在本页面中，我们按照主题整理了「如何真正用好生成式 AI」所需的入门知识、技术解读、应用案例、风险以及提示词技巧，方便你一目了然地浏览。
即使你不是工程师，或者刚刚开始在工作或学习中使用生成式 AI，只要按顺序阅读这些文章，就能自然地建立起作为基础的 AI 素养。
如果你是第一次来到这里，建议先从「入门与整体概览」这一部分开始阅读。
先理解生成式 AI 的基本理念，以及它与传统 AI 的区别，之后再看技术类文章和应用／风险相关的文章，就更容易把它们当作一个完整的知识体系来理解。
1. 入门概览｜先弄清「什么是生成式 AI」
这一部分的文章帮助你大致把握生成式 AI 的全貌：基本概念、社会影响，以及与传统 AI 的不同之处。非常适合作为第一次学习时的「第一圈」。
- 生成式 AI 的社会影响是什么？ — 从教育、产业、政府与日常生活等角度，梳理这项技术被称为「影响超过智能手机」的原因。
- 理解传统 AI 与生成式 AI 的差异 — 解释与任务特化型 AI 的区别、输入输出形式的不同等经典比较要点。
2. 模型技术｜了解其工作机制，减轻「黑盒」感
这一部分偏向技术视角，从内部结构入手，帮助你理解 LLM（大语言模型）、基础模型、Transformer、各种学习方法以及幻觉（Hallucination）等生成式 AI 的关键概念。
- 生成式 AI 模型共有的技术特征是什么？ — 梳理文本、图像等多种生成式 AI 背后共同的技术基础。
- 大语言模型（LLM）的基本结构与训练方式 — 在尽量避免复杂公式的前提下，温和地讲解 LLM 的结构与训练流程。
- 通俗讲解监督学习、自监督学习、预训练与微调 — 通过四个关键词来整理生成式 AI 的学习过程。
- 什么是基础模型、Transformer 与注意力机制？ — 结合示意图，说明支撑当代生成式 AI 的核心架构。
- 什么是概率模型与幻觉？理解生成式 AI 的「思维习惯」 — 从「根据概率选择下一个词元」的机制出发，解释为什么会产生幻觉。
- 什么是对齐（Alignment）与指令微调（Instruction Tuning）？ — 介绍将模型调整为「更符合人类期望行为」的基础技术。
3. 应用案例｜具体了解「在哪里、如何用」
这一部分通过教育、商务、政府、开发、语言学习等领域的实例，帮助你更直观地想象生成式 AI 在现实世界中的具体用法。
- 生成式 AI 如何被使用？通过具体案例理解当前的应用图景 — 按教育、商务、政府、开发、日常生活等领域，归纳代表性的应用场景。
- 阻碍生成式 AI 普及的「限制因素」有哪些？ — 从技术、法律、伦理、社会接受度与成本等角度，解释为何导入并不像想象中那样简单。
- 英语初学者如何用生成式 AI 学习？简单易行的三步法 — 通过「词汇强化 → 批改 → 会话练习」三步，给出在英语学习中使用生成式 AI 的具体提示词示例。
4. 风险与法规｜安全使用所需的基础认知
这一部分聚焦幻觉、偏见、信息泄露、法律监管等主题，是你「安全且负责任」地使用生成式 AI 时需要掌握的基础知识。
- 生成式 AI 带来哪些风险？用户可以采取哪些应对措施？五个基本对策解析 — 面向普通用户，总结了几类具有代表性的风险缓解策略。
- 向生成式 AI 输入信息时的风险有哪些？安全使用的注意事项与对策 — 重点说明哪些内容不应输入，例如个人信息与机密信息。
- 生成式 AI 在法律、伦理与安全方面有哪些风险？结合实例掌握关键注意点 — 帮助你从法律、伦理与安全多角度，整体把握相关风险的基础文章。
5. 提示词工作流｜让 AI 素养在日常工作中真正运转起来
为了避免 AI 素养只停留在「知道」的层面，这一部分聚焦于提示词模式与工作流程，帮助你在日常工作与学习中将其真正用起来。
- 提示词基础十大模式：每天都能用上的「最小模板」合集 — 结合可直接套用的模板，整理了角色设定、约束条件、分步思考、Few-shot、总结／抽取／转换、评价等十种通用性极高的使用模式。