跟 AI 打交道前
先走通一条主线

一分钟说清 AI 生成内容的真实机制——读完你再也不会把它的输出当成搜索结果。

1. 1AI 不是在帮你"查资料"，它从头到尾没查过任何数据库。
2. 2它只在做一件事：猜下一个词。
3. 3猜的原则是"接得顺"，不是"说得对"。

同一件事，怎么说，AI 才不做错——需求表达的四件套。

1. 1AI 能力很强，但它不了解你的课题、你的背景、你的口味。
2. 2交代任务说四件事：做什么、什么背景、走什么路径、交付成什么样。
3. 3你说得越具体，它猜得越少。

上一篇说交付要定标准——可如果你自己都不知道一份好的"研究背景"长什么样，标准就无从谈起。这篇以研究背景为例，教你把交付物拆成骨架。

1. 1交付标准 = 格式 + 结构 + 质量线，开口前先想清。
2. 2好的研究背景有一副三段骨架：现象与重要性 → 已有研究与缺口 → 我的切入。
3. 3你能把交付物说成结构，AI 才写得像样，你也才验得了收。

上下文窗口——AI 为什么聊着聊着就"忘了"你说过的话。

1. 1AI 一次能"盯住"的内容有上限，这个范围叫上下文窗口。
2. 2新内容不断进来，最早的内容会被挤出它的视野。
3. 3它不是装傻，也不是不听话——它是真的看不见了。

Token——AI 世界的计量单位。看懂它，你就看懂了账单、窗口和"为什么它记不住整本书"。

1. 1AI 眼里，文字被切成一个个"词块"，这个词块就叫 Token。
2. 2上下文窗口有多大、一次对话花多少钱，都按 Token 计量。
3. 3一次塞进去的 Token 越多，花费越高，窗口越挤。

Agent——AI 从"会聊天"到"能干活"的跨越。

1. 1模型本身只会说，不会做。
2. 2Agent = 给模型接上工具、权限和规矩，让它替你执行。
3. 3判断很简单：这事要他"开口"还是要他"跑腿"？开口找 chatbot，跑腿找 Agent。

Skill——把你做某件事的方法，固化成 AI 可反复执行的手册。

1. 1同一套要求反复口头交代，不如写一次手册让它照着执行。
2. 2Skill = 可复用的方法包：做法说明 + 配套资料 + 需要的工具。
3. 3先真跑通一遍流程，再固化成手册——没做过的别急着封装。

Harness——让 AI 稳定干活的那套外部约束系统。

1. 1AI 本体像一位天才但随性的研究员：能力强，不守规矩。
2. 2Harness = 围绕它建的制度：流程、权限、检查点、出错预案。
3. 3它不替 AI 干活，但让 AI 的活稳定、可重复、不出事。

多模态——AI 不只处理文字，还能看图、听录音、生成图像。

1. 1模态 = 信息的形态：文字、图像、声音、视频。
2. 2多模态 AI 能跨形态接收（看图、听音）和生成（作图、配音）。
3. 3科研里最实用的是"读"：图表解读、扫描件识别、录音转文字。

五个高频术语的"人话版"——看懂产品介绍和技术讨论，不再懵。

1. 1Token 是它的计量单位，API 是服务窗口，CLI 是打字的房间，MCP 是统一转接头，Skill 是方法手册。
2. 2五个词各管一段，不是一回事。
3. 3你不需要会用它们，只需要听懂它们。

Markdown 是什么、你的"知识库"到底是个什么东西、Obsidian 是不是必需品——看完这篇，博主的各种"神装"视频就骗不到你了。

1. 1Markdown 是一种纯文本写法：用几个简单记号标出标题、列表、加粗，文件本身就是普通文本。
2. 2你的知识库本质是一堆有规矩的文档，不是某款软件。
3. 3Obsidian 只是查看和管理这些文档的一种"浏览器"——好用，但绝不是必须。

把十篇拼成一张地图，再送你三件带得走的东西。

1. 1你已经认识了 AI 的四个面：怎么想、怎么跟它说话、怎么干活、怎么连接。
2. 2忘掉细节没关系，三问自查条别忘。
3. 3从"懂了"到"用出来"，差的是在你自己的课题里真跑一遍。

给 AI 建知识库的三种主流方法——各自什么原理、优缺点、适合谁；以及博主们热推的"LLM wiki"到底属于哪一路。

1. 1检索式（RAG）：库是仓库，AI 用前先搜——把你的资料切片存好，问什么搜什么。
2. 2路由式：库是地图，AI 按图索骥——靠目录、索引页、链接网导航到对的地方。
3. 3标签式：库是卡片盒，靠标签聚合——一条笔记挂多个标签，从任何维度都能捞出来。

路由式知识库里几种经典的划分类别方法——PARA、CODE、卡片盒、内容地图——各自什么原理、适合谁，以及真实系统为什么都是混血。

1. 1PARA 按"可行动程度"分四层：项目、领域、资源、归档——离行动越近的越靠前。
2. 2CODE（常被记成 CODA）是流程不是分类：捕捉、组织、提炼、表达——管你怎么干活；卡片盒按"一卡一念+链接"生长结构。
3. 3分类法没有最强，只有匹配：任务驱动选 PARA，研究写作选卡片盒，文件多不想挪选内容地图。

怎么把阅读和 AI 输出沉淀成自己的知识资产——一卡一念、来源忠实、定期上提，三条铁律加一个 AI 配合姿势。

1. 1原子化：一卡只写一个想法，标题就是主张。
2. 2忠实来源：来源卡记"它怎么说"，你的想法另开一张——两层分开，永不混写。
3. 3定期上提：几张卡讲同一件事时，合并出一张母卡——差异保留，不抹平。

认知卸载——AI 替你学了而你毫不知觉的坑；以及费曼式 × AI 的正确学法。

1. 1看 AI 讲得明明白白，不等于你学会了——这叫认知卸载。
2. 2检验学会的唯一标准：脱稿能讲出来、能做出来。
3. 3正确姿势：AI 当陪练，不当代笔——先自己试，再问卡点，最后关掉它复述。

AI 给的信息怎么核、说法冲突信谁、什么算"够可信"——一套科研人本就熟悉、AI 时代人人都需要的分级方法。

1. 1证据分三级：亲验的原始材料 > 别人的转述 > AI 的推断综合——别把三档当一档。
2. 2冲突时追原始出处：一手 > 二手，两个独立来源好过一个。
3. 3可信度按用途定：够行动 ≠ 够定论——发朋友圈和写论文，核的深度不该一样。