53
0本期节目
AI 热词一个接一个：Token、上下文窗口、提示词工程、Context Engineering、Agent Harness……到底各自解决什么问题？
我们用最简单的比喻，从大语言模型的基础原理讲起，带你理解 AI 如何处理文字、为何会出错，以及怎样通过上下文、规则、工具和检查，让 AI 更可靠地完成任务。
本期还聊到：预训练与后训练、RLHF、RAG、AI 幻觉与谄媚、Skills、subagent和 Loop Engineering……等等听上去高深莫测的AI术语，我们一一解密。无论你是产品设计师，还是日常使用 AI 的人，都能从中找到理解新术语的简单框架。
⌛️时间轴
00:22 为什么 AI 热词总是追不上
03:04 从基础论文开始，AI 概念没那么难懂
06:02 预训练、Token、Embedding 与模型如何“接话”
13:30 后训练、微调与人类反馈
17:03 模型参数与上下文窗口：AI 的“书桌”
21:49 三种 AI 用法：问答、执行指令与 Agent
26:26 RAG、信息检索与 AI 幻觉
31:42 AI 为什么会迎合用户（AI谄媚来自哪里）？
34:22 奖励机制与作弊--Reward Hacking
38:33 Prompt Engineering提示词工程：把问题问清楚
40:36 让 AI 按指令办事时，为什么仍会出错
43:57 Context Engineering 上下文工程与 AI 记忆
51:14 Harness：管理 AI 的“书房”
52:06 Skills：把重复流程变成可复用能力
55:16 Subagent子代理如何分担复杂任务
57:44 给 Agent 设边界，并检查结果
59:10 Loop Engineering：执行、检查、迭代
01:01:11 总结：从提示词到上下文，再到 Harness，解决掉都是一件事
