基础入门：先建立一条能运行的主线

本目录帮助你把模型、消息、Prompt、上下文、检索和工具调用放到同一张图上。以应用开发为目标时，先完成一个可以解释和检查的小任务，再深入模型原理。

前置知识

能阅读 Python 的函数、字典、列表和异常处理；知道 JSON 是数据格式；会在终端切换目录并运行脚本。暂时不需要训练模型、搭建向量数据库或使用 Agent 框架。

如果不确定自己是否准备好，先尝试读取一个 JSON 文件，遍历其中的文档并打印标题。这正是教程后续读取教学资料的基础。

推荐顺序与完成标准

顺序	主题	先读	动手检查
1	系统分层	核心概念与任务拆解	写出问题、证据、输出和禁止动作
2	一次模型调用	模型调用与结构化输出	打印请求，指出稳定规则与用户输入
3	提示词与上下文	提示词工程详解	给同一个问题换证据，检查答案应如何变化
4	检索与引用	检索实战	对比命中、空结果和无关资料被命中的情况
5	工具与流程	工具调用实战	未注册工具不能执行，循环达到上限会停止
6	评测	评测实战	保存失败样例，并在修改后重新运行

全部运行步骤、代码和示例输出见 系统教程首页。

六个概念，用同一个例子理解

用户问：“如何构建文档？”

概念	在这个任务里是什么	它不负责什么
模型	基于给定资料组织答案	不自动保证项目事实正确
Prompt	要求依据证据、引用来源、资料不足时说明	不能补出没有提供的项目资料
上下文	当前问题、规则和检索资料	不等于无限且永远准确的记忆
RAG	先检索构建说明，再让模型回答	不保证每次都召回正确文档
工具调用	请求执行 search_docs	不代表模型可以运行任意命令
评测	用固定问题和正确资料检查结果	不等于只看一两个成功演示

当答案错误时，先确认数据是否正确进入系统。文档缺失、检索漏召回、上下文混淆、生成错误和执行失败，需要不同的处理方式。

需要深入时再读这些资料

资料	适合何时阅读
模型调用与消息结构入门	想详细理解规则、动态输入、历史与结果消费方式
Transformer 架构详解	想理解注意力、表示和模型结构
Token 与上下文窗口	请求开始变长，或需要解释用量与截断
AI 学习计划	需要更长期的基础、原理和项目安排
AI Agents 学习文档	完成最小工具循环后补全 Agent 基础
AI Agents 详细学习资料	按问题查补充材料，不作为第一遍主线
AI 面试题专题	已有实践后检查自己是否讲得清楚

两次练习，比反复读概念更有用

练习一：把任务说清楚。 选“解释构建命令”这个任务，写下读者是谁、允许引用哪些资料、输出应包含什么。然后补一条文档没有答案的问题，规定系统如何结束。

练习二：给答案找证据。 为同一个问题写一份正确答案、一份命令错误的答案和一份引用错误的答案。分别说明为什么错，决定哪一部分可以由代码检查，哪一部分需要人工或评测判断。

进入下一阶段的标准

你能独立运行教程的离线路径；能解释模型调用与工具执行的区别；能检查引用来自哪里；能复现至少一个失败样例，并说明应修改哪一层。

之后根据项目选择 RAG 与知识检索、Agent 与工作流 或 平台与运维。如果仍无法判断错误在哪一层，先回到对应练习，不必继续增加工具或框架。