AI Spark Library
知识库
把 AI 学习、工具实践、工作流搭建和内容生产经验整理成可复用的知识卡片。
继续探索知识库
按发布时间排序，适合从最近实践开始快速浏览。
AI 学习资源精选：书 / 课 / 频道 / 社群分级推荐
按入门、进阶、高阶三个阶段分级整理值得看的书籍、视频课程、频道和社群资源，还给出识别伪干货的五个标志和一份半年学习节奏规划，帮新手少走弯路、少被带货课割韭菜。
一篇讲清 20 个 AI 基础概念，普通人入门先看这个就够了
用通俗语言讲清人工智能、机器学习、深度学习、神经网络、训练、推理、过拟合、Token、Embedding 等 20 个高频 AI 概念，帮零基础读者理清底层逻辑，为后续学习 AI 工具和应用打好基础。
Token 和上下文窗口：为什么 AI 会「忘」前面说过的话
这篇用类比和实测数据讲清楚大模型为什么按token计费、上下文窗口有多大、超出窗口后为什么会「静默遗忘」，并给出「Lost in the Middle」现象的应对技巧，帮你把有限的上下文预算用出更好效果。
RAG 入门：让 AI 用上你的私有资料
讲清 RAG 检索增强生成的四步工作流程、Chunking 切分策略怎么选、向量数据库怎么比，以及什么场景该用直接提问或微调而不是 RAG，帮新手判断落地私有资料问答的技术路径。
MCP 是什么：让 AI 接入外部工具的协议
拆解 MCP 模型上下文协议的由来和运作方式，讲清 Host、Client、Server 三个角色分别是谁、怎么协作，对比 MCP 与 Function Calling 的关系，并给出在 Claude Code 里安装一个 MCP server 的三步实操。
Agent vs 工作流：你到底在用哪种 AI 应用
从决策权归谁入手，拆解 Agent 与工作流两种 AI 应用形态的核心差异，配合对比表和决策树，讲清什么场景该选工作流、什么场景该用 Agent，以及生产环境常用的混合模式。
30 天 AI 入门实战计划：每天 30 分钟，照表执行
这是一份 30 天可执行的 AI 入门计划：每天只需 30 分钟，按周完成认知、工具、实战、沉淀四个阶段的任务，30 天后就能达到能用 AI 干活的水平，不用自己再摸索规划。
AI 幻觉：为什么会胡说 + 5 个减幻招式
AI 的每个回答本质都是「概率最优」——算的是这段上文之后最可能出现什么，而不是什么是事实。这篇拆解事实型、推理型、引用型三种幻觉的成因，并给出五个可叠加使用的减幻招式，帮你把复杂任务的错误率压下来。
Prompt 怎么写才管用：四要素 + 反例对比
教你把模糊的 AI 需求拆解成角色、任务、上下文、输出四要素，用 Few-shot 示例和思维链显著提升回答准确率，并总结六种常见的失败提示词写法与改进思路，写出可复用的高质量 Prompt。