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。
