放在工作台上的半成品，通常只有编辑者能看；发布才是把它摆到大家看得到的架子上。按钮和状态要说清楚，避免用户以为保存就已经公开。
做产品时说的 MVP，是不是把产品做得很简陋？ →
MVP 是先做出能验证核心想法的最小版本，不是随便做坏。先回答一个关键问题，再根据真实使用反馈决定下一步投入。
做微信小程序，这条路哪里不同？ →
做小程序也可以用 Git 记录代码、用 GitHub 或 Gitee 保管仓库。给用户使用时，通常要按微信小程序的流程上传版本并提交审核，不是把小程序放到 Vercel 就完成发布。需要保存用户资料或上传图片时，可以接后端；腾讯云开发 CloudBase 提供适用于小程序的数据库、登录和文件存储。
做手机 App，也要用 Vercel 发布吗？ →
手机 App 也能用 Git 和 GitHub 或 Gitee 管理代码。真正给别人安装时，要做出手机可安装的版本，再提交对应的应用商店或分发渠道；iPhone App 要经过苹果的提交和审核流程，Android 则看目标市场的应用商店。App 如果需要账号、内容同步或上传文件，通常仍要连接后端服务，但安装包本身不靠 Vercel 发布。
做网页、小程序、互动网页，有什么不同？ →
可以把它们想成三种东西：展示网页像一张会动的电子海报，别人点开网址就能看；互动网页像一个能操作的小工具，除了看，还能搜索、填写、计算或保存东西；微信小程序像在微信这个现成商场里开一个小店，微信提供入口和一些现成能力，你把页面和功能搭进去，但仍要按规则开发、提交审核和发布。互动网页本身还是网页，不会因为有按钮就变成小程序。
删除资料前，什么时候应该再确认一次？ →
如果删除很难恢复、会影响别人或会损失重要内容，就先说清后果再确认；能轻松撤销的小操作，可以提供撤销入口，减少多余打断。
原型和真正能用的产品有什么区别？ →
原型主要用来试页面和操作流程，像房子的样板间；正式产品还要处理真实数据、账号、错误和上线维护。原型好看不代表已能可靠使用。
发布前的预览链接，能拿来给别人试吗？ →
可以先用预览版检查改动，但它不是正式网站，也不应当成保密空间。像新店试营业，先看看门好不好找、菜单能不能点，再决定正式开门。
发现网页有问题，怎么告诉 AI 才好改？ →
说清你在哪个页面、点了什么、期待看到什么、实际发生什么。附截图或报错文字，AI 才能复现并定位。
域名、DNS 和网站托管有什么不同？ →
可以把它想成找一家店：域名是好记的店名，DNS 像把店名查成实际位置的电话簿，网站托管则是放网页并让它能运行的地方。买到域名只是拿到一个名字，网站还要先发布到托管服务，再把域名的 DNS 设置指向它。注册域名、管理 DNS 和托管网站可以是同一家公司，也可以分开。
多人各用不同的智能体做同一个项目，怎样协作？ →
把协作中心放在项目仓库和任务记录里，而不是某个人的聊天记忆中。先约定唯一主分支、项目说明和完成标准；把大任务切成边界清楚、尽量不改同一批文件的小任务，每个人让自己的智能体在独立分支或工作区完成；完成后提交并发起 Pull Request，由负责人检查改动、测试和冲突，再合并到主分支。共享必要背景写在 AGENTS.md、README、Issue 或任务说明里；不要假设其他人的智能体知道你的聊天内容。涉及同一文件、数据库结构或生产发布时，先指定唯一负责人协调，避免多个智能体同时覆盖。若是一个主智能体自动分派子智能体，也要给每个子任务明确输入、边界和交付物，再由主智能体汇总审查。
存到浏览器里的记录，换手机还能看到吗？ →
如果记录只保存在当前浏览器，通常只在这台设备和这个浏览器里；要跨设备看到，应用还要把资料上传到账号对应的云端。清理浏览器数据也可能删掉本地记录。
常见数据库有哪些？Supabase、Firebase、D1、CloudBase 分别是什么？ →
产品需要记住用户资料、点赞或预约记录时，才会用到数据库。先分清三件事：数据库存记录，登录服务确认用户身份，文件存储放图片等文件。下面是四种常见选择，不需要全部使用。
怎么让别人打开我的网站？ →
把网站文件发布到托管服务后，你会得到一个网址。先让朋友用手机试一下，检查能否打开、图片是否显示、链接是否能点。GitHub Pages 等服务适合纯静态网页。
怎么让网页能点击、能搜索？ →
把你希望发生的动作说清楚：用户点哪个按钮、输入什么、页面应该怎样变化。通常用 JavaScript 处理这些动作；保存账户或多人数据时，还需要服务端支持。
我不会写代码，第一句话怎么让 AI 帮我做东西？ →
不用先学会写代码。打开你准备用的 AI 编程工具，说清三件事：做一个什么小东西、给谁用、打开后能做什么。先请它做一个能打开的最小版本，并告诉你在哪里看。一次只提一个主要功能，看到结果后再继续改。
手机上的按钮为什么要留出足够大的点击范围？ →
手指比鼠标箭头宽，小按钮挤在一起容易点错。让常用按钮容易碰到，并把危险操作和普通操作分开，手机上会省很多误触。
按钮没反应时连点几次，为什么可能出问题？ →
网络慢时用户可能以为没点到，连续点击会重复提交订单或留言。提交后先显示正在处理并暂时避免重复发送，完成后再说明结果。
搜索或保存要等一会儿，页面应该告诉我什么？ →
告诉用户正在做什么，完成后再显示结果；等得久时给出继续等待或重试的办法。像餐厅报了号就告诉你正在备餐，不要让你猜订单是不是丢了。
搜索没有结果时，怎么帮用户继续往下走？ →
直接说没找到，再给清楚的下一步：换个词、查看相近内容或提交问题。空白页面像走到一条没路标的路，用户不知道该往哪转。
搜索结果下面那段介绍，网站能自己决定吗？ →
网站可以提供标题和介绍，但搜索引擎有时会按用户的搜索内容重新摘录。写清楚页面讲什么，比堆满关键词更有用。
放在 GitHub 上的代码，别人都能看到吗？ →
不一定，仓库可以设成公开或私有。公开像把作品放到橱窗，私有像锁进自己的柜子；不管哪种，都别把密码、密钥或用户隐私放进代码。
新版本发布后又变回旧版，怎么查清并避免？ →
先把它当作“发布来源或回退流程不清楚”来排查，不要马上再发布一次。核对生产环境当前版本、部署记录里的提交号、这次发布使用的分支和构建产物；常见原因是从旧分支或旧提交重新部署、自动部署覆盖手动发布、发布任务仍在运行，或有意回滚却没有记录。之后固定一条发布路线：从指定主分支创建短期功能分支；改完提交并合并；发布时记录不可变的提交号和构建版本；发布后核对生产版本确实对应这个提交。已共享的提交需要撤销时，优先用 git revert 生成一条反向提交，不要随意重写公共分支历史。回滚也要作为一次正式发布记录原因、目标版本和验证结果。
每个知识问题有自己的网址，为什么有用？ →
每条内容有自己的地址，别人才能直接打开、收藏或分享它。像书有目录也有页码：只给书名，朋友还得自己翻到那一页。
点了发布以后，为什么还要告诉我发布成功？ →
按钮被点到不等于用户看见结果。明确告诉他已完成、内容出现在哪里，以及下一步能做什么；重要操作还可以给一个可回看的凭据。
用户已经登录了，为什么还要设置权限？ →
登录是在确认“你是谁”，权限是在决定“你可以做什么”。就像进了小区大门不代表能进每一户的房间。
给朋友试用时，问“你觉得怎么样”够不够？ →
泛泛地问喜不喜欢，常得到礼貌回答。给对方一个具体任务，观察他在哪一步停住，再问当时在想什么，更容易发现真正的问题。
网址前面的 HTTPS 是什么？ →
HTTPS 是浏览器和网站之间加密传送数据的方式。它保护传输过程，但不代表网站内容一定真实、商家一定可靠。
网站上线了，还需要备份吗？ →
需要。代码版本、数据库内容和上传的图片可能分开保存；代码能找回来，不代表用户数据也能找回来。定期备份并试一次恢复。
网站上线后还能改吗？ →
能。改好文件后重新发布，用户就能看到新版本。先在自己的设备上测试，重要改动保留旧版本，以便出问题时回退。
网站分析访问量，是不是等于盯着每个用户？ →
网站分析可以只看整体趋势，例如多少人打开页面、哪些按钮常被点；不一定要记录每个人的身份。收集什么数据，应和产品目标相称，并向用户说明。
网站加登录，为什么比做一个按钮难？ →
登录要确认来的人是谁，还要安全地处理密码或第三方登录、会话和找回账号。界面上的‘登录’两个字只是门牌，背后还需要门锁和登记。
网站地图是什么？它会让网页马上被搜索到吗？ →
网站地图像交给搜索引擎的一份目录，告诉它网站有哪些重要页面；它不保证页面一定出现，更不保证排在前面。
网站有人来吗？怎么看？ →
给网站接入访问统计后，可以看访问次数和常看的页面；不要把访问次数直接当成真实用户数。使用统计工具时也要留意隐私告知。
网站里的数据和文件是一回事吗？ →
数据库适合存可查找的记录，例如用户和订单；图片或视频等大文件通常放文件存储，数据库只存它们的位置。两种东西经常一起用。
网页前端和后端分别做什么？ →
前端是你在浏览器里看到、点到的页面；后端是在网站背后接收请求、处理规则、确认账号或保存资料的部分。只有介绍文字和图片的网页，通常先做前端就够了；需要登录、预约、多人共用数据时，才常常需要后端和数据库。你不用先学会这些，告诉 Codex 你希望用户做什么，它可以帮你判断需要哪一部分。
网页图片太大，为什么手机上打开很慢？ →
大图像一只塞满行李的卡车，要花更多时间送到手机。适当压缩并提供合适尺寸，画面仍清楚，页面也更轻快。
网页报错日志是什么？普通用户需要看吗？ →
日志是系统把发生过的事件记下来，方便开发者查问题；普通用户通常只需要看到清楚的提示，不该看到内部细节。像店里留维修记录，顾客只需要知道服务暂时不可用。
网页有输入框，为什么填完还不一定保存了？ →
输入框只是让你写字的纸，提交后还得有人把内容送到并存起来。没有接上保存功能，点了按钮也可能只是看起来像提交。
网页的‘无障碍’是什么意思？ →
就是让更多人能用：字看得清、图片有文字说明、按钮可用键盘操作。它不是额外装饰，做好了也能减少普通用户误操作。
网页离线也能打开，数据就一定会自动同步吗？ →
不一定。网页可以把部分页面资源暂存在设备里，让断网时还能打开；用户新写的数据要等联网后同步，还需要另外设计保存和冲突处理。像把地图下载到手机，不代表你改过的路线已经传回云端。
网页能不能像 App 一样装到手机桌面？ →
可以把网页做成渐进式网页应用（PWA）：它仍从网址打开，也能在支持的设备上添加到桌面，显示自己的图标。它不等于原生 App，能用哪些系统能力也要看浏览器和设备。
网页记住我的东西，换台设备还在吗？ →
不一定。只存在当前浏览器里的内容像贴在这台电脑上的便签，换手机可能看不到；要登录后多设备同步，通常需要账号和服务器保存。
表单填错了，怎样提醒人才不让人抓狂？ →
在问题发生的地方，用人听得懂的话说清怎么改。像门口贴“请从这里进入”，比只亮一个红灯更有帮助。
表单有一项填错了，为什么不该把整页内容清空？ →
告诉用户哪一项需要修改，同时保留其他已填内容。像填十页申请表只错一栏，不该让人从头再抄九页。
让 AI 继续修改，会不会把刚能用的版本弄坏？ →
有可能，所以大改前先留下一个“现在能用”的版本。你可以请 AI 帮你把当前改动保存成一次 Git 提交，或者先复制一份项目。然后只提这次要改的一件事，改完重新打开试。若结果更差，告诉 AI 回到刚才保存的版本；不要让它猜该恢复哪一次。
输入框里有提示文字，还需要写字段名称吗？ →
需要。提示文字可能在输入后消失，字段名称要一直让用户知道该填什么。像抽屉里贴着“钥匙”的标签，比打开抽屉前一闪而过的提醒更可靠。
预览版和正式网站有什么不同？ →
预览版给你先看改动，正式网站是用户正在用的。先在预览里检查，再发布到正式环境，避免没试好的修改直接影响用户。
场景 · 数字人 · 数字人相关的做法和坑
16 条
下载后怎么把数字人放进自己的视频？ →
把自己的视频放在剪辑软件的主轨道，再把数字人 MP4 放到上方轨道。只想让数字人出现在角落，就缩小并摆好位置；想让它像站在你的背景里，就先用工具去掉数字人视频的背景，再叠上去。最后检查两段声音有没有互相盖住，预览后导出。
什么时候用数字人，什么时候只配旁白？ →
需要有人面对观众讲解、建立陪伴感时，可以考虑数字人；如果重点是屏幕步骤、产品画面或风景，旁白往往更直接。工具不是主角，观众听懂才是。
做数字人有哪些工具？怎么选？ →
可以按用途选，不用认定只有一种：剪映把数字人和剪辑放在一起，适合先试做；HeyGen 可做现成形象或个人数字分身；Synthesia 偏讲解和培训视频；百度曦灵提供数字人视频生成及开发平台能力，步骤更偏平台化。海外工具在国内能否顺畅访问、可用功能和收费会变化，先确认能打开、能生成、能下载，再决定用哪一个。
做自己的数字人，要准备什么授权？ →
用自己的脸和声音，先确认所用工具允许这类用途；用别人的脸、声音或视频，应先取得本人同意。还要看生成内容的使用规则，别把未经允许的素材公开发布。
怎么生成自己的数字人？需要准备什么？ →
先分清两种做法：用工具自带的人物形象，通常选好人物、输入文稿就能生成；想让它像你本人，就要按平台要求录制你的形象和声音，并完成本人授权验证。准备手机或电脑摄像头、安静环境、清楚的正脸和要说的文稿。不同工具要求的录制时长和格式不一样，照工具里的说明来；不要上传没有得到本人同意的脸或声音。
换一篇文稿，数字人会重新对口型吗？ →
数字人形象通常可以留在工具里重复使用，但每换一篇文稿，都要让工具用新文稿重新生成一段口播视频，口型才会跟着新声音变化。已经下载的那段视频只对应当时生成的内容，不会因为你改了文字就自动换口型。
数字人一直直盯着镜头，为什么看起来不自然？ →
自然表达不只有嘴动，还包括眼神、表情和身体节奏。生成后要看完整段，尤其检查长停顿、转折和强调处是否像在交流。
数字人换一篇文稿，要重新做形象吗？ →
通常不必每次重做形象。先保存可复用的形象，再输入新文稿或新配音，工具按新内容生成一条新视频；导出的旧视频不会自己变口型。
数字人放进自己的视频里，背景要怎么处理？ →
如果工具能导出透明背景，可以直接叠到其他画面；否则常见做法是先生成带纯色背景的视频，再用剪辑软件抠像。头发、衣服边缘和光线要特别检查。
数字人是什么？Codex 能直接做出来吗？ →
数字人是能按文稿说话、并做出口型和表情的虚拟人物。Codex 是帮你写、改、检查软件代码的工具，不是口播数字人生成器。要做这种视频，需要用带数字人功能的视频工具。
数字人视频生成后，为什么还要从头看一遍？ →
生成只是把稿子变成画面，不等于每处都正确。要检查发音、人名、口型、字幕和画面切换，像出门前照镜子，能及时发现小问题。
数字人讲产品时，画面里还要展示真实操作吗？ →
最好把两件事分工：数字人负责开场和解释，录屏负责证明按钮真的能用。只拍头像讲功能，观众可能听懂了名字，却不知道怎么操作。
数字人讲话太快，怎样先从文稿上改善？ →
数字人会按配音和标点生成表情、停顿或口型节奏，太长的句子容易显得赶。把长句拆短，并用自然标点标出停顿，再试听和预览。
生成好以后，下载下来的是数字人还是视频？ →
多数新手工具给你下载的是一段已经按文稿生成好的视频，常见格式是 MP4；它不是一个可以随便放进其他软件、再念新文稿的数字人模型。有些平台会把你的数字人形象保存在账号里供重复生成，但不支持把形象本身单独导出。下载格式、清晰度和权限要看具体工具的方案。
用数字人讲内容，要不要告诉观众这是 AI 生成的？ →
是否需要标注取决于平台规则、内容用途和当地要求；涉及真人形象、声音或容易被当成真实新闻时，透明说明尤其重要。不要让观众误以为真人亲自说过没说过的话。
给数字人写稿，怎样听起来不像念说明书？ →
写成你平常会说的话：一句只讲一个意思，长句拆开，专有词旁边加解释。像给朋友发语音，不像在朗读合同。
场景 · 游戏 · 游戏方向的 AI 用法
20 条
一个小游戏最少要说清楚哪几条规则？ →
玩家至少要知道要做什么、怎样操作，以及什么时候算赢或结束。规则越短越容易开始玩，复杂玩法可以边玩边教。
一个小游戏，最少要有什么？ →
先定一个玩家动作、一个目标和一个反馈。能开始、能知道输赢、能再来一次，就已经是可试玩的小游戏；画面可以后来再美化。
做一个大家都能看的排行榜，需要什么？ →
排行榜要把不同人的分数收在同一个地方，再按规则排好。只在自己手机上记分，就像每个人各记各的账，拼不成全班排名。
做一个数字宠物，怎么让它下次还在？ →
要先决定保存在哪里：只在这台设备，还是登录后跨设备同步。前者简单但换设备可能丢；后者要账号和数据库。先做一个能保存名字、颜色的最小版本。
做好的小游戏怎么发给朋友玩？ →
如果是网页小游戏，把它发布到一个公开网址，朋友点链接就能玩。先用自己的手机打开一次，确认加载、触控和重新开始都正常。
做小游戏，用 GDevelop 还是让 Codex 写？ →
想拖一拖、点一点击就拼出玩法，可以先试 GDevelop：它用图形化的条件和动作做游戏，不要求你先写代码。想做一个特别简单、能在浏览器打开的小游戏，可以把规则告诉 Codex，让它先做个版本。想系统做更复杂的 2D 游戏，可以再看 Godot；它更自由，但入门教程也会碰到脚本。先按想做的第一款作品选一个，不必三个都学。
小游戏为什么要让人马上看到结果？ →
玩家按了按钮，就该很快看到发生了什么；否则像按电梯按钮却没有灯，不知道有没有按上。声音、动画、分数都可以是反馈。
小游戏做完了，怎么发给朋友玩？ →
如果做的是网页小游戏，先把它发布成一个别人能打开的网址，再把网址发给朋友。请朋友用手机试：能不能打开、能不能操作、结束后能不能再来一局。要让朋友比成绩，才需要进一步考虑把成绩保存起来；第一版只显示每个人自己的成绩就够了。
小游戏关掉再打开，记录为什么没了？ →
如果分数只留在当前页面内，关掉就会消失。想在同一浏览器记住记录，可用本地存储；想换设备也看得到，就需要账号和服务端保存。
小游戏按了按钮，为什么要马上给反馈？ →
玩家需要立刻知道操作有没有生效。颜色变化、轻微动画、声音或分数变化都能回应一次操作，避免让人误以为按钮坏了。
小游戏的分数怎么保存？关掉页面会不会清零？ →
要看分数存在哪里。只保存在当前浏览器，通常换设备或清除浏览器数据就找不到；要跨设备保留，一般得有账号和服务器来记账。
小游戏越来越难，为什么不能一下难很多？ →
难度逐步增加，玩家才有时间学会规则并感到自己进步。太容易会无聊，突然太难则像刚学会骑车就被推上陡坡。
我不想写代码，能不能先把游戏玩起来？ →
可以先用图形化游戏工具。以 GDevelop 为例，你可以把规则拼成“如果发生这件事，就做那个动作”：如果玩家碰到金币，就让金币消失并加一分。先用圆形、方块和文字当角色与道具，确认玩法好玩以后再换漂亮图片。这样不用先画图或学代码，就能试第一版。
手机上的小游戏，为什么按钮要做得更好点？ →
手指比鼠标指针粗，按钮太小或挤在一起就容易误触。手机操作还要避开屏幕边缘和系统手势区域。
手机小游戏的按钮，为什么不能照搬电脑键盘？ →
电脑有键盘，手机只有手指和一块小屏幕。按钮要够大、位置别挡住画面，操作才像握得住的遥控器。
数字宠物怎么分享给朋友？ →
最简单是生成一张带名字的宠物卡片供下载；想让朋友点进去还能互动，就需要公开页面链接。分享前先让用户决定哪些资料对外可见。
游戏结束页面，为什么还要告诉玩家下一步？ →
结束画面能让玩家知道成绩、是否达成目标，以及接下来可以重玩还是分享。没有下一步，体验就像故事突然翻到空白页。
游戏里加随机奖励，为什么有时会让人觉得不公平？ →
随机会让每次体验不同，但玩家可能连续遇到坏结果。规则要让人看得懂，重要进度也不该完全靠运气。
游戏里说的“循环”，就是角色一直转圈吗？ →
游戏循环是程序反复读取操作、更新游戏状态、画出新画面的过程。它像舞台每一拍都确认演员做了什么，再把下一幕呈现出来。
第一次做小游戏，做什么最容易玩起来？ →
先做一个打开网页就能玩的点击小游戏。页面里只有目标、分数和重新开始：点到目标加一分，限时结束显示成绩。这比一开始做地图、角色、商店和多人联机更容易看到完整结果。可以请 Codex 先做能玩的版本；玩过以后，再决定要不要加声音或关卡。
场景 · 视频 · 视频生成、剪辑、投放
21 条
AI 生成视频和剪辑视频有什么不同？ →
生成是让 AI 新造画面；剪辑是把已有画面、声音和字幕拼好。做一条完整视频往往两者都用，但只想剪自己的拍摄素材，不必先学 AI 生视频。
一段长视频，能不能剪成几条短视频？ →
可以挑出各自讲清一个小重点的片段，重新剪成短视频；要留意原视频的授权和平台规则。像一本书拆成几张知识卡，每张都要能独立看懂。
为什么视频里人声要比背景音乐更清楚？ →
观众先要听清讲述内容，背景音乐负责气氛，不能盖过人声。用手机外放和耳机各听一次，比只看剪辑软件里的音量条更可靠。
写给眼睛看的文章，为什么不一定适合直接念出来？ →
文章可以有长句和括号，口播需要短句、停顿和自然连接。把稿子读出声，哪里需要换气、哪里拗口，通常马上能发现。
剪视频是不是每个空白停顿都要剪掉？ →
剪掉重复和过长等待能让视频更紧凑，但所有停顿都删掉会让人听得很累，也可能把语气变得像机器。
剪视频的软件怎么选？先认这三个开源工具 →
Kdenlive、Shotcut 和 OpenShot 都是开源剪辑软件，可以把视频、图片、声音放在时间线上再导出。新手可以先选一个试剪 20 秒：Kdenlive 有从建项目到导出的步骤教程；Shotcut 支持 Windows、Mac 和 Linux；OpenShot 也支持这些系统，界面主打容易上手。先用手头的视频试一次，顺手最重要；这几款都不是自动替你写脚本或生成整条视频的 AI。
同一个角色做多张图，为什么总变脸？ →
每次单独生成，AI 可能把细节重新想一遍。保留一张参考图和角色特征，再让工具在此基础上修改，比只重复名字更稳定。
同一段视频的镜头切来切去，怎样才不会像拼贴？ →
相邻镜头最好围绕同一个动作或信息继续讲。切换前后方向、位置和声音都差太多时，观众会觉得跳。
想做一张 AI 图片，从哪里开始？ →
先说画面里有什么、是什么风格、用在哪里，再生成一张样图。检查文字、手指、版权和人物授权，不满意再只改一处。
拍视频前写分镜，是不是要会画画？ →
不用会画。分镜就是按顺序写“这一段拍什么”，像出门前列路线，拍的时候不容易漏掉关键画面。
有了文稿，AI 会直接给我一条完整视频吗？ →
要看你用的工具。AI 可以帮你写文稿、分镜或生成部分画面；剪辑工具负责把画面、配音、音乐和字幕排好并导出。不同工具能做的范围不同，写出文稿不等于视频已经完成。第一次做，先拿已有片段做短视频，更容易看清哪里还缺画面或声音。
短视频开头怎么做，观众才知道为什么要看？ →
开头先告诉观众这条视频能解决什么或展示什么，别让人等半天才看到重点。像菜单先把招牌菜端出来，再讲厨房故事。
竖屏、横屏视频该怎么选？ →
先看要发到哪里和观众用什么设备看。短视频常用竖屏，电脑演示常用横屏；开做前确定比例，比做完再硬裁更省事。
竖屏视频的字幕为什么不要贴着屏幕边缘？ →
不同平台会用按钮、标题和说明覆盖画面边缘；字幕贴边容易被挡住。把重要文字放在中间较安全的位置，并在目标平台预览。
第一次做短视频，先准备哪三样？ →
先准备一句想表达的话、几段自己能使用的画面，以及一段配音或字幕。第一版只做 15 到 30 秒：按顺序放好画面，删掉停顿，补上能看清的字幕，再导出一个视频文件。你可以让 AI 帮你压缩文稿、列镜头顺序；剪辑工具负责把画面和声音合在一起。
自动字幕出来了，还要检查什么？ →
重点看人名、专有词、数字和断句。自动字幕省的是打字时间，不保证每个字都对；最终还要在手机上看字号是否读得清。
视频剪好了，怎么导出成能发给别人的文件？ →
剪辑项目里保存的是素材摆放、字幕和剪切位置等编辑记录；导出后才得到可以直接播放和发送的视频文件。导出时先选常用格式和清晰度，等进度完成后，打开导出的文件从头到尾看一遍，再发给朋友或上传平台。项目文件和导出视频最好都留好，之后改字幕还用得上项目。
视频字幕能自动生成吗？生成后要检查什么？ →
能。有些剪辑软件可以听视频里的声音，先生成一版字幕。以 Kdenlive 为例，需要先配置语音识别并安装相应模型。机器听错人名、数字或口音很常见，所以要对着原视频检查文字和出现时间，再导出。字幕是帮你省去逐字打出来的时间，不是免检查的成品。
视频配乐可以随便找一首喜欢的歌吗？ →
不一定。喜欢听不代表可以放进公开视频；优先用发布平台提供、明确允许当前用途的音乐，并查看具体限制。
视频里说着一件事，画面为什么还要切到别的镜头？ →
旁白负责讲清楚，补充画面让观众看到正在说的东西，也能遮住剪辑接缝。画面不是越多越好，要能帮助理解。
讲一个工具怎么用，为什么最好把真实操作也录进去？ →
真人口播能讲重点，屏幕录制能让观众看到按钮、步骤和结果。两者搭配，观众不用只凭想象跟着做。
场景 · 图片与声音 · 图片和声音的制作与处理
19 条
AI 做的海报里，标题为什么常常要后加？ →
图像模型擅长营造画面，但小字、拼写和排版可能不准确。先让 AI 生成干净的背景，再用设计工具加标题，更容易保证文字正确清楚。
AI 配音和克隆某个人的声音，有什么不同？ →
普通 AI 配音是用工具提供的声音读稿；声音克隆是模仿特定人的声音，需要格外重视本人授权。像请配音演员和模仿某个人说话，不是一回事。
AI 配音把品牌名读错了，怎么提前发现？ →
专有名词、英文缩写和人名最容易读得奇怪。先生成一小段试听，确认读音和停顿，再让它读完整篇，省得整段返工。
CosyVoice 2 读不了英文，先检查什么？ →
先说结论：CosyVoice 2 本身支持英文，不必一上来就换模型。先把“读不了”分开看：是完全不出声、报错，还是能出声却把英文念错？第一步，只输入一句纯英文：Hello, welcome to my channel. 并确认正在使用的确实是 CosyVoice2-0.5B。若这句能读，模型基本可用，再检查原文是否中英混排、含特殊符号或句子太长，也看看你使用的软件有没有选错生成方式。若这句也读不了，用官方 CosyVoice 2 示例对照当前软件的调用方式和错误提示；第三方界面的问题，不等于模型不支持英文。如果是在模仿某个人的声音，参考录音只有中文时，生成的英语也可能带口音；“口音不准”和“不能说英文”是两件事。没有看到你用的界面和报错前，不能断定是哪一项。
PNG 图片和 SVG 图，哪个放大后更清楚？ →
PNG 通常是由小格子组成的照片式图片，放太大可能出现锯齿；SVG 用线条和形状描述图案，图标和简单标志放大后仍清楚。
什么时候一张图比一大段文字更容易讲清楚？ →
步骤、空间位置和相互关系适合画出来；背景知识、条件和例外仍需要文字补充。好图不是把每句话画一遍，而是让人一眼看见文字不容易看见的结构。
只写一句话，能让 AI 做出下雨或脚步声吗？ →
有些工具可以按文字生成短音效或环境声；这跟作曲、配音不是一项功能。先说声音是什么、远近快慢，再试听多个版本。
同一张图片，发不同平台为什么要重新裁？ →
不同页面给图片留的形状不一样，直接硬裁可能把脸或标题切掉。先确定要发到哪里，再预览主体有没有被裁掉。
图片旁边的“替代文字”是给谁看的？ →
替代文字会在图片无法显示或使用读屏工具时说明图片的重要信息。它不是给图片重新写一段长描述，而是补上看图才能理解的内容。
图片背景看起来是白色，和真正透明有什么不同？ →
白色只是画面里的一种颜色；透明表示那一块没有画面，能露出下面的内容。检查透明图时，最好放在深浅不同的底色上看。
录音里有空调声，AI 能不能让人声更清楚？ →
有些音频工具能减弱背景噪声、突出人声，但它不能把没录清楚的话变成可靠原话。像擦玻璃能让窗外更清楚，却不能补出没拍到的东西。
想改一张照片，是重新生成还是在原图上修改？ →
想保留照片里的人和主体，只换背景或改一个小地方，就从原图编辑；要完全不同的场景，再从文字生成。像翻新旧房和从地基盖新房，是两种活。
海报里的标题，为什么最好最后再加？ →
生图工具可能把字画错或写变形。先让 AI 做背景和主体，再用设计工具加标题，就像先搭舞台、最后挂上写对的招牌。
照片里有个路人，能让 AI 帮我移走吗？ →
可以尝试用生成式编辑移除路人或替换背景，但结果可能补错边缘和细节。放大检查一下，重要照片别只看缩略图就交稿。
给 AI 一张参考图时，怎样说清楚要学什么？ →
告诉 AI 参考图里哪些部分要借鉴，例如色彩、构图或角色服装；也要明确哪些内容不能照搬。这样更像给设计师看灵感，而不是只说“做得一样”。
给 AI 一张参考图，它能照着排版吗？ →
参考图可以帮 AI 理解主体摆在哪里、画面怎么分区，但不代表它会一模一样地复制细节。像给摄影师看一张“构图参考”，不是让他复印原片。
网页里的图片太大，为什么会拖慢手机打开速度？ →
图片文件越大，手机需要下载的数据越多，网络慢时就更明显。导出时按实际显示尺寸压缩，并选合适格式；不要把超大原图直接塞进每个页面。
裁切图片和缩小图片，是一回事吗？ →
缩小会让整张图变小；裁切会切掉一部分画面。不同平台需要不同尺寸时，先决定主体不能丢什么，再选缩放或裁切。
音效、配音、背景音乐，分别负责什么？ →
配音负责把话说清楚，背景音乐负责气氛，音效负责提示某个动作或环境。它们像一部戏里的台词、配乐和关门声，各做各的事。
安全与判断 · 怎么分辨真假、怎么不被坑
5 条
分享 AI 对话链接前，别人能看到哪些内容？ →
分享链接可能把对话快照交给拿到链接的人看，不要以为链接只发给朋友就绝不会再传开。发送前先预览整段内容，删掉不该公开的资料。
把客户文件交给 AI 前，怎样先做简单脱敏？ →
先把姓名、电话、地址、订单号等能认出个人的信息换成代号，再上传必要部分。像给医生看化验单时遮住不相关的身份信息。
有人说 AI 工具能保证赚钱，怎么判断靠不靠谱？ →
“保证赚多少”不是证据。先看清收费、退款条件和合同，再找独立的实际使用者核实；别因为演示视频或倒计时就急着付款。
熟人的声音打来借钱，就一定是本人吗？ →
声音听起来像熟人，也可能被模仿或剪辑。遇到转账、验证码等紧急要求，先挂断，再用通讯录里原来的号码回拨确认。
看到一张 AI 图片或一段视频，怎么知道它是真的？ →
只看画面通常不能百分之百确认真假，检测工具也可能误判。涉及新闻、付款或重要决定时，找原始发布者和独立可靠来源交叉核实。
场景 · 小生意 · 小生意的 AI 落地方式
12 条
AI 做的商品图，能不能直接当实物照片？ →
AI 可以帮忙做背景和宣传氛围，但不能把颜色、尺寸或功能改得和实物不一样。顾客买到的东西应该和页面展示对得上。
AI 能帮小店看顾客评价里大家常抱怨什么吗？ →
把评论里重复出现的主题归类，能帮你更快发现问题；它不能替你判断每个顾客的真实动机。先去掉姓名、电话和订单号。
小店做内容日历，是不是每天都要想一个新创意？ →
内容日历是提前安排哪些日子说什么，不要求每天发全新主题。可以轮换介绍产品、回答常见问题、展示制作过程和通知活动。
小店第一次用 AI，从哪件小事开始最稳？ →
挑一件经常做、出错了容易发现的小事先试，不要一开始就让 AI 接管收款或自动回复所有顾客。像先让新帮手整理货架，再慢慢交更重要的工作。
小店能让 AI 帮忙回答顾客常见问题吗？ →
可以先把营业时间、退换规则和商品说明整理成标准答案，再让 AI 按这些资料起草回复。遇到退款争议或特殊情况，交给店主确认。
店铺介绍要翻译成外语，怎样让 AI 不把语气翻得生硬？ →
翻译前告诉 AI 面向谁、出现在哪里、希望正式还是亲切；店名、地址、价格和承诺要逐项核对。直译正确不代表当地读起来顺。
有了开店点子，为什么先让几位顾客试试？ →
先做一个最小样品或试卖版，请真实目标顾客用一用，能比只听朋友说“挺好”更早发现问题。像先试做一小盘新菜，再决定要不要整桌上菜单。
让 AI 写促销文案，为什么要把活动条件一起给它？ →
如果只给“做个优惠活动”，AI 可能漏掉日期、库存和使用限制。把条件一次说明，能减少顾客看到宣传后才发现规则不同。
让 AI 写商品介绍，怎样避免它把效果吹过头？ →
先给它真实的材质、尺寸、用途和限制，并要求不要补编卖点。商品文案像店员介绍商品，讲清楚比夸得天花乱坠更重要。
让 AI 帮小店写社交平台内容，怎么避免每条都像广告？ →
先给真实的商品信息、顾客常问的问题和店铺说话方式，再要求内容有用、少用夸张词。AI 可以起草，店主要核对事实和语气。
顾客消息很多，AI 能先帮小店分分类吗？ →
可以先把消息分成营业时间、物流、退换货和需要店主处理等类别，再由人确认回复。涉及退款、投诉或承诺时，最好交给店主决定。
顾客留下差评，AI 写回复前要先注意什么？ →
先弄清事实和店铺能提供的处理方式，不要在公开回复里贴顾客姓名、电话或订单信息。AI 可以帮你把语气写得平和，具体补偿仍由店主决定。
场景 · 职场 · 职场里真正能省时间的用法
10 条
交班或交接工作，怎样让接手的人少问几遍？ →
交接要写清当前进度、下一步、截止时间、文件位置和卡住的问题。像把接力棒递给下一个人，不能只说“我做了一半”，还要告诉他从哪里接着跑。
写周报时，怎么让 AI 只整理重点、不灌水？ →
给 AI 本周做完的事、卡点和下周安排，请它按固定栏目压缩；没有发生的成果不要让它补。像整理收据，只把真实花过的钱记进账本。
待办挤成一团，怎么让 AI 帮我排先后？ →
把任务、截止日期、预计用时和先后依赖列出来，再让 AI 给出排序并说明理由。它像整理桌面的助手，能帮你看出哪件先做，但最后要由你确认轻重缓急。
把专业说明发给客户前，怎样让 AI 帮我说人话？ →
让 AI 保留事实和条件，只把术语换成目标读者熟悉的话；重要限制要明确留下。像导游解释地图，不是把地图上的路和危险标志擦掉。
新同事第一周要学的东西，怎么整理成路线？ →
把岗位任务、要认识的人和必须掌握的系统交给 AI，让它排成每天一小步，并标出需要真人带教的地方。入职像熟悉新社区，先认识常用路线，再慢慢记住每条小路。
求职信怎样写得不像复制粘贴的模板？ →
挑一两段真实经历，说明它们怎样对应岗位需要；不要把整份简历再抄一次。像介绍自己为什么适合这份工作，重点放在“我做过什么、能帮上什么”。
演示文稿做好了，怎么提前练习别人会问什么？ →
把听众是谁、你要他们决定什么告诉 AI，请它扮演挑剔但合理的听众提问。像彩排时先试试灯光，现场被问到时就没那么慌。
看一份招聘要求，怎么让 AI 帮我整理重点？ →
让 AI 把岗位说明拆成“必须具备、加分项、日常工作”三栏，再标出原文依据。像先把一张复杂菜单分成主菜和配菜，比较岗位时就不容易漏看关键条件。
