用 AI 构筑
未来物理世界的实战基地

本讲回答一个问题：模型里面到底有什么？你会看到它并非一个装满事实的数据库，而是 billions 级的参数——训练时被调好的数字，此后永久冻结。我们依次拆解训练（参数如何被写入）、推理（只读运行，永不回写）、以及知识截止（知识的那条边界）。学完你会明白：为什么纠正它一次不会记住，为什么它不知道你上个月升级的库，以及为什么唯一的解药是把材料放进上下文，而不是「教」模型。

本讲区分模型「知道」的两种来源——这个区分决定了大多数错误的修法。参数知识是训练后冻结在参数里的东西，稠密话题上流畅可靠，冷门话题上就开始编造，而且它停在知识截止那一天之后不再更新。上下文知识是此刻窗口里读得到的材料：你的任务、它读进来的文件、工具结果、AGENTS.md。两者最实用的一条规律是：冲突时上下文通常赢——粘贴当前 API 文档，它会照着读，而不是回忆旧版本。但有两面性：只有上下文知识归你控制（参数改不了，唯一杠杆是把事实放进窗口），而当它明明有文档却退回旧写法，那是参数知识在长会话深处重新渗漏出来。

本讲解释一个词，它解释了大部分「同一个模型为什么表现不同」的困惑：Harness。模型只会做一件事——读入文本、输出文本；它不能读文件、跑命令、记住上一轮。读文件的能力、执行工具调用的能力、保存会话历史、权限询问、上下文压缩——这一整套都由 harness 提供。由此得到最重要的诊断原则：当两个产品表现不同，或者昨天和今天表现不同，变量通常不是模型，而是 harness。也正因此，你的 AGENTS.md、权限设置、hooks 全都是写给 harness 的指令，而不是写给模型的。