CHAPTER 06 · 应用

从「会聊天」
到「真正帮你干活」

前五章讲的是 AI 本身；这章讲怎么把它用起来：怎么问它才听话（提示词技巧）、 怎么给它配资料（RAG 开卷考试）、 怎么让它自己动手（Agent 查天气用工具），以及「改问法 / 配资料 / 回炉重造（微调）」到底怎么选——末尾有个三问选型器。

4 个交互演示读完约 12 分钟

6.1 提问的技巧：不改 AI，先改问法

三招免费的手段，按顺序试：① 直接下指令（零样本）； ② 塞两个例子让它照抄格式（少样本）； ③ 让它「先一步一步想」再回答（思维链）——相当于发草稿纸，复杂题正确率明显提升。

系统提示词怎么写写清四件事就够了：你是谁（角色和目标）、什么不做（边界）、什么口气（风格、长度）、什么格式（表格/JSON/字段名）。记住 4.2 节：它每次请求都要重发、占积木、排在最前——写清楚，但别啰嗦。

AI 的知识停在训练那天（知识截止），更没见过你公司的内部文档。 RAG 的思路特别直白：别让它凭记忆答题，把资料翻出来摆在它眼前—— 把你的问题变成「语义坐标」（1.3 节那张地图），去资料库里找最相关的几段，塞进上下文，让它看着材料作答。资料随时可换新，还能标注出处。

配资料的三种姿势微调 = 把知识焊进脑子（更新贵，但能改性格和本能）；RAG = 把资料放在手边随时翻（更新快、能标出处，但不改性格）； 直接塞进对话 = 一次性开卷（最简单，但桌子小、每轮都掏钱）。6.5 的选型器帮你挑。

普通 AI 只会「说」；Agent 让它在循环里「做」： 想一步 → 调一个工具 → 看结果 → 再想下一步，直到任务完成。所谓工具调用，其实是约定好的填表游戏：AI 输出「我要调哪个工具、参数填什么」，真正执行的是你的程序，跑完把结果递回来——AI 只负责填表和总结。

图片、声音会被切成「图片积木」「声音积木」，和文字积木拼成同一条序列喂给模型——看图和读文在底层是同一件事。所以一张图真的占几千积木（这就是「看图比打字贵」的原因）。

路线：下载压缩档（GGUF）模型 + 装个 Ollama / LM Studio。先用 3.7 的显存计算器算清能不能塞进你的卡；社区经验：日常用 Q4_K_M，要精度上 Q8，显卡富裕再谈原版。

① 你的知识 / 资料会更新吗？

② 需要固定的行为 / 格式 / 风格吗？

③ 数据和预算？

回答完三个问题，这里给出建议路线。

	改问法 / 塞例子	RAG 配资料	微调回炉
想换知识	❌（只能塞一点点）	✅ 最佳	⚠️ 贵且难更新
想换行为/风格	✅ 轻度有效	❌	✅ 最佳
见效成本	几分钟 / 免费	几天 / 低	几周 / 高
能叠加吗	三者不冲突：成熟产品常是「微调过的模型 + RAG + 认真写的系统提示词」

全系列到此完结。回头看第一章那张地图——现在每一站你不只知道「是什么」，还亲手玩过「为什么」。