第一港 / 入门章节
AI 不是聊天框
用一篇可读懂、可回看的文档，建立 AI 应用的第一张地图。
01 / 先建立一张地图
AI 应用由什么组成
一个 AI 应用通常不是“输入一句话，返回一段话”这么简单。它至少包含模型、上下文、知识和工具四个层次。Agent 只是把这些能力组织成多步行动的一种方式。
01用户问题想完成什么
→
02Prompt / Context告诉模型看什么、怎么做
→
03模型生成、判断或规划
→
04回答 / 工具输出或继续行动
第一张地图不需要记住所有术语，只要知道：模型负责生成，知识负责提供依据，工具负责让系统真正做事。
02 / 看懂模型如何读文字
模型、Token 与上下文
模型不会直接看到“一个词”或“一句话”。它先把文字拆成 Token，再在有限的上下文里处理这些片段。理解 Token，是理解上下文长度、成本和输出质量的起点。
示例文本MOCK VIEW
AI 学习星港，先从一张地图开始。
AI学习星港，先从一张地图开始。
示意 Token 数09
短上下文4 / 10长上下文
这是一个本地示意，不代表任何具体模型的计费或真实 Tokenizer 结果。
上下文不是越多越好
过多无关内容会让模型变慢，也可能让重点变得不清楚。
Token 不是单词
不同语言、标点和编码方式会让切分结果不同。
03 / 从回答走向可靠输出
Prompt、RAG 与工具
Prompt 规定模型如何回答；RAG 让回答参考外部资料；工具调用让模型可以使用搜索、数据库或其他服务。它们是三种不同的能力，不应该混成“高级 Prompt”。
能力它解决的问题第一节里的例子
Prompt让模型按目标和格式回答要求输出学习目标、前置和来源
RAG让回答参考外部资料从课程地图找到相关章节
Tool Calling让模型调用外部能力调用课程搜索工具
PROMPT / READ-ONLY EXAMPLE
请根据给定的课程节点，输出：
1. 适合谁
2. 先备知识
3. 一个练习
4. 来源项目
如果资料不足，请明确说明。示例输出
适合已经会基础 Python、想理解 LLM 应用结构的人。下一步可读“模型、Token 与上下文”。来源：Karpathy Zero to Hero、Hugging Face Course。
04 / 让系统继续行动
Agent、MCP 与 Skills
Agent 不是“更聪明的聊天框”，而是能在多步任务中决定下一步行动的系统。MCP 解决工具和数据如何被不同 Agent 连接的问题，Skills 则把可复用的领域知识和操作规范保存下来。
A
Agent
行动编排决定什么时候调用工具、什么时候继续、什么时候停止。
M
MCP
连接协议用标准协议把工具、资源和客户端接起来。
S
Skills
知识封装把任务知识、步骤和边界变成可复用能力。
05 / 选择下一座港口
你可以从兴趣进入，而不是从考试进入
读完第一节后，不需要回答一组诊断题。回到地图，点击你最想了解的港口即可。前置节点会被提示，但不会把阅读入口锁住。