本期，我们俩聊一聊文科生如何进行AI学习以及去哪里寻找合适自己的学习资料。在AI快速发展的当下，难免会有AI学习的焦虑，但是越焦虑往往越找不到合适有效的学习方法，到头来只会淹没在海量的学习资料之中，只点了收藏，但是知识却在角落吃灰。今天，我总结了我这两个月来的AI学习经验，带你少走弯路，不仅是学习资料的分享，更是学习方法的讨论。 你将听到 l AI信息过载，怎么寻找适合自己的学习内容 l AI学习资料大放送：文字、播客、视频总有一款适合你 时间戳 02:00 为什么“硬学”往往会半途而废？ 03:00 三阶段学习法：认知构建、工具实践、项目落地 11:50 信息源推荐（文本类）： 新智元、量子位、36氪及Twitter上的Builder博主。 15:00 信息源推荐（视频类）： 吴恩达、Karpathy及宝藏博主 18:15 信息源推荐（播客类）： 《十字路口》、《罗永浩的十字路口》、《硅谷101》、《WhyNot TV》。 20:13 AI信息是过载的，只有实践是你的护城河。

过去两周，AI圈发生的动荡足以改变未来的格局：Meta豪掷数亿美金收购Manus，扎克伯格亲自下场“抢人”；腾讯引援27岁的前OpenAI核心研究员姚顺雨，试图在模型混战中后发制人；国内大模型独角兽智谱AI、MiniMax开启上市冲刺。这期我们就来聊一聊这两周的一些行业变化～ 你将听到 l Meta的豪赌： 为什么是Manus l 天才入职腾讯： 姚顺雨是谁？他能解决腾讯的“AI焦虑”吗？ l 国产模型的冷与热： 智谱AI上市背后的30亿亏损与地缘政治风险。 时间戳 00:36 Meta豪购Manus 06:11 27岁天才姚顺雨加盟腾讯意味着什么？ 08:00 腾讯的AI焦虑：混元大模型如何在中大厂竞争中寻求突破。 10:30 AI人才抢夺战 15:00 一年烧掉22亿研发费 19:10 参加AI vibe coding活动的感受

为什么你觉得AI不够智能？可能只是你的“打开方式”不对。本期节目，我们将深入探讨Google官方的Prompt指南，并分享总结的独家「ROLE」提问框架，助你从“小白”进阶为“Prompt工程师”。此外，随着Gemini 3的更新，「vibe Coding」（Web应用开发）成为了新风口。亲测开发了三款实用小工具，带你体验“氛围感编程”的乐趣与坑点。 你将听到 l Prompt进阶：为什么你的提示词只有9个词，而大神用了21个？ l ROLE框架：角色(Role)、任务(Objective)、限制(Limits)、例子(Example)的排列组合艺术。 l 高阶心法：如何利用“思维链(CoT)”和“负面约束”榨干AI的潜能。 l Web Coding初体验： 文科生如何用“自然语言”和AI一起捏出个性化软件？ l Gemini实战： 从口语陪练到买菜比价助手，AI编程的实战案例分享。 时间戳： 00:00 开场：文科生第三周的AI学习汇报，本周关键词：Prompt & Web Coding。 01:30 Prompt工程的核心痛点：为什么你用的AI像搜索引擎，别人用的像专家？ 02:50 独家干货「ROLE框架」详解： l Role (角色设定)：赋予AI身份，打破平庸回答。 l Objective (具体任务)：像甲方向乙方下需求一样清晰。 l Limits (限制与背景)：设定边界，避免废话。 l Example (示例投喂)：给它看你想要的“样板间”。 06:40 Prompt的4个进阶技巧： l 技巧1：留足思考空间（Think Step-by-Step）。 l 技巧2：负面约束（告诉它不要做什么）。 l 技巧3：强化关键指令。 l 技巧4：持续迭代，把AI当草稿纸。 09:20 Web Coding (Web应用开发) 初体验：什么是“氛围编程”？零基础如何用自然语言写代码。 10:50 Gemini 3 实战案例： 13:10 Web Coding目前的局限性、Bug处理以及未来的可能性。

这周呢，一起来学习的课程是Andrej Karpathy《如何构建chatgpt》，如果你也被像SFT、标注、分词、幻觉这样的名词搞得云里雾里，那么这期节目非常适合你去收听。本期我们将大家拆解构建大语言模型的三个阶段：训练、监督微调、强化学习，一起来了看看大语言模型是如何炼成的！ 你将听到： l Andrej Karpathy 是谁？为什么他的课值得听？ l 为什么说Token是AI的语言？ l 如何通过打分和奖励机制，让AI的回答更符合人类价值观？ l AI的幻觉与缺陷 —— 为什么ChatGPT有时候会一本正经地胡说八道？ 相关名词： l Large Language Model (LLM)：一种通过在海量文本上训练，能够理解和生成自然语言的人工智能模型。 l Token (分词)：将文本拆分后供模型处理的基本单位，可以是词、字或子词。 l SFT (监督微调)：用高质量问答数据对预训练模型进行微调，使其学会遵循指令、输出有用格式。 l RLHF (基于人类反馈的强化学习)：通过人类对模型输出的偏好反馈来训练和优化模型，使其回答更符合人类价值观（安全、有用）。 l Hallucination (幻觉)：模型自信地生成看似合理但事实上错误或虚构的内容。 时间戳 01:45 培养AI就像培养天才：智商、情商与自主学习的三阶段类比。 02:30 阶段一：预训练 (Pre-training)。 08:50 基础模型 (Base Model) 的特点：高智商但不懂社交的“书呆子”。 09:40 阶段二：监督微调 (SFT)。 11:30 阶段三：神经网路训练与强化学习 (RLHF)。 15:00 AI的局限性与幻觉。 18:10 解决方案与未来展望。 本期思维导图

一个文科生，对科技基本不感兴趣的人，迫于生活的压力，开始了对于AI的学习。创立这档播客，希望能通过自述学习内容的这种方式，敦促自己学习，巩固学习成果（其实主要是怕自己学不下去。 本期，主要是对吴恩达《AI for everyone》课程内容的总结，主要分为两部分，对AI、机器学习、深度学习、神经网络、监督学习等概念的阐释以及它们之间关系的描述。再有就是对与AI产品，比如智能音箱、无人驾驶等运行步骤的了解。不得不承认，AI以后在各方面都是人类的合作伙伴，早了解总是没错的。 也附上这期提到的一些相关概念的思维导图，供大家参考。 本期可能有些理解不准确的地方，也欢迎大家多多指正，但别骂我，我玻璃心。