夜雨聆风这里整理入门友好、每日可碎片化学习的 AI 知识点，分基础概念、核心技术、实操常识、行业认知，每天一点，循序渐进。
第一阶段：AI 基础认知（1-10 天）
第 1 天：什么是人工智能（AI）
人工智能是让机器模拟人类感知、思考、决策、学习的技术统称，目标是让机器拥有类似人类的智能。
日常手机语音、拍照识物、聊天机器人、推荐算法，都属于 AI 应用。
第 2 天：弱 AI vs 强 AI
弱 AI（窄 AI）：当下主流，只擅长单一任务，比如聊天、翻译、作图、导航，没有自主意识。
强 AI（通用 AI/AGI）：理论形态，能像人一样学会所有智力任务，目前尚未实现。
第 3 天：三大分支：机器学习、深度学习、传统 AI
传统 AI：靠人工写规则，规则复杂就会失效；
机器学习（ML）：让机器从数据里自己学规律，不用逐条写规则；
深度学习（DL）：机器学习的分支，模仿人脑神经元结构，是现在 AI 大火的核心。
第 4 天：数据集 ——AI 的 “课本”
AI 靠数据学习，数据集就是训练用的资料。
数据质量、数量直接决定 AI 效果，“垃圾数据出垃圾 AI” 是行业常识。
第 5 天：训练、推理两个核心环节
训练：用大量数据教模型学习规律（耗时、耗算力）；
推理：训练好的模型接收新问题，给出答案（日常使用阶段）。
第 6 天：模型是什么
AI 模型 = 经过数据训练后，存储了知识和规律的算法文件。
比如大语言模型、画图模型，本质都是不同功能的模型。
第 7 天：算力 ——AI 的 “动力”
算力指计算能力，GPU 是目前训练 AI 模型的核心硬件。
模型越大、数据越多，需要的算力就越强。
第 8 天：算法
算法是 AI 的解题思路，规定机器如何分析数据、总结规律。不同任务会搭配不同算法。
第 9 天：监督学习（最常用）
机器学习三大范式之一。
有标签数据学习：比如给图片标注 “猫 / 狗”，让 AI 学会区分猫狗。
第 10 天：无监督学习
没有标注答案，让 AI 自己挖掘数据里的规律。
典型应用：用户人群分类、内容聚类。
第二阶段：大模型 & 生成式 AI（11-20 天，当下主流）
第 11 天：生成式 AI
区别于传统 “识别、分类”AI，能主动创造新内容：文字、图片、音频、视频、代码都可以生成。
第 12 天：大语言模型（LLM）
专门处理文本的生成式大模型，核心是理解 + 生成人类语言，聊天、写作、翻译、写代码都靠它。
第 13 天：Token（文本最小单位）
大模型不会直接读汉字 / 单词，会把文字切分成Token。
模型有上下文窗口，超过长度就会遗忘前文内容。
第 14 天：提示词（Prompt）
你发给 AI 的指令，就是 Prompt。
清晰、具体的提示词，能大幅提升 AI 输出质量。
第 15 天：上下文（Context）
AI 当前能记住的对话 / 内容范围。
多轮聊天、长文档解读，都依赖上下文能力。
第 16 天：幻觉（AI Hallucination）
大模型常见问题：编造不存在的事实、数据、人名，看似合理实则错误，使用时需要核验。
第 17 天：微调（Fine-tuning）
在通用大模型基础上，用专属行业数据再训练，让模型适配专业场景（办公、医疗、电商等）。
第 18 天：RAG 检索增强生成
先从专属知识库检索真实资料，再让 AI 结合资料回答，大幅解决幻觉问题，企业 AI 常用技术。
第 19 天：参数（Parameter）
模型里的 “记忆单元”，参数数量常用来衡量模型规模。参数越多，理论上能力越强（非绝对）。
第 20 天：开源模型 vs 闭源模型
闭源：不公开代码和权重，如主流商用对话模型；
开源：代码 / 模型可免费下载、本地部署、二次修改。
第三阶段：视觉 & 多模态 AI（21-30 天）
第 21 天：计算机视觉（CV）
让机器 “看懂” 图片、视频，是 AI 视觉方向。应用：人脸识别、拍照翻译、监控识别。
第 22 天：卷积神经网络（CNN）
深度学习处理图像的经典网络结构，专门提取图片特征（轮廓、颜色、纹理）。
第 23 天：多模态 AI
同时处理文字、图片、语音、视频多种类型信息，比如 “看图说话、图文理解”。
第 24 天：文生图 AI
输入文字描述，AI 生成对应图片，核心是扩散模型技术。
第 25 天：扩散模型（Diffusion Model）
当下图文生成、视频生成的主流算法，通过逐步去除图片噪点，生成高清内容。
第 26 天：图像分辨率
AI 作图里常用概念，分辨率越高，图片越清晰，同时消耗算力越多。
第 27 天：图生图
以一张原图为基础，AI 修改风格、构图、细节，保留主体内容。
第 28 天：语音识别（ASR）
语音转文字，手机录音转写、语音输入都基于此技术。
第 29 天：语音合成（TTS）
文字转语音，AI 配音、有声书、智能播报均是该应用。
第 30 天：音视频 AI
结合语音 + 视觉，实现 AI 换声、视频配音、数字人播报等。
第四阶段：应用、伦理与安全（31 天 + 实用常识）
第 31 天：AI 落地场景
To C（个人）：聊天、作图、剪辑、学习、办公；
To B（企业）：客服、文案、数据分析、流程自动化。
第 32 天：AI 自动化（AIGC+RPA）
AI 结合自动化工具，替代重复办公操作：批量整理表格、自动发消息、文档汇总。
第 33 天：数据隐私风险
AI 训练、使用过程中，上传的文字、图片、个人信息有泄露风险，不要上传隐私内容。
第 34 天：AI 内容版权
AI 生成内容的版权、商用权限目前各地规则不同，商用前务必确认平台协议。
第 35 天：偏见与歧视
AI 会学习数据里的固有偏见，出现不公平判断，属于算法缺陷。
第 36 天：本地部署 AI
把开源模型装在自己电脑 / 手机，不上传网络，保护隐私、断网也能用。
第 37 天：AI 插件 / 工具扩展
给大模型加装插件，实现联网搜索、查文档、算数据、调用外部功能。
第 38 天：AI 评测
从准确率、速度、幻觉、逻辑性等维度，判断一个 AI 模型好不好用。
第 39 天：低代码 AI
不用写代码，拖拽式搭建 AI 应用，普通用户也能制作专属小工具。
第 40 天：AI 未来趋势
轻量化模型、端侧 AI（手机 / 本地运行）、行业专属模型、人机协同是主流方向。
