第十章 计算机基础与 AI 应用

1. 一个 AI 工具，其实是一套协作系统

以最常见的网页 AI 为例：你在本地浏览器中输入问题，浏览器通过网络把请求发送给远程服务；服务程序组织上下文、调用模型或工具；结果再返回页面。若上传了文件，还会多出文件存储、解析和检索等环节。

模型是其中很重要的一环，但不是全部。一个能长期稳定使用的 AI 应用，还要处理账号、文件、数据保存、权限、网络失败和服务运行等问题。AI 能力进入真实场景之后，必然会变成系统能力。

2. 前面的基础知识，各自落在哪里

前九章不是独立的九份知识，而是在解释这条链路的不同位置：

你学到的部分	在 AI 工具中能帮助判断什么
硬件、操作系统与软件	本地工具能否安装、能否运行、资源是否够用
程序与运行环境	服务、脚本和依赖为什么能启动或为什么报错
网络、浏览器与网站	请求为什么发不出去、页面为什么打不开或加载缓慢
命令行	怎样启动服务、查看输出、执行明确的操作
本地与远程	文件和程序分别在哪台机器上，计算发生在哪里
数据保存	上传资料、聊天记录、知识库内容和配置最终落在哪里

所以，遇到问题时不必立刻追问“模型是不是不行”。先判断它落在文件、程序、网络、服务还是数据这一层，排查会更有方向。

3. 本地 AI 和云端 AI，差别在运行位置

本地 AI 指模型或工具主要在自己的电脑上运行；云端 AI 指模型主要在远程服务器上运行，自己的设备负责发起请求和显示结果。

运行方式	更依赖什么	更常见的问题
本地运行	CPU、内存、显卡、磁盘、系统环境	模型放不下、依赖缺失、运行慢、路径错误
云端运行	网络、账号、接口权限、远程服务状态	登录失败、请求超时、上传受限、服务不可用

它们没有绝对的优劣。关键是先看模型、文件、程序和数据分别在哪一边，再判断问题应该由本机、网络还是远程服务来解决。

4. 从“会用工具”到“能搭建应用”

只在网页中提问时，很多底层细节会被工具替你隐藏。但当你想让 AI 读取资料、生成内容、连接数据库、调用外部工具或自动执行任务时，系统里的每一层都会重新出现。

例如，一个知识库不只是把文件交给模型：资料要上传和保存，内容要解析和检索，服务要处理请求，模型要生成回答，结果还可能需要记录下来。自动化流程也是同样的逻辑，AI 只是其中一个会做判断和生成的步骤。

提示词决定你怎样表达问题，系统能力决定这个问题能否稳定地进入真实流程。

5. 有了这张地图，下一步怎样继续

“计算机入门”到这里完成的不是一组需要背下来的名词，而是一种判断问题的位置感。后续可以顺着实际兴趣继续深入：

• 想理解互联网、域名、请求和接口，可以进入计算机网络与 Web 基础；
• 想在自己的电脑或服务器上运行程序，可以继续学习 Linux、命令行和部署；
• 想管理文章、用户或业务数据，可以进入数据库基础；
• 想真正做 AI 工具、知识库和自动化流程，可以继续学习 AI 应用、RAG、Agent 与工程实践；
• 想理解模型为什么能生成和推理，可以进入模型、训练和推理相关内容。

不需要一次走完所有方向。先从你正在使用、正在搭建或最想弄明白的那一层继续，前面的基础会在需要时重新派上用场。

本章小结

• AI 工具不是只有模型，它依赖浏览器或客户端、网络、服务程序、文件与数据存储共同协作。
• 计算机基础的作用，是让你能判断问题位于硬件、软件、环境、网络、服务还是数据这一层。
• 本地 AI 更依赖本机资源和运行环境，云端 AI 更依赖网络、账号与远程服务状态。
• 当 AI 从聊天走向知识库、自动化和应用开发时，文件、数据库、服务和部署都会成为系统的一部分。
• 这组入门内容提供的是一张起点地图；下一步可按兴趣走向网络、Web、Linux、数据库或 AI 应用工程。