AI 是什么？它能做什么？

一、AI 是什么：从“会判断”到“会生成”

这两年你听到的大部分“AI”，其实分两个阶段。

第一个阶段是“会判断”。机器能识别一张图里是不是猫、能判断一封邮件是不是垃圾邮件、能预测明天会不会下雨。它的核心是从数据里找规律：你喂给它很多“猫的照片 + 是猫”的样本，它就学会了“看到什么特征 → 判断成什么”。这类我们常叫机器学习，它擅长的是分类和预测。

第二个阶段是“会生成”。它不只是判断，而是能照着你的话“创造”出新东西——一段文字、一张图、一段代码、一首歌、一段视频。ChatGPT、DeepSeek、通义千问、豆包、Kimi 都属于这类，统称生成式 AI / 大语言模型。

那它凭什么会“写话”？通俗讲：大模型在训练时看了海量的文章、代码、书籍，学到的是“在某个上下文里，下一个词最可能是什么”。所以它其实是一个超级厉害的“接着往下写”的预测机器——你给它“今天天气很”，它能根据规律续上“好”。平时你觉得它“懂你”，本质是它把这种概率续写做得足够细腻。

二、它能做什么：五大类，附真实例子

文字：最常见的用途

• 问答：不懂就问，它用大白话解释。
• 写作：写文案、周报、总结、润色、翻译、改写。
• 例子：把一堆会议记录让它“整理成 5 条要点的周报”，几秒钟就出来。

代码：程序员的好帮手

• 写函数、改 bug、解释一段代码、生成注释和测试用例。
• 例子：把“我有一段 Python，冒号老写错”扔给它，它能指出并改好。

图片：看得见的生成

• 文生图、风格迁移、抠图、修图、做配图灵感。
• 例子：输入“一只戴墨镜的柴犬，插画风”，就能得到一张图。

语音：让电脑“听”和“说”

• 语音转文字、文字转语音、会议纪要。
• 例子：把一段录音转成文字，再自动总结成议程。

数据与分析：和我的专业最搭

• 把一段 CSV / 表格变成结论，甚至生成画图、分析的代码。
• 例子：“这是销售数据，帮我找出哪个月增长最快，并画成柱状图的代码。”

自动化 / Agent：从“会聊天”到“会干活”

• 不只“你问我答”，而是让它自己规划步骤、调用工具、反复尝试完成目标。
• 例子：“帮我每天从某网站抓数据，整理进表格，有新数据提醒我”——这就是 Agent 的方向。

三、一个真实小例子：让 AI 帮你写周报

假设你今天很忙，只有一堆零散随手记。你可以直接对 App 说：

“我今天的记录：上午开会定了三个需求、下午改了登录页 bug、晚上优化了一个数据库查询。请帮我整理成结构化的周报，用词正式一点，发给领导。”

它会先帮你归类，再补上小标题、成果、下一步，最后还可能提醒你“记得补充 XX 待办”。这就是典型“把杂事变成成果”的用法——你不用会写，但要会说清需求。

四、怎么从“会用”到“能自动化”

对个人来说，用 AI 大概有四层，刚好对应后面的文章：

1. 直接用 App：手机上装 DeepSeek / 通义 / 豆包，会打字就能用。——见 《用 AI 的几种方式》
2. 接 API：把它接进自己的程序、网站、工具里。
3. 本地部署：用 Ollama 在自己电脑跑开源模型，数据不出门。
4. 做 Agent：给工具、给目标，让它自动执行任务。——见 《AI Agent 上手实操》

五、它的边界：这些别指望

• 会“一本正经地胡说”：可能编造不存在的资料，这叫幻觉。重要事实、数据、引用一定要自己核实。
• 没有长期记忆：它只“看得到”这次对话窗口里的内容，不记得你上次聊了什么。
• 数学/代码不一定对：复杂计算、高风险业务（法律、医疗、金融）要人工复核。
• 钱和隐私：云端对话会发到厂商、按 Token 计费；敏感信息别乱发，重要资料用本地模型。
• 不是决策者：它更像“很会接话的助手”，最终判断和决定得你自己定。

六、怎么判断一个 AI 工具值不值得用

• 看它国内能不能直接访问：网页/App 打开顺不顺，注册要不要外币。
• 看回答质量：用同一道问题对比几家，选更少“胡说”的。
• 看成本：免费额度够不够，按量计费贵不贵，会不会超支。
• 看隐私：要不要上传敏感资料；能本地模型就别用云端。
• 看更新：更新越勤、社区越大，越靠谱。

七、下一步看哪篇

这条 AI 学习线，建议按顺序：

1. 用 AI 的几种方式 —— 有哪些入口，怎么接 API / Token / 中转站
2. AI Agent 上手实操 —— 跟着代码把“会聊天”升级成“会干活”
3. 遇到新词就查 知识大全，概念都集中在那。