生成式 AI 入门：从一句提问到一份可核查的学习材料

这节课从微软《Generative AI for Beginners》第 1 章的教育创业案例出发，解释大语言模型如何处理输入，以及为什么“回答流畅”不等于“内容正确”。这是中文选编与教学改写，不是全套课程译本。三课依次完成概念理解、提示设计、基于资料的问答；本课无需编程，准备一个能输入文字的 AI 对话工具和一份不含隐私的短材料即可。工具账号及使用费用以你已有服务为准。

完成后，你应该能分清生成、检索和执行三件事，写出一个能验收的学习任务，并用原材料判断答案是否可靠。文中的回答均为教学示例，不是本次调用模型得到的实测结果。

1. 先确定我们到底要解决什么

原教材设定了一家希望提供个性化学习服务的虚构教育公司：学生想随时得到解释，教师希望更快制作讲义与练习。这里最容易跳过的问题是，什么工作适合交给模型？

“帮老师工作”还不能直接实施。“把一段指定笔记改写成适合初学者的三条复习要点，每条都能在笔记里找到依据”，才是一项可以检查的任务。它明确了输入、使用者、产物和判断标准。即使最后不用 AI，这个任务描述也能交给另一位老师执行。

先看一份用于整套练习的虚构课程通知：

课程：数据入门体验课
对象：没有编程经验的成年人
日期：9 月 12 日
时间：14:00—16:00
地点：二楼学习室
准备：自带可以打开电子表格的电脑
内容：认识表格中的行和列，按条件筛选记录，计算一列数字的总和
通知没有说明：费用、停车安排、是否提供录播

如果你只是问“这是一门怎样的好课”，模型容易补出宣传语、收益承诺甚至不存在的服务。更稳妥的任务是“依据通知写一份参加指南，不补充未提到的信息”。AI 的作用是组织、改写已给出的信息，不是替课程负责人做决定。

2. 模型并不是在逐字翻资料库

微软教材先解释了 token。我们看到的是连续文字，模型接口会把文字编码成一串较小的单元，再映射到数字标识。一个 token 可能是词的一部分、一个符号或其他文本片段；它不固定等于一个汉字，也不固定等于一个英文单词。不同模型的分词方式可能不同，所以不能仅凭字数精确推算上下文容量或费用。

对自回归语言模型，可以先用一个简化过程理解生成：模型根据已经收到的上下文，计算接下来可能出现的 token，选出一个，再继续生成。模型经过训练与指令对齐后，可以完成解释、分类、改写和代码生成等任务，但输出仍不自动成为已验证事实。

例如看到“课程开始时间是”，模型可能顺着常见安排补出“上午九点”。如果上下文实际写着“14:00”，我们希望它采用材料中的具体事实，而不是常见模式。把资料放进提示，有助于它选对信息；最后仍要检查，因为资料可能被忽略、误读，或者与别处冲突。

原教材还对比了预设规则、机器学习和现代生成模型。规则系统可以准确回答事先写好的问题，但覆盖范围有限；分类模型常用于把输入归入既定类别；生成模型可以组织新的表达。这里不是“后一种全面替代前一种”：计算总价适合确定性代码，查报名状态适合数据库，给初学者解释报名规则才可能需要语言模型。

3. 用同一份材料区分三种能力

第一种是生成。输入通知，要求改写成三条参加提醒，输出是一段新组织的文字。第二种是检索。问题是“教室在哪里”，系统从可访问材料中找出“二楼学习室”。第三种是执行。问题是“帮我报名”，需要真实报名系统接收数据并返回结果；聊天框里出现“报名成功”不代表真的发生了报名。

这三个环节可以组合，但不能混称。一个学习助手可能先检索通知，再生成回答，却完全没有报名权限。对外介绍时应写“解释课程信息”，不能写“已经为你报名”。理解这条边界，也能帮助你识别一些看上去很聪明却没有实际连接业务系统的演示。

现在将以下完整提示与课程通知一起输入你自己的对话工具：

任务：为第一次参加体验课的人制作参加指南。
依据：只使用下面的课程通知，不根据常识补充课程承诺。
输出：恰好三条，依次说明参加对象、到场时间地点、需要准备的物品。
另起一行列出仍需向负责人确认的信息。
如果通知没有说明某项信息，就明确写“通知未说明”。

课程通知：
课程为数据入门体验课，面向没有编程经验的成年人。
9 月 12 日 14:00—16:00，在二楼学习室上课。
参加者自带可以打开电子表格的电脑。
内容为认识行和列、筛选记录、计算一列数字的总和。
费用、停车安排、录播均未说明。

一种合格的教学示例是：

1. 适合没有编程经验、想了解表格基础的成年人参加。
2. 9 月 12 日 14:00—16:00，到二楼学习室上课。
3. 自带可以打开电子表格的电脑。
仍需确认：费用、停车安排和是否提供录播，通知未说明。

这份结果不要求措辞完全相同。要检查的是：时间有没有被改成上午；地点是否凭空增加地址；是否把“费用未说明”写成“免费”；是否遗漏电脑要求。逐项能对上原文，才算通过。

4. 为什么相同输入可能产生不同回答

原教材用同一提示重复运行来说明输出可能变化。这种变化与模型、版本、采样配置及服务实现有关。某些接口提供温度等参数，但并非所有模型都开放同样的设置，降低温度也不等于事实正确或完全确定。学习时先固定任务和材料，不要一开始同时换模型、改提示、加参数，否则看不清是哪项改变产生了影响。

你可以在自己的工具里开三个全新对话，分别提交相同提示，记录三份输出。每份只检查四项：事实是否完整、是否新增承诺、格式是否符合要求、未知项是否说清楚。如果一份成功、两份失败，不能把第一份截图作为“流程已经可靠”的证据。改提示后再用同一组材料比较，才有可解释的进步。

5. 练习：把模糊想法变成可验收任务

原课作业要求构想一家 AI 创业公司，并从问题、用法、影响等角度写短文。这里将作业缩小到一个能在今天完成的学习助手场景：写约 300 字方案，交代谁遇到什么问题、提供哪些资料、希望得到什么结果、由谁复核。不要只写“提高效率”。

参考解析：一个可行范围是“教师提供一页已经审核的课程笔记，助手生成三道选择题和答案依据，教师检查后发给学生”。输入是笔记，产物是试题与依据，验收能逐条追溯。相反，“AI 自动为所有学生制定最优人生规划”缺少边界、材料和可验证指标，也涉及比本课更高的风险。

再做一道判断题：通知没有价格，模型回答“课程免费”，应当怎样处理？正确做法是删除这个结论并标出缺失信息，而不是让模型“再想仔细一点”后任选一个价格。没有依据的问题，首先需要补资料，而不是补文采。

6. 常见问题与本课结果

如果答案太长，补充明确条数与使用场景；如果答案漏项，列出必须覆盖的字段；如果它补出未知信息，明确缺失时的输出方式，再检查原材料是否也有暗示或冲突。不要输入真实学生个人信息、成绩或企业内部资料来做第一次练习，使用本课虚构通知就足够。

学完后应保留三样东西：一份原始材料、一条完整提示、一份逐项核对过的结果。这比保存一段漂亮回答更有复用价值。下一课继续使用教育案例，把提示拆成任务、资料、约束和示例，学习如何有依据地迭代。

来源说明：微软《Generative AI for Beginners》第 1 章，中文选编及独立补充练习；原仓库 MIT 许可。保留教育创业场景、token 与生成机制、能力边界和创业作业的教学主线；课程通知及参考输出为新增虚构案例。依据 2026 年 9 月 4 日核对的仓库版本整理，未调用模型实测，不代表微软官方中文认证课程。

原教材许可声明

MIT License

Copyright (c) Microsoft Corporation.

Permission is hereby granted, free of charge, to any person obtaining a copy of this software and associated documentation files (the "Software"), to deal in the Software without restriction, including without limitation the rights to use, copy, modify, merge, publish, distribute, sublicense, and/or sell copies of the Software, and to permit persons to whom the Software is furnished to do so, subject to the following conditions:

The above copyright notice and this permission notice shall be included in all copies or substantial portions of the Software.

THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE