Day 1 · 认识你的 AI

本章目标：理解 LLM 的工作原理、使用方式和局限性。 产出：my-agent/llm.py — 你的 LLMClient 类。

你将学到

• LLM 为什么具备智能（next-token prediction + 涌现）
• Token 与向量：文本如何变成模型能处理的数字
• 如何与 LLM 对话（messages 协议、三种角色）
• Token 与上下文窗口：成本和约束
• 大模型幻觉：成因、识别与缓解
• 为什么需要给 LLM 配工具与上下文（Agent 的雏形）

内容结构

节	内容	讲义	Demo
1	LLM 为什么具备智能	01-why-llm-is-smart	demo_01_next_token.py
2	提示词与角色	02-prompts-and-roles	demo_02_roles.py
3	Token 与上下文窗口	03-tokens-and-context	demo_03_tokens.py
4	大模型幻觉	04-hallucination	demo_04_hallucinate.py
5	LLM + 外部支持	05-llm-needs-augmentation	demo_05_with_tool.py

运行 Demo

cd 01-meet-your-ai/lab
python demo_00_chat.py           # 最简交互式对话
python demo_01_next_token.py     # 看模型怎么"猜下一个词"
python demo_02_roles.py          # system prompt 改变模型人格
python demo_03_tokens.py         # tokenization + 成本估算
python demo_04_hallucinate.py    # 主动诱发幻觉
python demo_05_with_tool.py      # 加工具前后对比 + Function Calling 预告

今日产出

补全 my-agent/llm.py 中的 LLMClient 类，让测试通过：

cd my-agent
python tests/test_llm.py

配套练习

exercises/01-meet-your-ai/ — 4 道代码填空题