20250727+AI基础认知与大学应用

基本信息

原始文件：直播回放-07月27日.mp4
直播日期：2025-07-27
日期依据：文件名月日 + 用户确认默认年份
视频时长：01:18:33
是否疑似重复：否
复用转写：否
转写文件：/Users/a111111/Desktop/工作用/视频总结输出/02_转写/20250727+主题待确认-21/20250727+主题待确认-21.clean.md

一句话核心结论

让大学生先建立AI基础认知，再把AI用进信息搜集、学习、决策、竞赛、就业和个人能力建设中，越早形成应用能力越容易拉开同龄人差距。

核心内容总览

社区AI答疑定位：给社区同学补齐AI基础认知和使用方向，新同学要先跟上后续直播、尽快准备电脑和个人知识库。
AI基础认知核心概念：包括大模型与AI应用的区别、DeepSeek、豆包、问小白等工具的关系、提示词工程的重要性、预训练、后训练、微调、开源模型、大模型幻觉、多模态模型等。
学习AI的方法：不需要死记硬背技术名词，关键是会用AI学AI、会用AI搜集信息和解决实际问题。
Agent智能体概念：大模型之外连接工具、任务链和执行流程的系统，能够主动感知需求、拆分任务并执行。
AI与就业方向：AI编程、AI应用竞赛、AI+专业的就业方向，以及未来企业对AI应用人才的需求。

按直播时间轴详细总结

00:00:00 - 00:04:10 开场与直播背景

直播开场主要是调试音量、网络和背景音乐。原本由莫老师答疑，但因莫老师去AI论坛，主播临时代替进行AI答疑。要求同学打开自己的知识库，可以边听边记笔记。今天不会讲得特别难，主要是给社区同学补齐AI基础认知和使用方向。学习AI的第一步不是直接进入复杂技术，而是先理解AI能帮助自己做什么，再把AI用到大学生活中。准备等到9点05分正式开始，同时提醒新同学如果还没看直播回放，可以先了解社区课程列表。

00:04:10 - 00:12:50 社区课程体系与知识库

介绍社区课程和支持库体系：社区直播、直播回放、新版知识库、PPT教学、去年直播、北大企业家访谈、莫老师AI课等内容。对新同学而言，知识库需要导入到自己的Obsidian或类似软件里，用作大学四年积累的起点。特别强调电脑在大学里的基础性作用，电脑不是可有可无的工具，而是完成学习、PPT、文档、Excel、AI使用等任务的基础设备，社区同学应尽早准备电脑并提前适应。回放推荐上，部分就业、流动性、文科生突围、AI总复盘等内容可以选择性观看，不必一次性补完；新同学更重要的是跟上近期课程。文科生、体育生等如果本专业难以直接形成高价值技能，更需要通过社区扩展就业能力和就业面。

00:12:50 - 00:18:47 提示词工程与决策问题

开始进入AI学习的核心方法：提示词工程。把提示词称为AI时代使用各种软件的钥匙，认为会用AI很大程度上取决于会不会写提示词。强调查本专业政策、转专业政策、保研政策、学校规章制度时，应先用AI搜集信息，再带着信息和具体决策问题来问人。把自己的价值定位为两类：一是帮助学生发现”不知道自己不知道”的盲区，二是在信息对等后帮助做决策，而不是替学生做基础信息检索。提出”决策问题”的概念：AI负责信息建议，人负责方向判断和决策。只有当学生先用AI把学校、专业、政策、个人状态等信息整理清楚，人工建议才更有价值。

00:18:47 - 00:25:56 用AI学AI与大模型基础

通过提问引导同学区分AI大模型和AI应用。解释DeepSeek和豆包的区别不是简单的软件名称不同，而是背后的大模型不同；问小白本身不是大模型，而是一个调用大模型的应用。现场演示”用AI学AI”：让AI用适合小白的方式解释AI大模型如何训练出来。引出预训练概念，即通过大量文本和数据让模型掌握语言规则和世界知识。用”从零岁开始读大量资料的孩子”作比喻，帮助同学理解模型训练。说明AI之所以值得学，是因为AI已经可以帮助人快速获得过去需要长期积累的信息。社区更应教授认知型、技能型和应用型内容，基础信息型内容可以优先交给AI处理。

00:25:56 - 00:33:40 大模型幻觉与多模态模型

重点讨论AI为什么会出错。把AI出错称为大模型幻觉，原因包括训练数据本身有误、数据标注错误、算法局限、人机认知差异等。提醒同学不要因为AI出过一次错就彻底否定AI，而要学会包容新事物、改进提问方式、用人的判断做最终把关。强调AI是用来获取信息、辅助学习和辅助判断的，不是把最终决策权完全交出去。对于学习者来说，关键不是能背出复杂名词，而是能把AI用在现实任务里。也讲到多模态模型和语言模型的差别：语言模型主要处理文本，多模态模型可以处理图片等多种输入。通过”让模型看许多不同形态的图片来识别对象”的例子说明模型并非真正像人一样理解世界，而是通过大量训练形成可用的判断能力。

00:33:40 - 00:41:21 后训练、微调与开源模型

讲解后训练、微调和开源模型。后训练被比喻为”孩子读大学后进入特定领域训练”，用于让模型在法律、医学、金融等领域表现更专业；微调则是围绕具体岗位或企业需求进行短期专门训练。开源模型部分，解释开源大模型意味着模型、权重、训练思路或相关工作链等可以被更多人使用，DeepSeek的开源使很多应用可以基于其能力继续开发。相对地，部分闭源模型不会开放训练细节。把2025年称为AI发展的重要节点，认为开源模型会让更多公司站在已有大模型基础上开发特定领域模型，例如高数学习模型、企业内部模型等。同时指出技术发展很快，但市场需求和企业认知未必同步。

00:41:21 - 00:49:58 AI应用人才机会

转向AI应用人才的机会。认为许多企业和老板对AI的理解仍停留在浅层阶段，但未来当龙头企业把AI部署进业务流程，中小企业会跟进，AI应用人才需求会快速上升。强调大学未必能及时培养AI应用人才，因为课程体系和老师自身学习速度可能跟不上技术变化。因此学生如果现在开始学AI，不是在卷，而是在提前获得领先优势。提醒不要用”我是某专业学生，所以学不明白”给自己设限。读论文、学专业课、理解复杂概念都可以让AI先用通俗语言解释，再不断追问直到理解。

00:49:58 - 00:55:29 企业如何判断AI能力与竞赛

有同学问企业如何判断自己会不会AI。回答可以通过AI应用竞赛、项目成果、成绩或自建模型等方式证明能力。提到现在已经出现AI应用相关竞赛，大学生也可以参加社会上的AI应用比赛。强调真正会AI的人应当能把复杂概念用简单语言解释清楚，也能把技术应用到具体场景中，而不是只背名词。举过拟合等概念的解释方式，强调理解和表达能力同样重要。穿插对社区新同学的建议：不用焦虑以前直播没补完，先跟住接下来的三四场直播，认知和能力会逐步提升。

00:55:29 - 01:03:21 Agent智能体介绍

开始解释Agent智能体。把大模型比作”脑袋”，而Agent是在大模型之外连接了工具、任务链和执行流程的系统，能够在一定范围内主动感知需求、拆分任务并执行。大模型通常完成一次提示词请求，智能体则可以完成一项任务。用商业计划书智能体、水课作业智能体、PPT智能体、图片生成智能体等例子说明Agent的任务链：收集需求、拆分任务、调用工具、生成结果、判断是否符合要求，不符合再重新执行。提到扣子、Dify等平台可以搭建智能体，建议同学先去看别人怎么搭建，再自己尝试做一个。明确表示社区后续会教智能体搭建，并希望同学未来能围绕学科、工作、保研、语言考试等场景搭建自己的智能体。

01:03:21 - 01:10:37 具身智能、机器人与AI编程

讨论具身智能、机器人和AI编程。解释具身智能是让AI通过身体、传感器和物理环境交互来感知和决策，与只处理文本或数据的模型不同。智能驾驶、工业机器人、人形机器人等都属于相关方向。提到黑灯工厂、工业机器人、服务机器人等趋势，认为未来工厂可能由少量专家监管大量机器人完成生产，生产力会越来越依赖AI和机器人。关于编程，认为学习编程语言的目的在于理解编程逻辑。会编程的人用AI编程效率会更高；不会编程的人也可以先借AI做出简单案例，再倒逼自己补编程基础。强调”AI不会代替程序员，但会用AI的程序员会替代不会用AI的程序员”。

01:10:37 - 01:14:26 AI与行业选择及医学方向

把AI与行业选择联系起来。资金流向、行业流动性和岗位机会很重要，新行业和高投入行业更容易产生人才需求，而夕阳行业或现金紧张行业很难提供好的成长空间。有同学问医学和AI的联系，演示了应如何向AI提问：说明自己是医学生、想了解医学与AI的结合、医学生可学习的AI应用有哪些。借此再次强调很多基础问题不必先问人，应先问AI。提到智能诊断、医学影像、临床自然语言处理、医学数据监控等方向，并强调在医学场景里AI可以辅助推荐和分析，但最终决策仍应由人负责。懂AI应用、又能结合专业的人，未来更可能在相关岗位中有竞争力。

01:14:26 - 01:18:33 结尾与主动探索AI

结尾部分向同学征求对本场AI答疑的反馈，表示如果莫老师课程后仍有遗留问题，可以定期进行类似答疑。承认自己讲得可能偏快，后续可以多讲几次让重复内容帮助大家消化。最后再次要求同学直播后不要停下来，要主动探索AI应用。如果不知道AI能和自己的专业结合什么，就把自己的大学、专业、未来就业方向、想学内容交给AI，让AI帮忙列出岗位前景、招聘标准、薪资标准和学习路径。确认回放会生成并上传到社区，社区内已有的直播回放都可以看；同时提醒不会导入Obsidian知识库的同学去看课程教程，或请会导入的同学互相帮助。

关键观点

学AI不应从死记硬背技术名词开始，而应先理解AI能帮助自己完成哪些真实任务。
提示词工程是使用AI的基础能力，很多信息检索、政策查询、学习规划都要先靠提示词打开。
AI负责信息搜集和辅助分析，人负责常识判断、价值判断和最终决策。
问人之前应先问AI，把基础信息整理出来，再带着具体决策问题寻求人工建议。
大模型和AI应用不是一回事：大模型是底层能力，应用是调用模型解决问题的软件或产品。
AI会出错，大模型幻觉不能忽视；使用者要通过更好的提示词、交叉验证和人工判断降低错误影响。
学AI的目标不是成为能背概念的人，而是成为能把AI用进学习、竞赛、工作和项目的人。
大学生现在学习AI应用，可能比等学校系统开课更快获得机会。
Agent的价值在于把一次问答变成任务链执行，能处理更完整、更自动化的工作流程。
行业选择要看未来需求和资金流向，AI应用、具身智能、机器人等方向被视为值得关注的新机会。

可执行建议

先准备好电脑，并尽早熟悉电脑、文档、PPT、Excel、AI工具和知识库软件的基础使用。
把社区提供的知识库导入自己的知识库工具，在此基础上持续记录大学四年的学习、政策和项目资料。
以后遇到学校政策、转专业、保研、专业学习、就业方向等问题，先用AI检索和整理信息，再向学长或老师提决策问题。
练习提示词时，要写清楚身份、背景、目标、已有信息、希望输出的形式和决策问题。
用AI学AI：遇到预训练、微调、Agent、具身智能等概念时，让AI用小白能懂的比喻解释，并持续追问到自己能复述。
对AI输出保持验证意识，尤其是政策、医学、就业数据、岗位薪资等内容，要用来源或多轮交叉验证确认。
尝试使用扣子、Dify等智能体平台，先观察别人的智能体结构，再搭建一个简单的学习或作业辅助智能体。
围绕自己的专业提问AI：本专业能和AI结合哪些方向、已有岗位是什么、招聘标准是什么、需要补哪些技能。
参加或关注AI应用类竞赛，用作品、竞赛和项目成果证明自己的AI应用能力。
学编程时不要只追求语法记忆，可以先用AI辅助做出案例，再反向补足编程逻辑和基础。

重要案例 / 例子

知识库导入案例：社区给同学提供一套定制知识库，学生可以导入自己的知识库软件，再继续叠加大学四年的材料。
电脑重要性案例：把电脑比作大学阶段的基础工具，学习、上课、PPT、Excel、AI使用都离不开电脑。
DeepSeek、豆包、问小白案例：用来说明大模型和应用不是同一层概念，问小白是应用，内部可调用DeepSeek等模型。
用AI学AI案例：现场用问小白提问”AI大模型是怎么被训练出来的”，再借AI的回答解释预训练。
AI幻觉案例：导数题做错、训练数据错误、标注错误等被用来说明AI不一定总是正确，使用者必须会验证。
多模态识别案例：通过让模型看大量不同状态的图片来理解某类对象，用于说明图片识别背后的训练逻辑。
开源模型案例：DeepSeek开源后，其他应用或公司可以基于其能力继续开发特定领域模型。
高数专用模型设想：举例可以基于大模型训练专门教高数的AI，并卖给高校或用于学习场景。
Agent作业案例：把老师要求输入智能体，让它搜集信息、按要求生成作业、判断是否达标，不达标再重新跑。
智能家居案例：把AI接入小米智能家居后，家居系统可能根据一句”今天太累了”自动调整床、空调、灯光、音乐等。
具身智能案例：工业机器人、黑灯工厂、人形机器人和智能驾驶被用于说明AI进入物理世界后的应用方向。
医学+AI案例：通过AI查询医学生可学习的AI应用，包括智能诊断、医学影像、临床自然语言处理等方向。

直播中反复强调的内容

万事先问AI，再带着信息和决策问题问人。
AI的核心价值之一是帮助学生快速获得信息、扩展认知盲区。
人不能把最终决策权完全交给AI，AI输出需要人的判断和验证。
不要因为AI有错误就停止使用，要通过更好的提示词和验证方法提高效果。
学AI要重应用、重实践、重场景，不要陷入死背概念。
新同学不用焦虑没补完旧直播，先跟住后续直播和课程。
大学生不要等学校系统教AI，要主动提前学习和探索。
社区会持续更新AI应用课程，但个人主动探索仍然最重要。
能把复杂概念讲简单、能把AI用到真实问题中，比只知道名词更重要。
具体能否成为人才，最终仍然取决于个人持续行动。

待人工确认

直播中多次提到屏幕上的社区课程列表、支持库、模板、提示词文件、扣子空间、问小白输出结果等，转写只能还原口播，具体画面内容、文件名称和路径需人工确认。
主播提到的AI工具、模型、企业、行业数据、岗位趋势和融资数据均来自口播或现场AI查询，未在转写中提供可核验来源，涉及准确数字和外部事实时需另行核实。
直播里提到”下播后给新同学重新发模板""回放明天上传社区”等后续动作，转写无法确认实际是否完成。
Obsidian知识库导入教程的位置和具体操作步骤只在口播中被提及，无法从音频完整还原，需要查看画面或社区文件。
部分平台名、工具名和专有名词可能存在转写误差，例如Dify、DeepSeek、ChatGPT、具身智能、满血版等，最终发布前建议人工校对术语。