第1章 走进人工智能时代：AI 和我的专业

本章导读

这几年，人工智能突然变得离我们很近。以前我们觉得 AI 主要出现在新闻、电影和科研实验室里，现在它已经进入手机、电脑、搜索、短视频、电商客服、汽车维修、护理记录、物流分拣、广告设计、智能硬件和机器人中。

很多学习者第一次接触 AI，是从聊天开始的：打开一个网页，输入一句话，AI 就能回答问题、写文章、列计划、生成图片、解释代码。可是，如果我们只把 AI 当成会聊天的软件，就低估了它。现在的 AI 正在从回答问题走向协助完成任务：它可以帮人分析资料、生成初稿、检查错误、调用工具，甚至进入智能终端，帮助设备看见、听见和做出反馈。

后续学习会逐步进入本地智能体环境、数据实验、语言理解、提示词、RAG、多模态、工具调用、智能体和物理 AI 小作品。在进入这些内容之前，先用本章建立三个基本认识：

第一，AI 不是魔法，它是基于数据、模型和计算能力工作的工具。第二，AI 不是简单替代人，而是改变人与工具的协作方式。第三，使用 AI 必须有边界，不能盲信、不能泄露隐私、不能把 AI 生成内容当作完全正确的答案。

本章的实践很简单：用手机或电脑体验一次云端 AI，对同一个问题写出三种不同提示词，观察回答有什么不同，并完成一份我的专业 + AI 短文和 AI 黑箱小笔记。

鲁迅在《故乡》中写道：世上本没有路，走的人多了，也便成了路。 学习人工智能也是在走一条新路。重要的不是追赶每一个新名词，而是看清工具、理解边界，把新技术转化为自己的学习能力。

学习目标

学完本章后，你应达到以下目标：

1. 知识目标：说明人工智能（artificial intelligence, AI）的基本含义，理解识别、生成、判断和辅助行动等典型能力。
2. 知识目标：说出大语言模型（large language model, LLM）、提示词（prompt）、上下文（context）、云端 AI 和本地 AI 等基础概念。
3. 能力目标：结合自己的专业，举例说明 AI 可能辅助的学习或工作场景，并区分 AI 能完成的任务与人必须负责的任务。
4. 能力目标：完成一次 AI 对话体验，比较不同提示词带来的输出差异，并记录人工复核意见。
5. 素养目标：形成隐私保护、版权意识、事实核验和责任边界意识，不把 AI 生成内容直接当作最终答案。

先修要求与环境清单

本章不要求会编程，也不要求安装本地模型。学习时只需要准备：

• 一部可以上网的手机，或一台可以上网的电脑；
• 一个由课程指定的 AI 工具；
• 一张纸质或电子记录表，用来填写 AI 黑箱小笔记。

如果学校已经统一提供 AI 学习平台，应优先使用学校平台；如果练习需要体验网页工具，应按课程要求注册和登录，不自行开通付费服务。

知识准备：先认识这些词

本章会遇到几个基础词语。先简单认识它们，后面章节还会继续展开。

相关内容见表1-1。

表1-1 核心术语说明

使用任何 AI 工具之前，请先确认三件事：

1. 不输入自己的身份证号、手机号、家庭住址、银行卡、真实病历、真实客户资料等隐私信息。
2. 不上传未经允许的人物照片、企业文件或内部资料。
3. 不随意点击付费开通按钮，如需注册账号，应按学校或课程要求进行。

1.1 问题与现象：为什么每个专业都要了解 AI

过去，学习者学习专业技能，主要面对的是工具和设备。例如，数媒专业要学拍摄、剪辑、排版；汽修专业要学检测、拆装、维护；电商专业要学商品上架、客服沟通、营销文案；护理专业要学记录、照护、沟通；物流专业要学仓储、分拣、路线和单据。

现在，AI 正在进入这些工作环节。它不一定把整个岗位一次性替代掉，但会改变很多具体任务的做法。

例如，数媒专业可以让 AI 帮忙生成短视频脚本、标题方案和分镜草稿，再由人根据真实拍摄条件修改。电商专业可以让 AI 生成商品卖点、客服话术和活动文案，但仍要由人检查是否夸大宣传、是否符合平台规则。汽修专业可以把模拟故障现象告诉 AI，让 AI 列出可能的检查步骤，但真正诊断车辆还需要使用设备、经验和安全规范。护理专业可以让 AI 帮助整理模拟护理记录和提醒清单，但不能让 AI 替代医护判断。物流专业可以让 AI 根据订单特点提出分拣建议，但最终流程必须符合场地、人员和安全要求。

因此，学习 AI 并不是说每个人都要成为算法工程师。对你来说，更重要的是：

• 知道 AI 能做什么；
• 知道 AI 不能完全相信；
• 知道怎样把任务说清楚；
• 知道怎样检查 AI 的结果；
• 知道怎样把 AI 用到自己的专业学习中。

这就是 AI 协同学习。

1.2 什么是人工智能：从识别、生成到行动

人工智能这个词听起来很大，但可以先从三个动作理解。

1.2.1 识别：AI 能看出这是什么

识别是 AI 的基础能力之一。比如，AI 可以识别图片中是否有猫、狗、汽车、行人，也可以识别一段文字的主题，判断一条评论是好评还是差评。

在专业学习中，识别能力很常见：

• 数媒：识别图片中的人物、物品、场景；
• 汽修：识别仪表盘上的故障提示；
• 护理：识别模拟记录中可能需要关注的异常情况；
• 物流：识别包裹标签、分拣区域和货物类别。

1.2.2 生成：AI 能根据要求写出东西

生成式 AI 可以根据提示词生成文本、图片、代码、表格和方案。它可以写说明、列步骤、做总结、改语气，也可以帮我们生成多个版本的表达。

但是，生成不等于正确。AI 有时会把不确定的内容写得很像真的，这就是后面要学的幻觉问题。

1.2.3 行动：AI 能协助完成任务

现在的 AI 不只是回答，还可以通过工具完成一些动作。例如，帮人整理文件、调用搜索工具、读取资料、生成程序、分析图片，甚至控制智能终端做出反馈。后续会继续学习工具调用、智能体和物理 AI，理解 AI 怎样从回答走向行动。

可以把 AI 的发展简单理解为：

会识别 → 会生成 → 会使用工具 → 会进入设备和现实世界

1.3 AI 发展脉络：从聊天助手到智能体

这部分不需要背年份，只要理解能力变化。

1.3.1 ChatGPT 让很多人第一次感受到生成式 AI

ChatGPT 的出现让普通人第一次明显感受到：AI 可以像人一样用自然语言交流，能写文章、答问题、做总结、改稿子。这不是说 AI 真正像人一样理解世界，而是说明大模型已经能在语言任务上表现出很强的能力。

1.3.2 大模型让 AI 能处理更复杂的信息

大模型通常指参数规模大、训练数据多、能力综合的模型。它可以处理文本，有些还能处理图片、语音、视频和代码。后面章节会学习大模型为什么需要计算资源，为什么本地模型会受到电脑硬件限制。

1.3.3 智能体让 AI 从回答走向做事

智能体可以理解为一种能围绕目标进行计划、调用工具、观察结果并继续改进的 AI 系统。它不只是回答应该怎么做，还可能帮助我们一步步推进任务。

例如：

使用者：帮我整理一个校园活动宣传方案。
普通聊天：AI 直接写一段方案。
智能体协同：AI 先问目标和受众，再列计划，再生成草稿，再由使用者确认，再修改版本。

1.3.4 多智能体团队让不同 AI 角色分工协作

在更复杂任务中，可能有多个 AI 角色一起工作：一个负责资料收集，一个负责写初稿，一个负责检查风险，一个负责生成展示材料。现实中，这仍然需要人来设定目标、检查结果和承担责任。

1.3.5 物理 AI 让 AI 走进真实设备

当 AI 连接摄像头、传感器、机器人、智能终端时，它就不只是屏幕里的对话工具，而开始进入物理世界。后续章节会通过本地智能体和物理 AI 小作品逐步展开这一过程。

1.4 AI 对相关专业的影响：不是遥远的未来

下面看几个专业例子。

1.4.1 数字媒体：从一个人想创意到人与 AI 一起出方案

AI 可以生成标题、短视频脚本、分镜草稿和海报文案。不要直接照搬，而要检查：主题是否准确，语言是否合适，是否有版权风险，是否符合真实拍摄条件。

1.4.2 汽车维修：从只听经验到经验、数据与 AI 辅助

当车辆出现故障现象时，AI 可以帮助列出可能原因和检查顺序。但汽修工作涉及安全，最终判断必须依靠检测设备、维修手册、专业指导和真实操作规范。

1.4.3 电子商务：从手写文案到 AI 辅助客服和运营

AI 可以生成商品详情页、客户回复、活动标题和售后说明。但它可能夸大功效、误写参数或违反平台规则，所以必须人工审核。

1.4.4 护理与健康服务：从整理记录到辅助提醒

AI 可以帮助整理模拟护理记录、生成提醒清单和沟通话术。但真实医疗护理涉及生命健康，AI 只能辅助，不能替代专业人员判断。

1.4.5 物流与仓储：从人工查单到智能分拣建议

AI 可以帮助分析订单、生成分拣提醒、优化路线或总结异常情况。但现实仓储还要考虑设备、场地、人力、安全和时效。

这些例子说明：AI 最有价值的地方，常常不是完全替代人，而是让人更快地准备材料、更清楚地分析任务、更有依据地检查结果。

1.5 人机协同与 AI 替代的区别

很多学习者会担心：AI 这么强，会不会把人都替代掉？这个问题不能简单回答会或不会。更准确地说：AI 会替代一些重复、低复杂度、容易标准化的任务，但也会创造新的工作方式。

学习 AI 时，更重要的是理解人机协同。

在人机协同中，AI 和人的分工大致是：

相关内容见表1-2。

表1-2 人机协同分工

例如，让 AI 写一份电商文案时：

AI 可以做：生成多个版本、改写语气、列卖点。
人必须做：确认商品真实参数、检查是否夸大宣传、决定最终版本。

让 AI 分析一个汽修故障时：

AI 可以做：列出可能原因和检查顺序。
人必须做：根据实车情况、安全规范和检测设备作出判断。

所以，未来更重要的能力不是和 AI 比谁更会背知识，而是会和 AI 一起完成任务。

相关思想如图1-1所示。图中不是在比较“人强还是 AI 强”，而是在提醒我们：任务越涉及真实数据、安全、健康、财务、发布和责任，越不能完全交给 AI。

1.6 认识几个基础概念

1.6.1 大语言模型（large language model, LLM）

LLM 是 large language model 的缩写，中文通常叫大语言模型。它能根据上下文生成语言内容，可以回答问题、写文章、总结资料、翻译、改写和生成代码。

可以先把它理解为：

一个经过大量文字资料训练、能够根据提示词生成回答的 AI 模型。

1.6.2 提示词（prompt）

提示词就是我们给 AI 的任务说明。提示词越清楚，AI 越容易给出符合要求的回答。

模糊提示词：

帮我写一下。

清楚提示词：

请用读者能理解的话，写一段150字左右的电商商品介绍，语气自然，不要夸大功效。

1.6.3 上下文

上下文就是 AI 本次回答时能看到的信息，包括你刚才输入的问题、给它的资料、之前对话的一部分等。

如果上下文太少，AI 可能不知道背景；如果上下文太乱，AI 也可能忽略重点。后面章节会专门学习上下文管理。

1.6.4 云端 AI 与本地 AI

云端 AI 通常通过网页或 App 使用，优点是方便、能力强、更新快；缺点是依赖网络，可能涉及隐私和费用。

本地 AI 是在自己的电脑、学校机房或校内服务器上运行的 AI，优点是更可控，部分数据可以不上传公网；缺点是受硬件影响，安装和维护更复杂。

相关内容见表1-3。

表1-3 云端 AI 与本地 AI 对比表

本章先体验云端 AI。后面章节会进入课程统一配置的本地智能体环境。

1.6.5 国内常见大模型与平台

国内常见的大模型和平台可以作为课程体验对象，例如通义千问（Qwen）、DeepSeek、GLM 等。它们可以用于问答、写作、代码、资料总结和智能体应用等不同场景。不同平台的使用规则、模型能力和费用政策会变化，本书不要求背诵具体规则。你只需要记住：

使用前要看清平台规则；
涉及付费要遵守课程安排；
涉及隐私资料不能随便上传；
学校课程中应优先使用课程指定的合规平台。

伦理、安全与边界：生成式 AI 的使用底线

幻觉：AI 可能以流畅语气给出错误内容

AI 有时会生成看起来很完整、很有条理的回答，但里面可能有错误事实、错误数据或不存在的来源。这种现象通常称为幻觉。

所以，看到 AI 的回答后要问：

它有没有依据？
它是不是编造了数据？
它是不是把不确定的内容说得很肯定？

版权：AI 生成内容不等于完全没有风险

AI 生成的图片、文案、音乐和视频可能涉及版权、肖像、商标或平台规则。练习中可以使用的内容，公开发布、商业使用或参赛提交时仍必须重新核查授权与平台规则。

隐私：不要把真实敏感信息发给 AI

不要上传身份证、家庭住址、手机号、银行卡、真实病例、企业客户资料、他人照片等。练习中如果需要案例，应使用虚拟数据或经过脱敏处理并明确授权的材料。

过度依赖：AI 不能替你学习

如果只复制 AI 答案，不理解、不检查、不修改，短期看似完成了任务，长期会削弱自己的能力。学习 AI 的目的不是让自己不学习，而是学会更有效地学习。

AI 协同实践：第一次体验 AI

实践目标

通过一次简单体验，理解提示词不同，AI 的回答也会不同；同时记录自己对 AI 的初步认识。

实践准备

打开课程指定的 AI 工具。可以是课程统一平台，也可以是在课程许可范围内使用的通义千问、DeepSeek、GLM 等网页工具。

第1步：提出一个专业相关问题

在 AI 对话框输入：

请用读者能理解的话，解释人工智能会怎样影响我的专业：____。

把空白处填成自己的专业，例如：电子商务、汽车维修、数字媒体技术应用、护理、物流服务与管理。

记录 AI 回答中最有用的一句话。

第2步：换一种提示词，让 AI 给出详细步骤

继续输入：

请列出我的专业中3个可以使用 AI 的具体场景。每个场景说明：AI 能帮人做什么，人还需要做什么。请用表格输出。

观察这次回答是否比第一次更具体。

第3步：让 AI 扮演行业从业者

继续输入：

请你扮演一名有经验的行业从业者，用亲切、直接的语气告诉我：学习____专业时，为什么要学会和 AI 协作？请不要超过200字。

观察角色扮演后，AI 的语气是否发生变化。

第4步：比较三种提示词

填写表格：

相关内容见表1-4。

表1-4 提示词类型与 AI 回答特点记录表

第5步：填写 AI 黑箱小笔记

相关内容见表1-5。

表1-5 学习过程记录表

验证与证据：记录第一次 AI 体验

完成本章实践后，请保留以下证据，作为判断“是否真正完成学习”的依据。

相关记录项见表1-6。

表1-6 第一次 AI 体验证据清单

作业与反思

思考与自测

请判断下列说法是否正确，并说明理由。

1. AI 回答得很流畅，就说明一定正确。
2. 提示词越清楚，AI 越容易给出符合要求的回答。
3. 可以把真实身份证号发给 AI，让它帮我做简历。
4. AI 能帮助学习，但最终结果仍需要人检查。
5. 云端 AI 和本地 AI 在隐私、速度、成本方面可能不同。

作业1：写一篇200字短文

题目：

我的专业 + AI

要求：

1. 写出自己的专业名称；
2. 举出至少2个 AI 可能帮助本专业的场景；
3. 写出至少1件不能完全交给 AI 的事情；
4. 字数约200字。

作业2：人机分工初体验

本章不正式学习复杂方法，只做一次简单反思：

AI 能帮我做什么？
我需要做什么？

填写表格：

相关内容见表1-7。

表1-7 人机分工记录表

总结与思考

本章没有学习复杂算法，也没有安装本地模型，而是先认识 AI 时代的基本变化。AI 正在进入不同专业和工作场景，但它不是万能工具，也不是完全替代人的机器。对你来说，最重要的不是一开始就会写程序，而是建立正确的 AI 使用意识：会提出问题，会调整提示词，会检查结果，会保护隐私，会把 AI 当作学习伙伴而不是答案机器。

本章交付物

完成本章学习后，应留下三份材料：

相关内容见表1-8。

表1-8 本章交付物要求