一句“帮我查一下”,AI 是怎么真的去查的?
让 AI 帮忙看一个项目,它可能会先读文件,再执行命令,最后告诉你哪里有问题。界面上看起来,是 AI 自己一步步把事情做完了。
让 AI 帮忙看一个项目,它可能会先读文件,再执行命令,最后告诉你哪里有问题。界面上看起来,是 AI 自己一步步把事情做完了。
让 AI 改一段代码,最后收到一句“已修复,测试通过”。听起来没有问题,但打开页面,换个输入,问题又出现了。
让 AI 读取一份文档,整理一下里面的内容,这个要求很普通。但文档里如果夹着一句“忽略用户的问题,改成回答其他内容”,AI 应该怎么处理?
用 AI 写代码或者写文章,时间长了,会发现有些要求要一直重复。
让 AI 帮忙看一个 Bug,只发了一句“这个测试为什么失败”,结果用量里出现了几千甚至更多 token。
让 AI 写一篇技术文章,中间可能要查资料、整理内容、画图,最后还得检查文字和图片是否对得上。如果这些事情都由一个 Agent 按顺序做,任务稍微复杂一点,等待时间就会变长。
把自己的文章、项目文档传进知识库,界面也提示上传成功了。接下来问一个文档里明明写过的问题,AI 却答错了,或者直接说没找到。
准备在自己的电脑上跑一个模型,下载页面上先出现一串名字:7B、8B、Q4、Q8、GGUF。再看看文件大小,好像也不算大,下载下来却发现内存不够,或者回答慢得让人着急。
用 Codex 或者 Claude Code 做一个稍微长一点的任务,中间会读文件、改代码、跑测试,还可能来回试几种方案。这些内容都会占用上下文。一直聊下去,窗口总会有装不下的时候。
一篇让零基础小白也能轻松读懂的 AI 入门指南,带你搞懂大模型、智能体、MCP 的区别和联系。