AI新手入门指南：从零开始学AI工具

不必每次都叮嘱“先说结论”“用中文回答”，只要在对所有对话自动生效的指令栏里写一次就行。ChatGPT 的“自定义指令”、Claude 的“Claude的说明”、Gemini 的“给 Gemini 的指令”就是这样的栏位，但三家的界面名称、所在位置、能写的字数都不一样。ChatGPT 的 Free 和 Go 为 1,500 个字符，Plus 及以上为 5,000 个字符（2026年7月提高），Claude 和 Gemini 没有公布上限。本文在三家官方帮助页面上核实位置与上限，并依据 Anthropic 的官方提示词指南给出管用的写法与示例。此外，还把官方帮助页面明确写出的“指令不生效的场景”——项目中、Gem 中、临时聊天、公司账号等——整理成一份检查清单。

当AI拥有了“写代码的手”，一个人也能做出产品推向世界的时代来了。但信息按工序散落各处，容易不知道该从哪儿下手。本文是从想法→设计→实现→发布→变现的全局地图（路线图），把个人开发整理成“确定→做准备→开发→发布→运营”5个阶段，给出每道工序做什么、用哪个工具，需要深入的工序则指向单独指南，是一篇母舰（枢纽）文章。而且用几乎不写代码的🌱入门路线和用AI编辑器写代码的🔧实战路线两条道来引导，沿着适合自己的那条走就能不绕远路地做出能跑的东西。规格驱动、AI应用构建器、Claude Code/Cursor、AI功能集成（API/RAG/网关）、部署、SEO/AEO获客、变现、成本管理，直到一人开发×AI的5个坑，都汇在一页里，并附有通往现有实操指南的入口。

那些因为“不会画画”而放弃绘画的人，恰恰是最适合把AI绘画当成游乐场的人。把脑海里的画面用文字说出来，它就变成了艺术品；一张手机照片、一幅孩子的涂鸦，几十秒就能变成一件作品。这不是工具对比，也不是严肃教程，而是一本供一人玩或全家同乐的玩法灵感集。从上手就能免费用的工具（ChatGPT、Google Gemini、Microsoft Copilot、Canva），到10个玩法（①涂鸦变艺术 ②照片换新风格 ③专属角色跨场景 ④把孩子的画变绘本一页 ⑤原创表情包 ⑥四格漫画 ⑦如果X是Y的混搭 ⑧自制涂色页 ⑨房间改造 ⑩绘画对决），再到让画面更好看的小技巧，以及开玩前要知道的三件事（别用他人的脸、确认版权和商用、标注是AI制作的）。

AI可以是跟得上孩子“为什么？”的博学朋友，也可以是睡前讲故事的说书人。但和孩子一起用之前，先做好安全设置才是关键。本文先立好5个安全约定（由大人操作并检查内容、确认年龄限制、不输入个人信息、教孩子AI也会出错、设定语气与时间），再给出按各公司条款原文核对的年龄要求表（ChatGPT 13岁以上且未满18岁须经家长许可，Copilot 13岁以上，Claude 18岁以上，Gemini 未满13岁可在提供地区经家长允许通过 Family Link 使用），以及家长设置的具体步骤（ChatGPT 家长控制、Google Family Link、Microsoft Family Safety、在大人账号上使用临时聊天）和常见失误。随后给出10个复制粘贴就能用的亲子活动：让孩子当主角的故事、孩子决定情节的故事、睡前故事、博学教授、动物恐龙问答、各国语言打招呼、画想象中的生物、涂色线稿、手工点子、学习情绪与礼貌的角色扮演。附按年龄贴士与常见问题。

写给那些“AI到底该问它什么才好”卡壳的人：这里凑齐了30个复制粘贴一贴就能收到有趣回答的“题目”。6类×5题：认识自己（隐藏的优点·价值观·把你比成什么动物）、脑洞大开·假如的世界（平凡东西的意外用法·重力变一半·发明不存在的节日）、让你秒懂的讲解（把量子力学讲给5岁小孩·用3个比喻讲复利·把网络原理比作披萨外卖）、文字游戏（10种文体改写·两句话的超短篇·起中二称号·回文）、角色扮演·倾诉（严厉的人生教练·现编谚语的智者·未来的你写来的信·困惑的外星人）、实用又有趣（把借口改成名言·5档回绝法·改写干巴巴的消息·戏剧性菜名·给待办加个快乐小岔路）。全部用免费的ChatGPT、Claude、Gemini就能玩。附让它更好玩的诀窍（不断追加“再来点”·加角色与约束·换个AI）与注意事项，并配有通往姊妹篇“用AI玩耍的15种有趣方式”的导流。

一说起AI总是那些正经话题，但AI最闪光的地方说不定是“玩”。这篇文章带来15种用AI玩耍的有趣方式，每一种都配好了现在就能试的可复制粘贴提示词。文字游戏 & 搞笑（① 段子大战 ② 恶搞歌/说唱生成机 ③ 起名工厂）、角色扮演 & 对话（④ 与历史人物聊天 ⑤ 让两个AI互相辩论 ⑥ 跟唱反调机器人练嘴上功夫）、游戏（⑦ AI当游戏主持人的文字冒险 ⑧ 原创问答节目 ⑨ 揪真凶的推理游戏）、创作（⑩ 虚构生物图鉴 ⑪ 以你为主角的故事 ⑫ 玩转图像生成），以及日常 & 意想不到（⑬ 剩菜大厨 ⑭ 去古罗马或月球的旅行计划 ⑮ 娱乐算命师）。用免费版 ChatGPT、Claude 或 Gemini 就能玩（⑫ 图像生成 Claude 做不到，请用 ChatGPT 或 Gemini）。乐趣的三把钥匙——给它角色、用约束框住、不断追加“再来点”——同时也是实战提示词的基本功。附注意事项（分清事实与虚构、个人信息、孩子陪同）与常见问题。

开始上手本地 LLM 时，最先该装的首选工具就是 Ollama——它就像“LLM 版的 Docker”，几乎替你包办了所有繁琐的环境配置，只需一条命令即可下载量化模型并开始对话。本文面向初学者，一气呵成地讲解从 Win/Mac/Linux 安装、run/pull/list 等核心命令、按显存选择模型、套上 Open WebUI 等聊天界面、运行在 localhost:11434 的本地 API（含只改端点即可复用现有代码的 OpenAI 兼容 API）、用 Modelfile 与环境变量自定义，到速度慢、内存不足、API 连不上等常见问题排查的完整流程，让你既能先跑起来，又能进一步嵌入到自己的应用并把它当作云端的后备方案。

把庞大的 AI 从头重新训练太贵，但你又想为自己稍作调整；LoRA（Low-Rank Adaptation）通过冻结原始模型、只训练一个极小的附加部件（适配器），把可训练参数减少到原始模型的 1% 以下，实现了这个愿望。LoRA 让微调大幅更便宜、更快，并在 Stable Diffusion 等图像生成中作为添加角色或画风的小文件极受欢迎。本文用补丁的比喻来讲解。LoRA 是参数高效微调（PEFT）的代表：把庞大的原始权重冻结，在每一层插入一个小的附加矩阵，只训练它（W = W0 + BA，其中 W0 被冻结，BA 是新增的那一小部分）。它的基础是这样一个假设：调整 AI 并不需要大的改动，低秩就足够，原论文的实验证实了这一点（也有报告指出在数学和编程上不如全量训练）。优势：可训练参数不到原来的 1%（原论文的 GPT-3 175B 上约为万分之一）、更省 GPU 内存（同一实验中训练时 1.2TB → 350GB）、训练更快更便宜、合并适配器后不增加推理延迟、不易遗忘原有能力。它最大的优势是适配器可更换：保留一个通用底座，按用途即时更换小巧的 LoRA 文件（客户支持、公司语气、某个特定角色）。很多人第一次接触 LoRA 是在图像生成中，Stable Diffusion 上学会了角色、画风或主体的 LoRA 被广泛共享（添加画风、学会角色、轻巧易分享）。QLoRA 结合量化，在 4-bit 底座之上训练 LoRA：以 16 位训练全部参数需要超过 780GB 的 65B 模型，用一块 48GB 的 GPU 即可微调，33B 可在 24GB 的消费级 GPU 上微调；论文的对比中成绩与 16 位方式相当（33B、65B 能否与全量训练比肩，论文自己写明尚未验证）。相比全量微调（训练所有权重），LoRA 在训练的权重、成本、产出和适用场景上都不同；对大多数工作，LoRA 就足够。底座保持原样，风味小幅调出。文中数值来自原论文等的实验条件，仅供参考。

一个庞大的 70B 模型不再需要数据中心的 GPU 机架，而能在家里一台 PC 上运行（消费级 GPU 装不下的部分交给 CPU 和内存），这要归功于量化——它降低模型权重的数值精度，从而大幅缩小体积和内存。模型蒸馏是把知识转移到另一个更小的模型，而量化则是让同一个模型变轻。本文用照片压缩的比喻来讲解。量化把以 FP16/FP32 小数存储的权重替换成 INT8（8 位）或 INT4（4 位）整数，减少每个权重的字节数（FP32=4、INT8=1、INT4=0.5）；就像把 RAW 照片压成 JPEG，你牺牲一点点精度换来大幅减重，令人惊讶的是放弃的东西竟然这么少。在内存上，4-bit 约为 FP16 的四分之一：70B 模型从 ~140GB 降到 ~35GB，8B 模型在 4-bit 下约 ~4.5-5GB，能塞进中端 8GB VRAM 的 GPU 用于本地运行（LLM 的民主化）。在精度上，INT8 几乎无损，据报道 INT4 在一般问答/常识类任务上退化不到 4%，但在数学、代码生成和高难度推理上损失更明显（表现为困惑度小幅上升），所以要按任务选位宽。主要方法：GPTQ（精确 4-bit 的先驱）、AWQ（保护最重要的约 ~1% 权重，与 GPTQ 孰优孰劣因评估而异）、GGUF（llama.cpp/Ollama 格式，Q2_K-Q8_0，CPU+GPU 混合，用于本地）和 QLoRA（4-bit 基础加 LoRA，在消费级 GPU 上微调）。它与蒸馏（转移到另一个小模型）和微调（增添任务知识）不同，三者通常组合使用（量化蒸馏后的模型；在量化基础上微调）。开始时，用 Ollama 一条命令跑一个 GGUF 模型，按 VRAM 选 Q4/Q8，代码或精确计算避开 INT4。多数主流模型已以量化形式发布，下载即用。保留聪明，只去掉重量。文中数字引用自公开资料，仅供方向参考。

庞大而高性能的 AI 聪明但又重又贵；模型蒸馏（知识蒸馏）通过把大教师模型的知识转移到小学生模型来解决这一问题，以小得多的体积和更快的速度保留接近教师的性能。本文用教师与学生的比喻讲解。关键在于软标签：普通训练只教“答案是猫”（硬标签），蒸馏则传递教师“90% 猫、8% 狗、2% 狐狸”这样的整个概率分布，其“犹豫程度”蕴含丰富信息；温度参数会软化概率以显现微妙关系（真实例子：OpenAI 于 2024 年在 API 中加入用大模型输出训练小模型的功能）。好处：又快又便宜、大幅更紧凑且保留接近教师的性能（TinyBERT 约 1/7.5 体积、96.8% 以上）、可在边缘端运行、擅长用途专精。两种方式：白盒（完全访问权重和内部表示，转移更深，用于自家或 OSS 模型）与黑盒（只能看到输出/API 响应，把别家 API 当教师可能违反条款）。它与量化（压缩同一模型的权重精度）、微调（对现有模型针对任务追加训练）不同——蒸馏是把知识转移到另一个小模型，三者可组合。法律与 ToS 现实是 2026 年的重大议题：技术正当，但 OpenAI、Anthropic、xAI 等都设有反蒸馏条款，禁止用输出打造竞争模型，因此用受限 API 蒸馏竞品可能违反条款。OpenAI 诉 DeepSeek 的纠纷（OpenAI 主张疑似 DeepSeek 相关账号绕过限制获取输出用于蒸馏，而 DeepSeek 条款据称允许蒸馏其输出）表明评估取决于适用谁的 API 条款，且 Claude Fable 5/Mythos 5 会把被判定为蒸馏的请求转给能力较低的 Opus 模型。要诀：用自家或已授权 OSS 模型当教师、用商用 API 前确认反蒸馏条款，并判断用途是否属于“开发竞争模型”。聪明靠大模型、运营靠小模型——但选谁当教师会改变技术与法律结果。数据引用自公开资料，仅供参考。

在《如何搭建多智能体系统》中我们说过，增加智能体前先为每次交接装上度量；支撑这种度量的技术正是 AI 可观测性。它让你看清 LLM 与智能体在生产环境中究竟在做什么，从而能回溯到原因。与普通应用监控的决定性区别在于：AI 可以返回 200 OK、50ms 却仍自信地产生幻觉，所以多数 AI 故障是质量故障而非基础设施故障。可观测性基于三大支柱：trace、metrics 与 logs。可观测性展示“发生了什么”，评估（evals）则衡量答案好不好，两者需成套使用。本文梳理关键指标与 LangSmith、Langfuse、Arize Phoenix、MLflow、AgentOps、OpenTelemetry 等主要工具，并讲解如何起步以及为何对智能体至关重要。

AI 智能体已日益普及，下一个挑战是如何让智能体彼此协作。如果说 MCP 把智能体连接到工具，那么 A2A（Agent2Agent）就是把智能体连接到另一个智能体 —— 一套开放标准，让基于不同厂商和框架构建的 AI 通过共同约定相互发现、通信与协作。Google 于 2025 年 4 月发布，同年 6 月将其捐赠给 Linux Foundation，到 2026 年达到 v1.0。这篇初学者指南涵盖：A2A 是什么（用“企业间业务合作的礼仪”作比喻）、为什么需要它（各有专长的智能体接力工作 —— 规划智能体到酒店预订智能体再到支付智能体）、它与 MCP 有何不同（MCP 是纵向，智能体 ↔ 工具；A2A 是横向，智能体 ↔ 智能体；把两者叠加是标准的双层结构）、它如何运作（通过 Agent Card —— 位于 /.well-known/agent-card.json 的 JSON“名片”—— 来发现能力，然后用 Task 携带请求经过 working、input-required、completed 等状态，并以 Artifact 返回结果，全部基于 HTTP、Server-Sent Events 和 JSON-RPC 2.0，且智能体保持内部细节隐藏），以及现状与落地实现（截至 2026 年 4 月，150+ 家组织支持，22,000+ GitHub stars，提供五种语言的 SDK —— Python、JavaScript、Java、Go、.NET —— Microsoft、Salesforce、SAP、ServiceNow 均有参与）。口诀：连接工具 = MCP，连接同伴 = A2A。