这几天继续学 AI，我发现自己对 AI 的理解又往前走了一步。前面我学的是怎么用 AI：怎么写提示词，怎么追问，怎么让 AI 批改，怎么让 AI 帮我分析。今天这一阶段，我学到的是另一件事：AI 不是魔法。它要有资料，要有数据，要能验证，还要有人判断。1. AI 不一定客观，它也可能顺着你说我以前会觉得，AI 给我的分析应该比较客观。但现在我知道，AI 有时候会顺着我的说法回答。如果我问：“这个选题是不是很适合拍？”它可能就顺着我说：“是的，这个选题很适合。”这样听起来舒服，但不一定有用。因为它可能没有帮我指出风险。所以以后我会换一种问法：“请站在正方和反方，分别分析这个选题的优点和风险，最后再给结论。”这句话很重要。它能让 AI 不只是附和我，而是帮我把问题看得更全面。2. AI 可以看图，但不能完全相信它看得准我还学到，AI 不只能处理文字，也可以处理图片、音频、视频这些资料。比如我做餐饮空间效果图，可以让 AI 看一张效果图，帮我分析：空间风格是什么。画面亮点在哪里。适合做什么短视频选题。用户可能会关心什么。这对我的业务很有帮助。但我也要注意，AI 看图不是百分百准确。它可能看错材质，猜错空间用途，也可能把推测当成事实。所以我以后会要求它区分：哪些是图片里明确看到的内容。哪些只是它的推测。哪些地方需要人工确认。3. AI 可以生成图片，但要反复修改AI 不只可以看图，也可以生成图片。比如我可以让它生成一张餐饮空间短视频封面图。但提示词不能太简单。我要说清楚：主体是什么。风格是什么。材质和颜色是什么。图片用来做什么。不能出现哪些东西。比如：“生成一张高端餐饮空间短视频封面图，现代简约风格，暖色灯光，木饰面墙面，画面真实、有高级感，不要人物，不要文字。”但就算这样，第一次生成也不一定能直接用。因为 AI 是根据我的描述生成图片。描述不清楚，结果就容易偏。所以生成图片也需要一轮一轮调整。4. 做工具不要一上来做大系统这一阶段我还学到，AI 可以帮我做简单工具或网页。比如我可以做一个“餐饮空间效果图需求收集工具”。用户输入：店铺面积、城市、预算范围、喜欢的风格、是否需要门头、是否需要包间、联系方式。工具输出：客户需求摘要、推荐效果图方向、下一步咨询引导。这听起来很实用。但我现在也知道，不能一上来就做复杂大系统。应该先做一个小版本。看它能不能帮我减少沟通成本。看客户愿不愿意填写。看它对咨询有没有帮助。如果小版本有效，再继续做大。5. 分析短视频，不能只看播放量我还学了数据分析。如果我要判断哪些短视频更有效，不能只看播放量。播放高，不代表一定有咨询。一条视频可能很多人看，但没有人真正来问业务。所以我要同时看：播放量。完播率。点赞量。收藏量。评论量。咨询量。尤其是咨询量。如果我的目标是获得客户，那咨询量就是非常重要的结果。否则我只能知道视频热不热，却不知道它有没有带来客户。6. 机器学习不是写死规则，而是从案例里学规律后面我开始学机器学习。我现在对它的理解更清楚了。传统程序，是人把规则写好，电脑照着执行。机器学习，是给 AI 很多历史案例，让它自己从数据里学规律。比如我有很多短视频数据：标题、封面、时长、发布时间、播放量、点赞、收藏、评论、咨询量。AI 可以从这些数据里学习：什么样的视频更容易被看完。什么样的视频更容易被收藏。什么样的视频更容易带来咨询。以后再来一个新选题，它就可以参考过去的数据做判断。但前提是，数据要真实、有用、和目标相关。7. 监督学习和无监督学习，我终于分清了监督学习，就是有答案。比如输入一条短视频数据，答案是：有没有带来咨询。AI 通过很多“输入 + 答案”的案例，学习以后怎么预测新视频有没有咨询。无监督学习，就是没有提前给答案。比如我有一批客户咨询记录，但没有先把客户分好类。AI 可以自己帮我找分组：哪些客户更在意价格。哪些客户更在意设计品质。哪些客户只是随便问问。哪些客户已经很明确要做效果图。监督学习偏向预测答案。无监督学习偏向发现分组、结构和异常。这两个概念以前听起来很抽象，现在用业务例子一想，就清楚很多。我今天最大的收获今天最大的收获，不是学了很多新名词。而是我开始明白：AI 想真正有用，不能只靠一句提示词。它需要真实资料。需要相关数据。需要明确目标。需要小版本验证。也需要人来判断结果对不对。以后我再看一个 AI 想法，会先问：它要解决什么具体问题？输入是什么？输出是什么？有没有真实数据？怎么判断效果？结果需不需要人工确认？这些问题想清楚了，AI 才不是一个听起来很热闹的概念。它才有可能变成真正能帮我工作的工具。
基本文件流程错误SQL调试
请求信息 : 2026-06-24 22:45:50 HTTP/1.1 GET : https://www.yeyulingfeng.com/a/786653.html
夜雨聆风