课程知识图谱
把全课程的45 个术语、16 讲、6 个模块、5 个能力阶段、15 个物理案例任务、16 个核心考点连成一张图（103 节点 / 327 条关系边）。点击节点看详情与相连概念；拖动整理布局，滚轮缩放；用搜索或下方分类过滤聚焦；各讲页面右下角的 🕸 悬浮按钮可一键直达本讲区域。
点击图中节点查看详情；拖动节点可整理布局，滚轮缩放，空白处拖动平移。
💡 建议的用法
① 课前：按模块过滤，只看本讲相连的术语与案例；② 课后复习：从一个考点节点出发，沿边自测"它连着哪些概念、我能不能讲清楚"；③ 备考：搜索"考点"类别，把 16 个核心考点全部过一遍。每个考点都回到对应讲次的自测题里动手验证。
术语详解表（与图谱节点一一对应）
一 · 基础与认知（第 1–3 讲）
| 术语 | 一句话理解 | 详解见 |
|---|---|---|
| AIGC（AI Generated Content） | 人工智能生成内容：用 AI 生成文本、图像、音频、视频等内容的总称。 | 第 1–2 讲 |
| 通用技术（General Purpose Technology） | 像电与互联网一样"几乎对每件事都有用"的技术——正因此"AI 能干什么"难以一句话答完；分界线之外，值钱的是可迁移的能力。 | 第 2 讲 |
| Chatbot（聊天机器人） | 坐在你旁边的顾问：只问答、解释、写草稿，不动手执行。 | 第 1、8 讲 |
| 大模型（LLM） | 数字同事的大脑：基于海量文本训练的概率预测机器，负责理解、分析、判断和表达。 | 第 2–3、8 讲 |
| Token（词元） | AI 处理文字的"积木"，也是按量计费的"话费"——问题、资料、对话都占 Token。 | 第 3 讲 |
| 上下文窗口（Context Window） | 当前办公桌上的资料，容量有限（用 Token 计量）；塞太多，旧的会被压缩或挤出去（"吃书"）。 | 第 3、5 讲 |
| 幻觉（Hallucination） | AI 输出与客观事实不符或虚构的内容（如编造文献）；可能由模型产生，也可能被用户诱导——必须人工核查。 | 第 3、11 讲 |
| 监督学习（Supervised Learning） | AI 工具箱里"擅长贴标签"的老牌工具：给定输入 A，输出标签 B（垃圾邮件判定、语音识别等）；大模型正是用它"反复预测下一个词"造出来的。 | 第 3 讲 |
| 预训练（Pre-training） | 用海量无标注文本自监督地训练模型，相当于"读遍互联网"。 | 第 3 讲 |
| 人类反馈对齐（RLHF） | 用人类偏好数据继续调教模型，让它更有用、诚实、无害。 | 第 3 讲 |
| 多模态（Multimodal） | 同时处理文字、图像、音频、视频等多种输入/输出形式。 | 第 2、13–14 讲 |
| Transformer | 2017 年提出的神经网络架构，靠"注意力机制"加权各词的重要性，是大模型的地基。 | 第 2–3 讲 |
| GAN（生成对抗网络） | 生成器与判别器互相"博弈"的生成模型，早期图像生成主力。 | 第 2–3 讲 |
| 扩散模型（Diffusion Model） | 从随机噪点逐步"去噪"出图像/视频的生成模型——当前文生图/文生视频的主流机制。 | 第 13–14 讲 |
二 · 提示词与对话（第 4–6 讲）
| 术语 | 一句话理解 | 详解见 |
|---|---|---|
| 提示词（Prompt） | 今天交给它的任务单：决定这一次 AI 做什么、怎么做。 | 第 4–5 讲 |
| 指令（Instructions） | 长期遵守的岗位说明书（如写在 AGENTS.md 里的规则），管一贯的行为准则。 | 第 8、14 讲 |
| 少样本提示（Few-shot） | 在提示词里给一两个输入/输出示例，让模型照着模仿格式与风格。 | 第 4–5 讲 |
| 思维链（CoT） | 让模型"分步推理再给答案"的提示技巧，复杂题更稳。 | 第 5 讲 |
| RAG（检索增强生成） | 先从资料库里检索、再让 AI 依据资料回答——有据可依、可溯源，专治幻觉。 | 第 6、11 讲 |
| Deep Research（深度研究） | AI 像智能体一样自主检索、筛选、整合网络信息，产出一份带来源的研究报告。 | 第 2、6 讲 |
| 知识库 | 多篇文档组成的可问答资料库；回答限定在资料范围内（NotebookLM、腾讯 ima 等）。 | 第 6、11 讲 |
三 · Agent 与技能（第 5、7–11 讲）
| 术语 | 一句话理解 | 详解见 |
|---|---|---|
| AI Agent（智能体） | 能接任务的数字同事：接任务 → 想步骤 → 调工具 → 查结果 → 交成果。与 Chatbot 的区别是"做"而不只"说"。 | 第 1、8 讲 |
| 技能（Skill） | 可复用的工作方法包（菜谱）；工具则是菜刀与炒锅。一次教会，反复使用，跨工具通用（开放标准）。 | 第 5、9–11 讲 |
| SKILL.md | 技能的说明文件：YAML 元数据（名称/描述）+ 方法正文，是"提示词卡"的工程化形态。 | 第 5、10 讲 |
| 渐进式披露（Progressive Disclosure） | 资料不一次全摊开：元数据常驻（目录卡）、指令触发加载（翻文件夹）、资源按需取用（查附录），省下最贵的上下文。 | 第 3、8 讲 |
| 工具调用（Tool Use） | AI 说"要按哪个按钮"，程序替它去按——模型决策 → 程序执行 → 结果回传。 | 第 9–10 讲 |
| MCP（Model Context Protocol） | 不同软件之间的"通用插座"：一套开放连接标准，让 Agent 即插即用地使用外部软件与数据。 | 第 8 讲 |
| 子智能体（Subagent） | 主管分派的专项助手：独立工位（上下文）、有限权限，干完向主管汇报。 | 第 8、10 讲 |
| 记忆（Memory） | 长期笔记本：跨任务记住你的偏好与历史，不限于本次对话（上下文只是"当前桌面"）。 | 第 9–10 讲 |
| 模式（仅回答/计划/目标） | 数字同事的三种工作方式：只出主意、先给路线图再动手、围绕目标自主推进。 | 第 8 讲 |
| 权限（只读/默认/自动审批/完全访问） | 你愿意交出多少把"钥匙"：从只看到完全放权，决定 Agent 的行动边界。 | 第 9–10 讲 |
| 工作目录（Working Directory） | Agent 当前被限定操作的文件夹范围——最小授权的第一道边界。 | 第 9 讲 |
| 沙箱（Sandbox） | 带防护罩的实验台：资源受限、与外界隔离的代码执行环境，让 AI 放手干活也更安全。 | 第 14 讲 |
| Files API | 文件的存取窗口：Agent 通过它上传素材、取回成品。 | 第 14 讲 |
| CLAUDE.md / AGENTS.md | 放在项目里的长期指令文件：Agent 每次开工都会先读的"项目须知"。 | 第 8、14 讲 |
四 · 生成与多模态（第 12–15 讲）
| 术语 | 一句话理解 | 详解见 |
|---|---|---|
| 文生图（Text-to-Image） | 由文字提示词生成图像；基础公式"主体 + 场景 + 风格"。 | 第 12 讲 |
| 负向提示词（Negative Prompt） | 声明"不想要什么"（如模糊、多余人物），帮生成结果排雷。 | 第 12 讲 |
| 文生视频（Text-to-Video） | 由文字提示词生成视频片段；基础公式"主体 + 场景 + 运动"。 | 第 13 讲 |
| TTS（语音合成） | 文字转语音，给短视频配音的自动话筒。 | 第 13 讲 |
| 分镜（Storyboard） | 把脚本拆成"镜号/画面/口播/时长/生成方式"的拍摄执行表。 | 第 13 讲 |
| Vibe Coding（自主编程） | AI 编程第三阶段：你只说目标，AI 自主规划并完成开发（Tab 补全 → 辅助编程 → 自主编程）。 | 第 14 讲 |
五 · 课程方法词（全站通用）
| 术语 | 一句话理解 | 详解见 |
|---|---|---|
| 保底任务 / 进阶挑战 | 课堂任务的两层设计：人人完成保底，学有余力再挑战进阶。 | 每讲任务单 |
| 任务卡 | 五栏任务分解卡：输入—AI 动作—人工动作—产出物—验收标准。 | 第 7–8 讲 |
| 对拍 | 用独立方法（如手算一组）核验 AI 结果的抽查习惯——物理学生的专业优势。 | 第 10–11 讲 |
| AI 使用日志 | 记录任务、提示词、迭代次数与反思的个人过程档案，期末随作品集提交。 | 全站 |
| AI 使用声明 | 声明用了什么工具、做了什么、如何核查的诚信附件，随作业提交——"AI 产出，人工把关"。 | 全站 |
| Harness Engineering | 为 Agent 搭建可靠执行环境（工具、权限、上下文管理）的工程方法论，进阶方向。 | 第 16 讲（拓展） |
💡 使用建议
上方图谱适合"看关系"，这张表适合"查定义"；图谱节点点开即有"查看详解表词条"直达链接，表中每行也有"🔍 定位"按钮回到图谱。