上回说到我学完了PART1的AI基本概念、发展历程和能力边界。今天接着记录第二阶段的真实感受——刚啃完PART2大模型核心机制与原理终于搞明白了AI为什么能“听懂”人话。一、先简单回顾CAIE认证是什么CAIE认证全称CAIE注册人工智能工程师由CAIE人工智能研究院颁发。一级考纲不限专业、零基础可考70%的分数放在“应用”上——Prompt设计、AI工作流落地、RAG和Agent策略。不背概念就考你会不会用AI干活。对于文案编辑来说这个方向非常直接我需要的就是“用AI把运营效率提上去”的能力。二、我的备考时间安排待业在家时间有但容易散。我的做法是每周学4天每天上午10点到11点半固定学习把这段时间当成“上班”。下午如果有状态就整理笔记或动手练一下不强求。PART2的内容虽然只占4%但理解起来并不轻松。我用了大概一周半的时间一开始先把Token、注意力机制等这些概念过一遍中间三天重点啃模型优化和训练流程等最后两天整理笔记把每个概念用自己的话写一遍确保真的理解了而不是“眼睛看过了”。三、学完PART2终于知道AI为什么能“懂”了PART1让我知道了“AI能做什么”PART2则告诉我“AI是怎么做到的”。这部分只占4%属于“领会”级别不要求深究技术但理解之后对AI的掌控感完全不一样了。第一个收获文本是怎么传进大模型的。以前用AI写文案从来没想过背后发生了什么。学完才知道文字不能直接传给模型得先转成数学向量——把“今天天气不错”变成一串数字模型处理完再翻译回文字。理解了这一点我才明白为什么同样意思换种说法AI的理解会不一样因为它处理的是向量距离不是文字本身。这对文案编辑来说很重要——以前总抱怨“AI听不懂人话”现在知道了不是它听不懂是我没用好向量空间里的“距离”。CAIE认证考纲把这一块放在PART2虽说不要求背技术细节但理解这个底层逻辑之后后面学Prompt设计就不会只是“照猫画虎”了。第二个收获Token是什么。以前以为Token就是“字数”学完才知远不止。Token是模型处理的最小单位一段话被拆成若干Token逐个处理。不同模型对同一段文本的切法不一样直接影响上下文理解。对新媒体运营来说最直接的启发是写Prompt要精简因为Token就是调用成本。以前觉得“反正免费随便写”现在知道精简指令能让AI响应更快、输出更准CAIE认证考纲里专门提到“Token节省策略”作为PART4提示词优化的内容之一说明这个能力是考试要考、工作也要用的。第三个收获AI如何“读懂”上下文。模型架构和注意力机制是关键——模型处理一句话时会给每个词分配不同的“注意力权重”决定哪些词更重要。比如“活动效果不错但转化率偏低”模型会重点关注“但”后面的内容。这对写Prompt的启发是想让AI关注什么放在指令后段或明确标注“重点注意”。以前写新媒体文案总觉得AI抓不住重点现在才知道是我的指令结构没给对。第四个收获大模型的训练过程。从海量数据预训练到微调再到人类反馈强化学习。理解了训练逻辑后我对“AI为什么会犯错”有了更清晰的认识——它不是笨是训练数据里没有对应信息。所以做新媒体内容时垂直领域的专业信息必须给参考资料不能指望AI自己知道。这个认知直接影响了我后面的使用习惯比如写某个细分行业的文案我会先给AI喂几篇参考文章再让它生成。四、做笔记的方法我的笔记分成两栏左边记教材里的核心概念右边用文案编辑的工作场景写一个“翻译版”。比如左边写“Embedding是将文字转化为数学向量的过程”右边写“相当于把‘今天天气不错’翻译成一串数字AI看数字来理解意思”。这样复习的时候不用重新理解一遍术语直接看右边的场景版就能想起来。另外我会在笔记末尾留一个“启发”栏记下“这个概念能帮我做什么”。比如学完注意力机制后我写了“以后Prompt要把重点放后面或者用‘重点注意’标出来”。这样学到的概念不是死的随时能用在写稿场景里。五、学完PART2的真实感受从PART1到PART2最大的变化是以前用AI靠“猜”——这个Prompt效果好就留着不好就换一个。现在靠“理解”——知道它怎么处理文本、怎么分配注意力、Token是什么写Prompt的时候有方向出了问题也知道原因。理解工作原理之后少走了很多弯路。CAIE认证把PART2放在“领会”层级确实不需要背技术细节但理解了这些底层逻辑再去学后面的Prompt设计就顺畅多了。六、接下来的计划下一阶段进入PART3和PART4重点啃结构化Prompt设计和多模态应用。批量生成多平台文案、AI绘图、视频脚本全是新媒体运营的日常刚需。CAIE认证每月两次远程机考先把基础打牢再说。最后说两句如果你也在备考CAIE认证欢迎一起打卡。我也还在路上刚学完PART2。有想一起打卡的评论区留个言互相督促着学总比一个人闷头硬扛强。