企业官网建设流程全解析

Day7 了。说实话，我的“从零开始学AI”计划，前6天一直处于一种“看起来很忙，实际上不知道自己学会了什么”的状态。作为大三双非二本学生，我给自己定了一个三个月逆袭计划，结果头一周下载了十几个G的资料，收藏了四个B站up主的学习路线，笔记本上密密麻麻写满了“Transformer”“自注意力”“SOTA”“微调”这些词——可一旦有人让我用自己的话解释“大模型到底是怎么工作的”，我就会陷入沉默。

这种状态在第7天终于被打断了。我想明白了一件事：我的目标不是成为理论研究型选手，而是用三个月时间做到“能独立做出一个能演示的AI小作品”。这两个目标的学习路径，完全是两条路。所以Day7我只给自己定了一个任务：亲手调用一次大模型API，让它在我的屏幕上吐出一段文字。就这一个任务，比前面六天看的任何资料都值钱。

下面这些内容，就是我Day7的全记录和踩坑过程，包括环境准备、第一段代码、参数实验，以及我总结的零基础避坑思路。如果你也在从零开始学AI，或者同样是普通院校学生，想用三个月给自己加点竞争力，那这份记录应该能帮你省下不少摸索时间。

1. 前6天踩的坑：我差点把“收藏”当成“学会”

1.1 资料囤积症：越收集越焦虑

前6天我具体干了什么，现在回想起来都觉得有点好笑。Day1刷到一份“AI学习路线图”，从Python、PyTorch一路排到大模型微调，规划得井井有条，我如获至宝，收藏。Day2又刷到一个视频，标题是“三个月进大厂做AI”，顺藤摸瓜找到了配套笔记，收藏。Day3看到一篇万字长文，把大模型基础理论从头梳理了一遍，甚至附了数学公式，我又收藏了。到了Day6，我的收藏夹里躺着将近100个链接，文件夹建了七八个，叫“必看”“待整理”“第二轮学习”……但真正打开过的，不超过五个。

回头分析，这就是典型的“输入型满足感”。看视频、存资料的时候，大脑会分泌一种“我在进步”的错觉，因为你持续在被新概念冲击，觉得自己离“懂AI”越来越近。问题在于，知识和技能之间隔着一道巨大的传送门：看别人演示代码，和你自己敲出能跑的代码，是两种完全不同的体验。Day6晚上我给自己做了个测试：关掉所有资料，凭记忆写一篇“我对大模型的理解”。结果只写出三行半，其中还包括一句“大模型是一种基于深度学习的语言模型”这种车轱辘话。那一刻我才意识到，我收藏了别人嚼过的东西，却没有真正咀嚼过哪怕一口。

1.2 为什么“知道”和“会做”之间隔着一条鸿沟

这个道理其实你早就听过无数遍，但只有自己撞上去一次，才会真的明白。就拿“API”这个词来说，我以前以为懂了——不就是应用程序接口嘛，程序之间通信用的。可真到动手那天，我面临的是一连串非常具体的问题：API Key去哪申请？base_url填什么？model参数填什么名字？为什么我填了“deepseek-chat”却报错？哪来的一堆HTTP状态码403、401又是什么意思？

这些问题，教程一概没讲。因为教程默认你有一点点基础，或者默认你会遇到问题之后自己去查。但双非学生最缺的恰恰是这种“自己查”的底气——不是不会查，而是面对报错时，连“该去哪里看文档”“该搜什么关键词”都不知道。依赖肌肉记忆，我跌跌撞撞花了两个小时才跑通。但跑通之后的那种踏实感，是看十个小时视频都给不了的。

1.3 Day7的定位：给三个月的计划打第一根桩

我把三个月的逆袭计划简单分成了三个阶段：第一个月打基础，核心目标是“跑通能跑通的一切”；第二个月做项目，核心目标是“用AI工具解决一个真实问题”；第三个月沉淀作品，核心目标是“把做过的东西整理成别人能直接看到、直接用的东西”。

Day7正好落在第一个月的第一个完整学习周之后。为什么一定要在第7天安排实操？因为网上“XX天学会AI”的标题太多了，但真正能被量化的里程碑，永远是你亲手跑通第一个模型调用的那一天。Day7之前，我的计划只是一张PPT；Day7之后，我的计划里终于有了一根活生生的桩。说白了，当你能用自己的代码让大模型回话，你就从一个“看戏的”变成了“搭台子的”。这种身份切换带来的学习动力，比再多打鸡血的视频都管用。

2. Day7实操全流程：从零到第一次API调用

2.1 环境准备：真的不用装PyTorch

这大概是零基础同学最大的误解——以为学大模型必须要先装深度学习框架，把CUDA、GPU、PyTorch折腾一遍才算开始。Day7我用的环境寒酸得令人发指：一台带Windows系统的普通笔记本、Python 3.11、一个VSCode，外加一个浏览器。没有显卡，没有训练框架，甚至没有一个像样的IDE，照样完成了第一次模型调用。

具体步骤我列出来，照着做就行：

1. 先确认电脑有没有Python。命令行输入python --version，如果提示命令不存在，就去Python官网下载3.10以上的版本，安装时记得勾选“Add Python to PATH”。这一步不做，后面所有指令都会找不到python。
2. 新建一个项目文件夹，比如D:\ai-learning\day7，用VSCode打开，这是以后所有代码的家。
3. 在VSCode的终端里执行pip install openai，安装OpenAI官方SDK。这里有个关键判断：国内很多大模型服务商都兼容OpenAI的接口格式，所以只装这一个SDK，以后换服务商基本不用改代码。这是我在Day7做的最划算的一笔投资。
4. 去模型服务商官网注册账号，创建API Key。新用户一般都有免费额度，足够新手练习一两个星期。

为什么我不提装CUDA、装GPU版PyTorch？因为对纯新手来说，第一天就本地跑大模型，既不现实也没必要。你接下来要学的是“调用模型”，而不是“训练模型”，最贵的计算资源云端已经帮你准备好了。等以后真到微调模型那一步，再回头研究显卡也不迟。提前做超出阶段的事，只会白白消耗你的热情。

提示：API Key相当于你的账户密码，千万别写死在代码里往GitHub上传，也千万别截图发到群里。我现在的习惯是先写在一个临时变量里，等第三周再统一改成.env文件管理。

2.2 3分钟的第一段代码：大模型第一次“开口”

环境就绪之后，我写下了人生中第一段真正意义上的AI调用代码，大概只有十几行：

from openai import OpenAI client = OpenAI( api_key="sk-你的key", # 在服务商控制台创建 base_url="https://api.deepseek.com/v1", # 兼容OpenAI格式的国产大模型 ) resp = client.chat.completions.create( model="deepseek-chat", messages=[ {"role": "system", "content": "你是一名耐心、喜欢打比方的AI学习导师"}, {"role": "user", "content": "请用2句话，讲清楚什么是大语言模型"}, ], temperature=0.7, max_tokens=200, ) print(resp.choices[0].message.content)

按下运行之后，终端停顿了两三秒，然后像变魔术一样吐出一段文字：“大语言模型是一种基于海量文本数据训练出来的深度学习模型，它通过学习语言规律，能够理解并生成自然流畅的文字。你可以把它想象成一个读了无数本书的学生，你说上句，它能根据概率接下句，但比自己死记硬背厉害得多。”

那一刻我的感觉非常奇妙。之前所有抽象概念——参数、训练、生成、上下文——突然有了一个实实在在的落点。原来“大模型”不是PPT里的一个框，而是一个我亲手写出来的代码里、一个会回话的东西。这个体验直接治好了我前6天积攒的焦虑。

2.3 别急着往下学：把参数“玩坏”才算入门

很多人调通第一步就满足了，赶紧去看下一节视频课。我的建议是停一停，花半小时把几个关键参数挨个改一遍，你得到的体感会远超十篇教程。

我做的第一个实验是改temperature。改成0之后，输出变得非常稳定，但语气明显干巴、单调；改成1.3之后，文字开始“飘”，甚至出现逻辑跳跃。查了原理才知道，temperature控制的是模型采样时的随机程度——越接近0，模型越保守，几乎总是选概率最高的词；越大，越容易去选那些概率低“但说不定更好玩”的词。这解释了为什么代码补全类工具喜欢低温度，而文案创作可以拉高一点。

第二个实验是改max_tokens。改成50之后，回答硬生生被截断了，话说到一半戛然而止。这个参数限制的是生成的最大长度，给太少回答不完整，给太多则增加等待时间和费用。对我来说还要养成一个习惯：看返回结果里的usage字段，它会告诉你这次调用消耗了多少输入token和输出token。做AI工程实践，时刻知道自己消耗了多少资源，是最基本的成本意识。

第三个实验是改system消息。把它从“耐心的AI学习导师”改成“毒舌程序员”，同一个问题得到的回答风格彻底变了。这一刻我才真正理解：提示词不是玄学，而是在明确地给模型设定任务边界和行为人设。我把这三个实验的结果整理成了一个小表格，这就是我Day7的第一个“作品”：

3. 零基础学大模型基础理论：三个必须想清楚的取舍

3.1 数学要不要啃？先开起来，再研究发动机

我见过太多零基础的朋友，兴致勃勃买了《深度学习》《统计学习方法》，然后在前三章的数学推导里彻底放弃。我自己前6天也在干类似的事，收藏了好几个带着拉普拉斯变换的学习视频，一个都没看完。Day7跑通之后，我反而释然了。

现在的你，第一目标应该不是理解“为什么大模型能生成文字”，而是“怎么能让它为我生成文字”。打个比方：你不需要会造发动机，才敢开车上路；你现在要做的第一件事是踩油门，让车动起来。等你在路上遇到“为什么起步会顿挫”这类具体问题时，再回头研究发动机结构，那时候你的学习动机和吸收速度，和为了学而学完全不一样。

这不等于完全放弃数学。我给自己定的路线是：第一个月，只要求术语级别的理解——比如“梯度下降就是一个不断让误差变小的过程”，不要求推导；第二个月做项目时，如果用到RAG（检索增强生成）或者微调，再回头补对应的数学直觉。不要求会证明，但要求能用自己的话说清楚“它在干什么”。这个标准对三个月逆袭来说足够了。

3.2 理论、应用、工程：三线并进的配比

“学AI”这三个字太模糊了，我把它拆成了三条线，每一条对应不同的内容和权重。

为什么应用线权重最高？因为对零基础的人反馈最快。你改一行提示词，立刻能看到效果变化，这种即时反馈能支撑你走下去。理论线负责给你判断力，避免别人说什么你都信；工程线负责让你做出来的东西不是只在你自己电脑上能跑。三条线缺一不可，但顺序上一定是应用先行，用应用倒逼理论，再用理论反哺工程。

3.3 检验“学明白了”的三个标准

我发现很多教程只教输入知识，却很少讲怎么检验你是“真会了”还是“看懂了”。这里分享三个我给自己定的检验标准，每个都能在15分钟内完成。

第一，讲给室友听。如果你能不用任何专业术语，让一个文科室友听懂什么是大模型、什么是提示词，那你是真懂了；如果只能复述“它是一种语言模型”这种车轱辘话，那还没到位。第二，预测行为。改temperature之前，先凭直觉预测输出会怎么变，再运行代码验证。预测对了说明你建立了因果直觉；预测错了，恭喜，你刚刚找到自己的认知盲区。第三，改造样例。不看任何教程，把Day7这段代码改成“给AI设定一个新角色，连续问答三轮”的小程序，越丑越好，只要跑得通，就说明这段知识已经进了你的手指。

4. “双非二本”这个标签，怎么变成动力而非包袱

4.1 诚实面对起点：资源不多，但机会窗口还在

先交代我的处境：三线城市的普通二本，计算机相关专业，但课程内容偏旧，教材里的技术栈比市场至少落后三五年。周围同学大多在准备考研考公，能聊AI的不超过三个。没有学长内推，没有实验室氛围，有时候连一个报错信息都找不到人请教。

但Day7我想通了一个事实：AI这个领域现在最大的特点是“还没定型”。今天热门的工具，三个月后可能被淘汰；今天没几个人听过的概念，明天就可能出现在招聘JD里。这意味着什么？意味着在这个赛道上，真正的优势不是静态的资源，而是“谁更能持续学习”。双非学生确实没有牌子加持，但也没有太多可失去的东西。当一个人没什么可失去时，冲的胆子反而会更大。我不想把这句理解成鸡汤——它是我前6天焦虑到失眠之后，实实在在用来稳住自己的逻辑。

4.2 每天4小时：普通学生的可持续节奏

作为一个大三学生，白天要上课、写作业、偶尔应付社团活动，能稳定利用的时间段其实只有晚上。我给自己定的作息是这样：早上8点到8点半，复习前一天的笔记，不学新东西；晚上8点到10点半，两个半小时的大块学习，这是每天的核心；临睡前15分钟，写学习日志，记录今天跑通的、卡住的内容。

周末则是双倍时间：上午两小时，下午两小时，专门用来做小项目或者补理论。这个安排没有任何惊艳之处，关键就四个字：雷打不动。3个月里最怕的不是学得少，而是断两天之后彻底放弃。所以我把底线设得很低——哪怕某天状态奇差，只学20分钟，也比完全停摆强。习惯断开再想接上，成本至少翻倍。

4.3 低成本甚至零成本的资源清单

双非学生的现实约束是，拿不出几万块报培训班。但好消息是，现在AI学习能找到的高质量免费资源，比很多付费内容都好。

• 模型API：多个国产大模型平台都有新用户免费额度，够新手练习一阵子。之后按量计费，一次问答几分钱到几毛钱，完全承受得起。
• 官方文档：不要只看二手教程，服务商官网的文档准确、更新及时，是最好的老师。遇到英文看不懂就开翻译，但一定要读原文。
• Hugging Face：查模型、读论文、看开源项目，全部免费，还能看到全球开发者的最新动态。
• GitHub：搜“awesome-ai”这类仓库能找到高质量学习清单；遇到不懂的项目就去看Issues，很多疑惑早就有人问过。
• 免费算力：以后要跑开源模型，Colab和Kaggle的免费GPU够做小型实验。

写这段时我想强调一句：资源不在多，在用透。我身边不少同学，手里捏着几百个课程链接，却连一次API都没调过。把一条路径走穿，比收藏一百条路径有用一百倍。

5. 从Day8到Day14：我给自己定的下一周清单

5.1 先把“单次问答”升级成“多轮对话”

Day7的代码只能一问一答，就像两个人见面只准说一句话。我给自己定的第一个升级任务是：让程序支持多轮对话，每轮都能带上之前的聊天内容。

这其实是一个AI Agent的雏形。大模型本身没有记忆，你要做的就是手动维护记忆——把用户每次说的话追加到messages列表里，再整体发给模型。我最开始的版本长这样：

messages = [] while True: user_input = input("你：") if user_input == "exit": break messages.append({"role": "user", "content": user_input}) messages = messages[-20:] # 粗暴但有效的截断：只保留最近10轮 resp = client.chat.completions.create( model="deepseek-chat", messages=messages, ) reply = resp.choices[0].message.content messages.append({"role": "assistant", "content": reply}) print("AI：", reply)

这段代码里最容易被忽略的是截断逻辑。如果一直往里追加消息，上下文会无限变长，费用和延迟都会上涨。只保留最近十轮，是我第一次认真思考“上下文窗口”这个概念的契机。别小看这一步：消息结构、上下文管理、成本控制，都是后续所有复杂AI应用的地基。

5.2 建一个属于你自己的提示词模板库

很多人用AI是当场瞎写提示词，效果不好就一句“AI不行”收场。实际上提示词是有方法论的：角色设定、任务描述、输入输出格式、约束条件，这四件套写清楚，效果立刻不一样。

我给自己的小目标是：一周内收集20个场景的提示词模板，包括“代码解释器”“学习规划师”“文案润色”“简历修改”等。每个模板至少要实测三次，把“哪些说法有效、哪些说法无效”记录下来，迭代出一个稳定的版本。这个模板库既是我练习AI编程提示词能力的手感来源，也顺手成了我的第一个可展示作品——以后写简历时，“熟悉提示词工程”这句话终于不是空话了。

5.3 周末挑战：跑通一个最简单的Agent流程

下一个周末，我准备挑战一个“带工具的小助手”。场景很具体：让大模型根据用户提问，决定要不要调用一个“天气查询函数”，然后基于函数的真实返回结果来组织回答。这就是网上天天在讲的AI Agent的一个最简形态——模型不只是会聊天，还会决定调用工具、根据工具结果继续行动。

我提前写的伪代码是这样的，算是给自己立个靶子：

# 伪代码，Day12-14要落地的东西 def get_weather(city: str): # 真实场景会在这里调用天气API return f"{city}今天晴，25℃" tools = [ { "type": "function", "function": { "name": "get_weather", "description": "查询一个城市的当前天气", "parameters": { "type": "object", "properties": {"city": {"type": "string"}}, "required": ["city"], }, }, } ] # 循环逻辑： # 1. 把用户问题和工具列表发给模型 # 2. 模型返回 tool_calls 就执行对应函数 # 3. 把函数结果追加回 messages # 4. 模型不再要求调用工具时，输出最终回答

这套流程我预期会踩不少坑，比如工具参数格式解析、函数执行出错后的兜底处理。但踩完这些坑，我对“AI Agent搭建”就有了真正的体感，而不是停留在“智能体”三个字的概念层面。等单Agent流程跑顺，下一阶段就可以研究多AI协作，让一个Agent拆解任务，另一个负责执行，再一个负责检查结果。

5.4 每周复盘：把“学过”变成“作品”

月底前，我想把这三周的内容整合成一个小作品。目前有两个备选方向：一个是“专业课程问答机器人”，把我们专业课老师发的课件转成问答数据，做一个能陪同学复习的机器人；另一个是“课程资料摘要工具”，把课程PDF自动生成复习提纲。

无论最终选哪个，我都打算把过程写成博客，就像今天这篇一样。因为输出是最快的照妖镜，哪里没想通一写就暴露。而且三个月后，当别人还在简历上写“熟悉大模型”时，我可以直接甩出一个能跑的链接和一份完整的开发记录。对双非学生来说，这种看得见摸得着的东西，比任何形容词都有说服力。顺带提一句，现在比较热门的AI漫剧、AI短视频方向，底层需要的也是这套能力——先用大模型生成文案框架，再用图像模型出图，最后剪辑合成，本质上还是提示词和工程链路的功夫，路径是相通的。

最后说点不太“正能量”的话。三个月逆袭计划能不能成功，说实话我到现在也没底。Day7之前我差点放弃，因为“从零开始学AI”这种标题网上遍地都是，我不确定自己会不会又是三分钟热度。但今天跑通第一次API调用之后，那种“我真的让它开口说话了”的实感，让我开始相信一件事：这条路不需要你天赋异禀，只需要你愿意一次次把“看不懂”变成“跑通了”。Day7的一切，就是从一行代码开始的。明天的我，打算从十行代码开始。