課程收官
總結（上）· 原理 + Harness
課程總結上半頁（1 / 2）：模組一「大模型是怎麼來的」建立認知直覺，模組二「Prompt 怎麼寫才管用」讓 AI 按你要的輸出。
模組一
模組一 · 大模型是怎麼來的
建立認知直覺，不被忽悠
核心認知 1
對話不是學習，參數是凍結的
訓練結束後模型就定型了。你每次對話，模型不會記住、不會進步。AI 按 Token 計費，不按提問次數計費。
核心認知 2
幻覺是結構性問題，無法根除
模型做的是預測下一個 Token，不是查數據庫。知識截止、自信編造、事實混淆，這三類幻覺只能緩解，不能消滅。
緩解方案
RAG：把真實文檔塞進 Prompt
每次對話時把相關文檔注入上下文，讓它看着資料回答，這就是 RAG 的本質。模型並沒有學會新知識。
常見誤區：以為 AI 每次對話都在學習進步，越用越聰明
模組二
模組二 · Prompt 怎麼寫才管用
讓 AI 按你要的輸出，不是瞎猜
System Prompt
你説什麼，它就變什麼
System Prompt 定義角色、語氣、約束。同一個模型，Prompt 不同，輸出天差地別。這是 AI 產品差異化的核心槓桿。
Few-Shot 示例
給例子比講道理管用
與其描述要怎麼做，不如直接給 2-3 個輸入→輸出的示例。模型會從中推斷你期望的格式和風格。
CoT 思維鏈
讓模型先想再答，準確率更高
複雜任務加上「請一步步分析」，準確率顯著提升。逼模型把推理過程寫出來，再給答案。
常見誤區：Prompt 越短越好。實際上描述越清晰，輸出越穩定
課程總結 · 上半頁 · 下半頁：Agent + 成本 + 安全合規