第 0 章 · 先读这一章
导引与学习审计：你缺的可能不是知识，是"地图"
这一章回答你最关心的两个问题：以你的背景，学 AI 到底缺什么？以及怎么学才不会被数学和术语劝退。先读它，再决定后面怎么走。
0.1 先盘点你的底牌：你比想象中更接近 AI
你担心自己"高数靠补考、线代全忘了、专业概念模糊"。先把这份焦虑放一放——你手上有三张很多 AI 学习者没有的牌：
- 系统思维：电力系统分析的核心是"解一个巨大的联立方程（潮流计算）"。AI 训练的本质也是"解一个巨大的优化问题"。你早就理解过"上千个变量互相牵制"是什么感觉。
- 矩阵直觉的种子：节点导纳矩阵 Y、潮流方程 I=YU、相量、功率 P=UI——你大学时背过这些。它们和 AI 里的矩阵、向量、内积是同一套数学语言，你只是忘了名字，不是没见过。
- 数据意识：作业计划、违章记录、光伏出力、业财数据——你每天面对的就是"数据 → 规律 → 决策"的原材料。AI 恰好就是干这个的。
潮流计算：给定电网参数和负荷，求各节点电压——方程已知，求未知量。
模型训练：给定海量数据，求一组合适的参数（权重）——结构已知（方程形式已定），求让预测误差最小的参数。
你会发现两者的思维姿势几乎一样：都是"迭代求解、反复逼近"。本书第 2 章讲的梯度下降，就是 AI 版的"牛顿-拉夫逊迭代"。
所以：你的问题不是"没有基础"，而是"基础被时间模糊了 + 从未接触过 AI 的词汇表"。这份教材做的就是两件事：把模糊的数学用你的语言重新点亮（附录 A），把 AI 的词汇表从零教起（第 1–9 章）。
0.2 学习审计：你还没意识到的 8 个缺口
按重要性排序。每一项都给出"缺什么 → 怎么补 → 在教材哪里"。
| # | 缺口 | 为什么重要（一句话） | 怎么补 |
|---|---|---|---|
| 1 | 心智模型错误 | 把大模型当"搜索引擎/知识库/推理机器"是全套学习中最致命的误解，会直接导致你高估它、误用它 | 本章 0.3 节 + 第 4、5 章 |
| 2 | 数学不是"缺"，是"没连上" | AI 只需要 4 块数学：向量/矩阵、内积、概率条件、导数斜率——全是大学低年级内容，但要用"直觉版"重学 | 附录 A（向量→相量、矩阵→Y 矩阵、概率→故障率、导数→负荷斜率） |
| 3 | 不知道"训练 = 调参" | 不理解训练，就永远理解不了"模型凭什么会说话"，后面的章节全卡住 | 第 1、2 章（全书最重要的地基） |
| 4 | Python 零基础焦虑 | 你不需要成为程序员；需要的是"会读、能改、能跑"的最小能力，配合 5 个现成示例即可 | 第 9 章 + code/ 目录（每个文件有中文注释） |
| 5 | "好像懂了"的假象 | 看视频、读文章最容易产生"我懂了"的错觉；没有输出就没有真正学习 | 每章末尾的"问大模型"提示词 + 配套自测题（先答后看答案） |
| 6 | 幻觉意识缺失 | 大模型会一本正经地胡说。你做风险监控出身，最懂"不可靠信息"的危害——这套警觉要迁移过来 | 第 5 章"劣势" + 第 8 章"护栏与评估" |
| 7 | 不知道"工程"和"对话"的分界 | 这是你工作里马上要用的判断力：什么时候复制粘贴问一句，什么时候该搭 RAG / Agent | 第 8 章（全书的"落地章"） |
| 8 | 低估"追问"的价值 | 让大模型当你的私人导师（费曼教学法）能让学习效率翻倍，但大多数人只会把它当搜索用 | 第 9 章 9.4 节 + 本章 0.6 节 |
很多人以为学 AI 要从头推导数学、自己训练模型——那是"造火箭"。对你而言，正确姿势是"学会熟练操作一台已经造好的挖掘机"（大模型），并了解它的发动机原理（Transformer）以便更好地操作和维修。本书约 80% 内容属于"学会操作 + 理解原理"，20% 属于"知道发动机怎么造出来的"（附录 B 与第 6 章，可选）。
0.3 最重要的心智模型：大模型是"语言接龙器"
全书所有知识都建立在这一个模型上，请现在就把它刻进脑子：
一个语言模型，本质上是一个"预测下一个词"的机器。给它一段文字（"今天天气真"），它逐个词地预测最可能接下去的内容（"好"）。GPT、Claude、DeepSeek 这些大模型，做的事情就是把"猜下一个词"这件事做到极致——在互联网级别的数据上，用几千亿参数，把"猜词"练到出神入化。
图 0-2 大模型的工作方式：循环"看已有的词 → 猜下一个词 → 拼回去"，你的每一次对话都是这个循环跑了很多遍
你可能立刻会问："就这？那它怎么会写诗、会编程、会分析数据？"——答案很反直觉：当"猜词"练到极致，"像人一样回答"这件事就自动涌现出来了。因为人类的语言里本来就浓缩着逻辑、常识、知识和思维模式；一个把语言预测练到极致的系统，等于把这一切都"压缩"进了自己的参数里。这正是第 5 章要讲的"涌现能力"。
① 它没有"数据库"，答案都是现场编的 → 会幻觉，重要事实必须验证；
② 它的"知识"止于训练数据那一刻 → 有时效性，别问它不知道的近期事件；
③ 它不"查证"、不"计算"（除非接了工具）→ 算术和事实核查要交给工具，这正是第 8 章"搭工程"的动机之一。
0.4 先纠正五个对大模型的误解
| 误解 | 真相 |
|---|---|
| 它是搜索引擎 | 搜索引擎从索引里"找"答案；它是从参数里"生成"答案。两者机制完全不同，前者可验证，后者会编造。 |
| 它会"理解"我的意思 | 它匹配的是"语义相似度"而非真正理解；所以同一句话换个说法结果可能差很远。 |
| 它知道所有知识 | 它只知道训练数据里出现过的、且被它"记住"的统计规律；知识截止时间之后的事一概不知。 |
| 它很会算数 | 原生算数很弱；正确的用法是让它写代码/调工具来算（第 8 章的工具调用）。 |
| 回答越流畅就越可靠 | 流畅度和正确性没有关系——幻觉往往看起来格外流畅自信。 |
0.5 配套视频清单（B 站，已验证）
以下链接均经实际访问验证（2026-09 抽查确认可访问）。标注"入门"的可以先看，标注"进阶"的建议读完对应章节再看。视频是"第二讲解员"：文字卡住看视频，视频卡住回来看文字。
A. 数学与工具基础（配合附录 A、第 9 章）
3Blue1Brown 中文配音：线性代数的本质 全集
动画讲透"向量、矩阵、线性变换"的几何直觉，公认最好的线代补课材料。看前 6 集就足够支撑本教材。
Python 零基础全套教程（全 600 集）
系统课，不要真的看完 600 集。只学：变量、列表、循环、函数、字典，约前 80 集就够跑本书代码。
B. 机器学习 / 深度学习入门（配合第 1、2 章）
吴恩达深度学习（中文语音版）
AI 入门第一课，讲课风格极其温和，数学极少。重点看神经网络基础部分（前几周内容）。
吴恩达深度学习（中英双语字幕版）
同上课程的另一版搬运，中英字幕齐全，适合想对照英文术语的学习者。
C. 注意力与 Transformer 核心（配合第 3、4 章）
10 分钟，让你彻底理解 Transformer
最短的入门动画讲解，读第 4 章之前花 10 分钟看一遍，建立整体画面。
All in Transformer：一次讲透注意力机制
把 Q/K/V 注意力机制掰开揉碎讲，配合第 4.4 节服用效果最佳。
李宏毅：自注意力机制和 Transformer 详细解析
台湾大学明星老师李宏毅的完整课程切片，公认"最适合新手"的 Transformer 讲解。
Transformer 论文逐段精读
李沐的经典论文精读（181 万播放），带你把《Attention is All You Need》逐段读懂。读完第 4 章后看。
动手学深度学习 v2：68 Transformer
李沐课程里讲 Transformer 的一集，含多头注意力和 Transformer 代码实现，配合本书 code/ 示例。
D. 大语言模型原理与训练（配合第 5 章）
3Blue1Brown：GPT 是什么？直观解释 Transformer（官方双语）
3Blue1Brown 官方动画，把"预测下一个词"和温度采样讲得极美。读完第 4、5 章必看，会打通所有直觉。
ChatGPT 背后的技术：前 OpenAI 创始成员 3 小时讲透
Andrej Karpathy（前特斯拉 AI 总监、OpenAI 创始成员）的著名演讲，从零讲到 GPT 训练全流程，中文配音。
E. 大模型应用工程（配合第 8 章）
AI 大模型教程：提示词工程 + RAG + LangChain + Agent（保姆级）
覆盖第 8 章全部核心概念：提示词、RAG 工作流、向量检索、Agent 设计模式。读到第 8 章时对照看。
F. 电力 / 时序数据（加分项，配合第 7 章）
时间序列深度学习教程（LSTM / ARIMA / Informer / Transformer）
从 ARIMA 到 LSTM 到 Transformer 系列的时间序列预测，直接对应你的光伏出力预测、负荷预测需求。
融合 PCC 降维 - LSTM - XGBoost 的光伏功率预测
很短的光伏功率预测实战演示，让你看到"你的工作 + 你的教材"会碰撞出什么。
0.6 怎么用这套教材：三遍法 + 费曼闭环
单章学习流程（每章约 2–3 天，每天 30–60 分钟）：
- 第一遍（快速通读，约 20 分钟）：只看标题、图示、加粗句和"比喻框"，不纠结细节，建立"这章在讲什么"的画面。
- 第二遍（精读 + 笔记，约 40 分钟）：逐节读，遇到数学就翻附录 A 对应小节；每章结尾用自己的话写 3–5 行"这章到底讲了啥"。
- 自测（约 15 分钟）：打开配套自测题对应章节，先闭卷作答再看答案；错题回读原文。
- 费曼闭环（可选，强烈推荐）：把本章末尾的"问大模型"提示词发给任意网页版大模型，让它①用大白话再讲一遍 ②给你出 3 道题 ③指出你理解里的漏洞。这个环节能把你"好像懂了"的假象击碎。
读完全部 10 章但一次代码没跑、一次大模型没问 = 把游泳教材背得滚瓜烂熟但从未下水。第 9 章和 code/ 目录就是"浅水区"——从第 3 周开始，每周至少下水一次（跑一个示例或问一次大模型）。
0.6.1 通用"问大模型"提示词模板（复制可用）
请用费曼学习法帮我学习"【主题，如：注意力机制】"： 1. 假设我是一个电力行业从业者，数学基础薄弱，请用大白话 + 比喻讲清楚核心概念； 2. 然后用一个我工作场景里的例子（如光伏发电/违章数据）再解释一遍； 3. 最后给我出 3 道检查理解的选择题，先不告诉答案，我答完你再点评。
0.6.2 如果你时间很紧
最短路径：第 0 章 → 附录 A（向量/矩阵两节）→ 第 4 章 → 第 8 章 → 第 5 章。这条路线约 10 小时，能让你：理解 Transformer 长什么样、知道大模型能做什么不能做什么、并且立刻能判断工作中哪些事该直接问、哪些该搭工程。其余章节之后慢慢补。
① 大模型本质是什么？（语言接龙器）② 你缺的 8 个缺口里，前三个是什么？③ 学 AI 和学游泳的共同点是什么？（光看不练假把式）④ 幻觉为什么必然存在？（答案都是现场生成的）