先看一眼我们要走的路

三个章节，
从「为什么」走到「怎么用」。

一切的开始：
一个会「权衡」的小神经元。

一个神经元太笨，
几百万个连起来就聪明了。

把神经元排成一列列的「层」，前一层的输出喂给下一层。信息就像流水一样，一层层被提炼——从「像素」到「边缘」，从「边缘」到「形状」，最后到「这是一只猫」。

信息层层提炼：
从一堆像素到「这是一只猫」。

每往下一层，网络就抽象一级——丢掉细节，抓住更整体的特征。

「深度学习」
就是层数特别多的学习。

但传统网络有个
致命问题……

语言太依赖远距离的呼应了。我们需要一种能「同时看清全文」的方法——

2017 年，一篇叫《Attention Is All You Need》的论文

Transformer：让 AI 学会
「同时看清整句话」。

注意力的核心：
三个角色 Q · K · V。

别怕英文，本质就是图书馆找书的过程。

到此为止，
你已经懂了大半。

接下来还有两个关键问题：
「参数量」到底多大？  ·  MoE 是怎么省钱的？

→ 翻到下一页继续

「参数」= 神经元之间
连线的强度旋钮。

每个参数就像一个小旋钮，决定某条连线有多重要。参数越多，模型能记住的细微规律越多——所以才叫「大」模型。

训练分两大步：
先通才，再专才。

这就是 MoE（Mixture of Experts，专家混合）——现代大模型（如 GLM、DeepSeek）省算力的核心技巧。

MoE = 一个调度员 + 一群专科医生

现在做大模型的，
主要是这些公司。

国内外都有成熟产品，竞争激烈，对用户是好事——又强又便宜。

国内外主要玩家一览

但要小心：
AI 会一本正经地胡说。

这叫「幻觉」（Hallucination）——它并不是「知道答案」，而是「编一个看起来最像答案的话」。

差在哪？
一个只会说，一个会做。

智能体靠这四件事「动手」

你只要说一句话，
剩下的它来跑。

让 Claude Code 真正强大的，
是这三样「扩展件」。

Skill = 一份说明书，
教 Claude 一种新本事。

你把「怎么做某件事」写成一份 markdown 文件，放进固定目录——它下次遇到这类任务，就会照着做。

热门 Skill 速览

来看一个典型范例：book-notes（做读书笔记）

用途亲切、结构完整。本质就是一份普通 markdown —— 左边是文件内容，右边告诉你每部分干什么。

MCP = 一根标准插头，
把 AI 接上万物。

MCP（Model Context Protocol，模型上下文协议）是一种统一接口标准——只要工具按这个协议做，任何 AI 都能直接调用，不用每个工具单独对接。

装上 MCP，AI 就能……

Plugin = 把一堆零件
打包成一个「应用包」。

单个 Skill / MCP 是散装零件，Plugin 把它们 + 命令 + 配置打包成一个整体，像手机装 App 一样一键安装、统一管理。

一句话分清：
教方法 · 给工具 · 打包发

技巧一：
把需求说清楚，比啥都强。

还有两个好用习惯

动手前，先认识
前端 · 后端 · 数据库 三兄弟。

几乎任何网页应用（淘宝、B站、你的留言板）都由这三层构成。下面用班级留言板举例。

你点「发送」之后，
发生了什么？一趟接力。

技术选型：每一层都有好几把锤子

没有「最好的」，只有「合适的」。下面列主流选择，留言板这种小项目用最简单的就够。

实战项目：
「班级留言板」，六步做出来。

刚才认识了前端/后端/数据库——现在用这个项目走完完整流程（绿色 = AI 介入度）

留言板 · 第 1-3 步：把「做什么」想透

留言板 · 第 4-6 步：把东西做出来