Part 2 · 必懂基石
5 个 5 星核心概念
> 本篇定位：5 个 5 星核心概念。学完本篇，你能看懂任意一个 AI 产品"内部在做什么"。 > 阅读时长：20 分钟 > 心流产出：用自然语言解释一次完整的"我问 AI，AI 答我"全过程。
一、基石层的 5 个 5 星概念
| # | 概念 | 一句话定义 | 重要度 |
|---|---|---|---|
| 1 | API | 调用 AI 的网络接口 | ⭐⭐⭐⭐⭐ |
| 2 | Prompt | 发给 AI 的指令 | ⭐⭐⭐⭐⭐ |
| 3 | Token | AI 处理与计费的最小单位 | ⭐⭐⭐⭐⭐ |
| 4 | Model | 不同能力的大脑 | ⭐⭐⭐⭐⭐ |
| 5 | Context Window | 模型的短期记忆容量 | ⭐⭐⭐⭐⭐ |
这一层一个都不能跳。 任何一个不懂，后面所有内容都会"听天书"。
二、概念 1：API（Application Programming Interface，应用程序接口）
类比
去餐厅点餐。你不必会做菜，也不必认识厨师——你只需要看菜单点菜。厨房会按你的单做出菜端上来。
API 就是 AI 这家"餐厅"的菜单。
实际意义
- AI 服务商（OpenAI、Anthropic、百度、阿里、DeepSeek）都对外提供 API。
- 你按 API 规定的格式，发送一段文字过去。
- AI 处理后，把结果通过网络返回给你。
> 关键认知：所有 AI 编程行为，本质上都是对 API 的调用。 你写的每一行调用 AI 的代码，背后都对应一次 API 请求。
三、概念 2：Prompt（提示词）
类比
你给新员工布置任务。任务说明写得越清楚，他完成得越好。
Prompt 就是你给 AI 布置的"任务说明"。
Prompt 三要素
| 要素 | 说明 | 反例 | 正例 |
|---|---|---|---|
| 清晰的指令 | 明确告诉 AI 要做什么 | "写点东西" | "写一首关于秋天的七言绝句" |
| 相关背景 | 完成任务所需的上下文 | （无） | "目标读者是 5 岁小朋友" |
| 输出格式 | 指定返回结构 | （无） | "用 JSON 返回，字段包含 title 和 body" |
> 关键认知：Prompt 是你控制 AI 输出质量的最直接手段。 没有"调不好的 AI"，只有"没写好的 Prompt"。
四、概念 3：Token（词元）
类比
餐厅的"份量单位"——不按"菜"算，按"克"算。Token 就是 AI 的"克"。
计量规则
- 英文：约 1 个 Token ≈ 0.75 个单词。
- 中文：约 1 个汉字 ≈ 1\~2 个 Token。
- 输入和输出都消耗 Token，构成实际费用。
举例
"你好，世界" → 约 4 个 Token
"Hello, world" → 约 3 个 Token
> 关键认知：理解 Token = 理解 AI 成本 + 理解上下文限制。 一切"为什么我的请求这么贵""为什么 AI 记不住前面的话"都从 Token 算起。
五、概念 4：Model（模型）
类比
不同能力的"员工"。
| 模型示例 | 特征 | 适用场景 |
|---|---|---|
| GPT-4o、Claude 3.5 Sonnet | 能力最强，速度较慢，成本最高 | 复杂推理、关键任务 |
| GPT-4o-mini、Claude 3 Haiku | 能力略弱，速度快，成本低 | 高频调用、简单任务 |
| DeepSeek、Qwen、文心 | 国内可直接访问，性价比高 | 国产化场景 |
选型原则
> 模型选型即在「能力、速度、成本」三者间做权衡。
小白起步建议：先用一个"够用且便宜"的（如 GPT-4o-mini 或国内大模型）跑通流程，遇到能力不够再升级。
六、概念 5：Context Window（上下文窗口）
类比
员工的"短期记忆容量"。你能塞进 1 页纸，他能记 1 页；塞进 100 页，他会忘掉开头。
Context Window 就是模型的"短期记忆容量上限"。
行为规则
- 容量之内：模型能同时处理全部信息（例：整本《三体》+ 你的提问）。
- 超出容量：最早输入的信息会被丢弃，模型"遗忘"前文。
> 关键认知：所有"AI 记不住""AI 答非所问"问题的最常见根源。 解决方案是控制输入长度，或使用后续 p5 将讲到的 RAG。
七、把五个概念串起来：一次完整的"我问 AI 答我"
┌──────────────────────────────────────────────────┐
│ 1. 我写了一句话（Prompt）发给 AI 服务商的 API │
│ 2. API 把这句话拆成 Token（Token 计数 = 成本起点） │
│ 3. 特定 Model（大脑）接收到 Token 序列 │
│ 4. 如果 Token 总数 ≤ Context Window，全部参与推理 │
│ 如果超出，最早的 Token 被丢弃 │
│ 5. Model 生成新的 Token 序列，API 把它拼回文字返回 │
└──────────────────────────────────────────────────┘
这就是你每次问 ChatGPT 一句话时，背后发生的全部事情。
八、本篇动手任务（15 分钟）
任务 A：观察一次真实的 API 调用
打开 https://platform.openai.com/playground （或国内大模型的控制台），随便问一句话，然后：
- 查看返回结果消耗了多少 Token。
- 在 Prompt 里追加一段 5000 字的长文本，让总 Token 接近模型上限，再观察回答质量是否变化。
任务 B：用自然语言讲给朋友听
不查资料，把上面那张"我问 AI 答我"流程图，用大白话给一位完全不懂技术的朋友讲一遍。能讲清，你就真的懂了。
九、进入下一篇
基石已立。进入 Part 3 · 编程语言基础，我们将动手写真正的代码——变量、判断、循环、类，一篇打尽。