AI新手入门指南：从零开始学AI工具

你触及了 Claude Code 的每周 token 限额，但还没到七天额度就完全恢复了——而且不止一次。网上甚至有"隐藏机制"的分析文章，声称每周限额每 72 小时重置一次。这是真的吗？本文把这个现象追溯到一手来源。但 Anthropic 并未记录内部重置机制，且限额一直在变，因此我们明确区分三类信息：可从官方来源确认的事实、多名用户可复现地观测到但 Anthropic 从未回应的现象，以及单一来源、未经证实的推测。核心结论：提前完全恢复在大多数情况下是 Anthropic 不规律的全员重置（@ClaudeDevs 反复宣布过）；显示的重置时间也确实不稳定；而流传的"72 小时周期"为单一观测者、未被复现，且被另一处观测（24 小时）所矛盾，因而不能当作事实。凡是不能陈述为事实的，我们都会直说——一份 2026 年 7 月的调查。

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，几秒钟就能变成一件作品。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，也可以是睡前给你讲故事的说书人——用得好，玩耍就变成学习。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：由大人操作并先检查内容、尊重各家服务的年龄与条款（常见13岁以上且需监护人同意）、不输入真实姓名/学校/住址/正脸照片/位置、教会孩子"AI也会出错（幻觉）"、在提示词里设定语气与游玩时间。随后给出10个复制粘贴就能用的亲子活动：让孩子当主角的睡前故事、由孩子决定走向的故事、平静的睡前小故事、什么都答得上的博学教授、动物&恐龙问答、别国语言的打招呼、画出想象中的生物、涂色用线稿、家庭手工点子、情绪&礼貌角色扮演。文末附按年龄（学龄前/小学生/大孩子）的贴士、玩得更尽兴的技巧、家长须知与常见问题。用免费的ChatGPT、Claude、Gemini就能玩，基本规则始终是——大人操作、先检查再展示。是姊妹篇「用AI玩耍的15种有趣方式」的亲子深化篇。

玩AI最上瘾的方式，就是让它当"游戏主持人"（GM）来玩文字冒险：你宣布一个行动，AI描绘场景、故事就地分岔，一个只属于你的故事当场诞生，连选项之外的天马行空行动也能应对。本文从头到尾带你搭建，全程配复制粘贴提示词：一贴即用的起手提示词、决定好玩程度的5要素（设定·基调·规则·状态记录·节奏）、5个可原样粘贴的题材预设（奇幻冒险·恐怖逃脱·推理探案·科幻生存·治愈系日常）、骰子/属性等级/存档等进阶模块，以及针对"太软全成功·自顾自跑故事·像单线·忘了HP和物品·世界观跑偏"的修正对照表。完全不用编程，用免费的ChatGPT、Claude、Gemini就能玩；长时间玩的关键是在段落处存档并复制到笔记，换个新聊天就能一直续下去。是姊妹篇「用AI玩耍的15种有趣方式」第⑦条的深度展开。

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）。全部用免费版 ChatGPT、Claude 或 Gemini 就能玩。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。

当你构建完一个 AI 智能体后，总会撞上同一堵墙："好了，但它真的能用吗？"用来凭数据而非凭感觉判断提示词或模型改动是变好还是变差的机制，就是 Evals。LLM 对同一个输入每次都可能产出不同的结果，所以精确匹配的单元测试并不契合。本文讲清 Evals 是什么、衡量质量的五种方法（① 标准答案匹配 ② 基于规则的检查 ③ LLM-as-judge ④ 回归测试 ⑤ 生产环境监控）、面向智能体的专属评估（任务成功率、工具调用是否正确、执行轨迹、成本）、如何从 20 个失败样例开始从小做起、常见陷阱，以及主要工具（Anthropic Console/Evals、OpenAI Evals、LangSmith、Langfuse、Ragas）——写给实践者。

关于自动化的老问题：「用 AI 智能体还是 RPA？」答案不是二选一——按角色分工，而 2026 年的制胜模式是两者的混合。RPA 是确定性的「手」，快速精准地执行既定流程（但屏幕／规格一变就失灵）；AI 智能体是概率性的「脑」，解读情境并做判断（擅长应对模糊与例外，但并非每次都一样）。本文讲解工作原理的差异、对比表（可复现性与适应力的取舍）、如何选择（标准是「能否用规则完整写出来？」——能→RPA，写不全的判断→AI 智能体）、2026 年趋势（RPA 大厂 UiPath、Automation Anywhere、Blue Prism 纷纷智能体化——走向融合；问题不再是「选哪个」而是「把判断放在哪里」＝编排优先），以及实战答案：混合方案，由脑（AI 智能体）负责判断／编排、手（RPA）执行确定性任务——不要在需要确定性的地方放智能体，委派判断时务必配套护栏与人工审批。基于各厂商官方信息，附常见问题。

Claude Fable 5 和 Opus 5 都是顶级模型，但答案既不是「永远用 Fable 5」也不是「永远用 Opus 5」——要按任务来选。而 2026 年 7 月 24 日 Opus 5 的登场，把这个答案往前推了一大步：上一代的 Opus 4.8 处在「比 Fable 5 差一档、但便宜一半」的位置，Opus 5 却在维持同样 $5 / $25 价格的同时，在智能体类基准测试上追平甚至反超 Fable 5（Frontier-Bench 43.3% 对 33.7%、OSWorld 2.0 70.6% 对 66.1%，均来自媒体报道；CursorBench 3.2 上 Anthropic 官方表示其成绩与 Fable 5 相差不到 0.5%，而成本约为一半）。单轮最高难度推理仍略偏向 Fable 5，但差距极小——Humanity's Last Exam 56.5% 对 56.3%、DeepSWE v1.1 69.7% 对 68.8%（媒体报道数字）。规格上两者同为 1M 上下文窗口与 128K 最大输出；快速模式（约 2.5 倍速）只有 Opus 5 提供，但价格翻倍且仅限 Claude API，而 Opus 5 的知识截止更新，为 2026 年 5 月。决策流程是：先试 Opus 5，只在它触顶的地方才升级到 Fable 5。实务中「以 Opus 5 为主力、难点交给 Fable 5」最优，再配合应用内安全拦截时的自动切换，以及 API 新增的回退用「default」模式。文中还涵盖可用性（6 月暂停、7 月重新上线）、避免依赖单一模型、用 effort 调节成本，以及 FAQ——把 Fable 5 系列文章与 Opus 5 发布解读串联起来。

AI 与人类，安全防护谁更强——2025～2026 年答案发生了巨大变化。Google 的 Big Sleep 在被利用前拦下了真实零日(SQLite 的 CVE-2025-6965),自主 AI 渗透测试工具 XBOW 登上 HackerOne 全美榜首。另一方面，AI 生成代码中有 45% 含漏洞(约为人类编写的 2.74 倍),滥用 Claude 的首例大规模 AI 主导网络攻击(攻击的 80～90% 由 AI 自主执行)也已发生。本文基于 Google、Anthropic、DARPA、Veracode 的一手信息，用按任务分类的速查表，对比在速度·规模·全覆盖上碾压的 AI，与在业务逻辑·攻击串联·最终判断上占优的人类。文章进一步指出 AI 是兼具「漏洞生成源·攻击工具·最强防御者」三重面孔的双刃剑，并面向从业者与管理者总结出结论:赢家是「人类×AI(半人马型)」的角色分工 + human-in-the-loop。

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。

本地LLM跑得起来后，下一个难题是「到底装哪个模型」。本文把2026年的主流开源模型按开发方、出身国、用途、大小和许可证全面梳理，帮你选出最适合自己电脑和目标的「第一个」。其中重点介绍Qwen（阿里巴巴）、DeepSeek、GLM（智谱）等既是国产、也是全球开源第一梯队的中文模型，以及Yi、InternLM、Baichuan、MiniMax、Kimi等值得关注的国产力量；同时澄清「本地运行输入不外流」这一关键前提，并给出按显存大小和用途的具体推荐与商用许可证注意事项。