全站五层，三十几页。不必按顺序读，也不必读完。

先说共同的部分

不管你是谁，头两页都一样：AI 到底是什么 和 AI 不是什么。

先说是什么，是想让你有个落脚的地方；紧接着说不是什么，是为了把这个落脚处拆掉一半。误解清掉之后，你看后面所有内容都不会当成宣传语读。

第三页 它和普通软件不一样在哪 交给你两个判断工具：结果会变、它不存你的东西。这两条你没法靠聪明绕过，只能先知道。

路一：纯文科

你不写代码，或者写但不在技术岗上。你的目标是能判断、能提问、能不被糊弄。

第一步 AI 是什么 和 不是什么

先说是什么再说什么不是，是想让你有个落脚的地方。先看「不是什么」也行，我第一次就是这么读的。

第二步 幻觉为什么会一本正经地编

这页对你比对技术岗更重要。文科读者最先撞的坑不是技术问题，是它说得太像真的了。判据是「不稳的那版一定别信」，做法是同一个问题开新对话问三次。

第三步 偏见：训练数据里的人味

为什么它对某些群体会给出更差的结果。这不是模型有立场，是它学的是人写下来的东西。这页讲的是这个链条。

第四步 怎么检查模型有没有骗你

整站我认为最实用的一页。不管你走哪条路，这页都该读。

第五步 怎么把问题问清楚

最后才来 L1，而且只读这一页。文科读者不需要学提示词技巧，需要的是学会把问题说清楚。

我自己的判断是：文科读者花在 L3 的时间应该多于 L1。L3 是「它会怎么骗我」，L1 是「怎么用它」，前者更保值。

路二：技术岗

你写代码，或者做产品、运营，希望把 AI 放进一个真实的工作流里。

第一步 L0 全部六页

你比文科读者多一层负担：数字太多。所以 L0 存在的意义对你比对文科读者大。它和普通软件不一样在哪 和 这些词从哪来 这两页，直接决定你能不能看懂一个模型卡。

第二步 词元：模型眼里的「一句话」不是一句话

先看分词，因为你的计费和你的 prompt 长度都按它算。这些词从哪来 的动手那一步我建议真的做完，我自己就是靠这个发现三万字估成四万词元的。

第三步 问答与代码 和 工具地图

你唯一必须读的两页 L1。别的技巧可以后面补，这两页是干活用的。跑通之后回来读 上下文窗口。

第四步 幻觉为什么会一本正经地编

技术岗最容易轻敌的一页。我见过自己团队里有人把模型的输出直接合进代码，理由是「它写得像对的」。这页读完你会去加校验。

第五步 越狱与提示注入

如果你的产品里有用户输入，这页是必读。

第六步 怎么检查模型有没有骗你

你的验收清单。每页都做「动手试试」，真跑一遍和读一遍的留存差得远。

再补三页：效率路线、隐私、上下文窗口。

路三：研究向

你读论文、你想知道哪些结论站得住，或者你就要写论文。

第一步 L0 全部六页，但要慢

这些词从哪来 对你最重要。里面那段三次起落的历史不是背景，它决定了你在论文里读到的很多术语为什么长这样。

第二步 怎么读懂一篇论文

这页是全站最后一页，但它属于你。对研究向的人来说，会不会读论文比知道哪些结论值钱。

第三步 里面是什么 整层八页

分词、注意力机制、嵌入、预训练、推测解码、上下文窗口、温度与采样、参数。读完之后你看 cs.CL 方向的论文会顺手很多。

第四步 幻觉为什么会一本正经地编

L3 那层对你不是「了解一下」，是选题的地方。幻觉那页末尾那篇语义熵的论文（2024 年 Nature）就是入口。同层的 深度伪造 也一样。

第五步 前沿在动什么 整层

推理模型、智能体、多模态、具身智能、效率路线、可控与安全、前沿与未解问题，共七页；整层八页，另一篇是第二步那页。每页末尾都有「尚未被广泛复现」这类标注——截至 2026 年 9 月，很多结论还只有论文作者自己那一组数据支撑。

第六步 回到 幻觉为什么会一本正经地编

绕回来。研究向路线的一个特点是要往回走。读完前沿你会发现，没解决的问题多半还是 L3 里那几个。

我不给推荐顺序

上面这三条是我按三种人的痛点排的，不是按知识依赖排的。

我自己读东西的方式很不正经：先读结论页（这里是 90 这一页），挑一个我觉得最要紧的点，然后往回读。中间跳过的那部分，等到它挡住我的时候再补。

我从不觉得这个办法好，但它很省时间。技术岗的朋友里一半是这么干的。

延伸阅读

• Attention Is All You Need（Ashish Vaswani、Noam Shazeer、Niki Parmar et al.，2017，NeurIPS）—— 三条路线都会碰到它。L2 讲注意力机制那一页就是从它长出来的，论文本身不长，八页。英德翻译 28.4 BLEU、英法 41.8 BLEU，训练 3.5 天八张 GPU，这些数字是论文里的。arXiv: 1706.03762

• Language Models are Few-Shot Learners（Tom B. Brown、Benjamin Mann、Nick Ryder et al.，2020，arXiv 预印本）—— GPT-3 出场的那篇，1750 亿参数。它对你三条路线都成立：文科读者看它怎么描述「不重新训也能上手新任务」，技术岗看它列出的失败任务，研究向看它的实验设计有多不干净。arXiv: 2005.14165

动手试试

在纸上写三行：你是谁、你希望三个月后能多做什么、你现在最怕 AI 出什么错。

然后从三条路线里挑一条，照着走三页就走停。走完回来把第二行改一遍。

我改过很多次。第一遍我写「想用 AI 提高写作效率」，半年后我改成了「想在别人拿 AI 糊弄我的时候看出来」。后一个具体得多，也做得到。

十分钟。选路线这件事，我没见过谁一次就选对。

下一站

不管你选哪条路，第一步都是把问题问清楚。这一页是全站 L1 的第一页，三条路线的终点也都在这儿。