课程收官
总结（上）· 原理 + Harness
课程总结上半页（1 / 2）：模块一「大模型是怎么来的」建立认知直觉，模块二「Prompt 怎么写才管用」让 AI 按你要的输出。
模块一
模块一 · 大模型是怎么来的
建立认知直觉，不被忽悠
核心认知 1
对话不是学习，参数是冻结的
训练结束后模型就定型了。你每次对话，模型不会记住、不会进步。AI 按 Token 计费，不按提问次数计费。
核心认知 2
幻觉是结构性问题，无法根除
模型做的是预测下一个 Token，不是查数据库。知识截止、自信编造、事实混淆，这三类幻觉只能缓解，不能消灭。
缓解方案
RAG：把真实文档塞进 Prompt
每次对话时把相关文档注入上下文，让它看着资料回答，这就是 RAG 的本质。模型并没有学会新知识。
常见误区：以为 AI 每次对话都在学习进步，越用越聪明
模块二
模块二 · Prompt 怎么写才管用
让 AI 按你要的输出，不是瞎猜
System Prompt
你说什么，它就变什么
System Prompt 定义角色、语气、约束。同一个模型，Prompt 不同，输出天差地别。这是 AI 产品差异化的核心杠杆。
Few-Shot 示例
给例子比讲道理管用
与其描述要怎么做，不如直接给 2-3 个输入→输出的示例。模型会从中推断你期望的格式和风格。
CoT 思维链
让模型先想再答，准确率更高
复杂任务加上「请一步步分析」，准确率显著提升。逼模型把推理过程写出来，再给答案。
常见误区：Prompt 越短越好。实际上描述越清晰，输出越稳定
课程总结 · 上半页 · 下半页：Agent + 成本 + 安全合规