二、各节课作业核心解析

（一）第1节课作业：为什么不要给大模型说“谢谢”？

作业题目

解释为什么大模型厂商呼吁不要跟AI说“谢谢”这类礼貌用语。

零基础必懂核心知识点

先明确2个核心概念，避免理解偏差：

1. 训练与推理分离：大模型的训练是研发阶段的学习过程，参数/逻辑一旦固定就不会改变；推理是用户使用大模型时，模型根据输入生成答案的过程，用户的任何输入（包括说谢谢）都不会影响大模型的训练/智能水平，仅对当前对话框有效，换对话框则失效。

1. TOKEN：大模型处理文字的最小单位（不是单纯的字/词），大模型会基于TOKEN读取上下文、生成响应，无意义的TOKEN会占用模型的处理资源。

1. 大模型响应逻辑：模型会对任何输入进行续写/推理并输出答案，即使是无意义的礼貌用语，模型也会触发无意义的推理行为。

正确答题思路（零基础可直接套用）

从厂商角度、资源角度、模型逻辑角度三点回答，通俗且贴合课程内容：

1. 无效信息占用处理资源：“谢谢”是无意义的输入，大模型的输入应聚焦“问题/诉求/想法”，无效信息会让模型回顾并遍历所有上下文，占用TOKEN的处理空间；

1. 浪费计算与硬件资源：大模型运行需要大量电力、水资源用于设备降温，对无意义的礼貌用语进行推理，会浪费计算资源，降低整体交互效率；

1. 触发无意义的推理行为：大模型的核心逻辑是“有输入就必续写/推理”，说“谢谢”会让模型触发无意义的响应，挤占高质量问题的处理资源。

（二）第2节课作业：模型是如何推理的？

作业题目

详细解释大模型的推理过程，要求讲清核心步骤与逻辑。

零基础必懂核心知识点

先解释课程中提到的关键概念，用通俗语言翻译，避免专业术语困扰：

专业概念	零基础通俗解释
向量/嵌入（embedding）	大模型把TOKEN转换成的数字参数，每个TOKEN的向量在训练阶段就固定，推理时不会实时打分/修改
自注意力机制	大模型推理时，会从前文所有TOKEN中筛选出最相关的TOKEN（不是上一个，也不是所有），通过向量相似度计算（夹角越小越相关）聚焦核心信息
并行运算	大模型推理时，所有TOKEN会同时调整参数，这个过程需要GPU支持，是推理的核心运算方式
神经网络层数	大模型调整TOKEN参数的固定次数（如8层/16层），不是无限调整，调无可调即停止参数优化

作业常见错误（零基础重点避坑）

1. TOKEN的向量是训练时固定的，推理时仅调用不修改；

1. 自注意力机制理解：筛选最相关的TOKEN；

1. 推理结果：TOKEN的相似选择会改变答案走向，反而会增加创意性；

1. “消耗TOKEN”：“消耗TOKEN”是厂商的计费方式；

大模型推理的正确流程（零基础通俗版，分6步）

课程中讲解的推理流程是从文字输入到自然语言输出的完整过程，零基础按步骤理解即可，无需额外扩展：

1. 文字切分：大模型把用户输入的文字，拆解成自己能处理的最小单位——TOKEN（TOKEN和字/词不一定一一对应）；

1. 向量匹配：调用训练阶段固定的TOKEN向量表，给每个TOKEN匹配对应的数字参数（向量）；

1. 注意力筛选：通过向量相似度计算，从前文所有TOKEN中筛选出和当前TOKEN最相关的TOKEN，聚焦核心信息；

1. 并行参数调整：所有TOKEN同时根据筛选出的相关TOKEN调整自身参数，这个过程按固定的神经网络层数循环（不是无限调整），需要GPU支持；

1. 概率预测下一个TOKEN：最后一个TOKEN会整合前文所有TOKEN的参数调整信息，模型通过概率分布预测下一个最可能的TOKEN；

1. 拼接输出：不断重复“预测下一个TOKEN”的行为，直到触发模型的固定停止逻辑，最终把所有TOKEN拼接成自然语言输出。

补充：大模型为什么不会推理？

核心结论：大模型的推理是一步一步往前预测TOKEN，无法后退、无法重新思考，也无法发现自己的推理错误——每个输出的TOKEN，模型都会认为是正确的，因此无法像人类一样进行“纠错式”推理。

（三）第8节课作业：绘制发票审核业务的实践流程（独立功能节点）

作业题目

绘制发票审核业务的实践流程图，要求每个节点是独立的功能节点，并上传流程图（课程核心是结合大模型+工作流/智能体，设计自动化的发票审核流程）。

作业核心要求

1. 原子化拆解功能节点：把“发票审核”这个大功能，拆成不可再分的小节点（如不能只画“自动审核”，要拆成“OCR识别”“真伪验证”等）；

1. 明确执行主体（主语）：每个节点必须说清谁来做（人/机器/工具，如“OCR工具提取发票信息”“人工校验识别结果”）；

1. 流程逻辑闭环：节点的“是/否”分支要明确，否的分支不能随意回流/无下文（如真伪验证不通过，应直接“驳回并提示原因”，而非回流到第一步）；

1. 聚焦发票审核本身：不混入无关的人工流程（如领导审批、部门负责人审批，课程要求设计自动化的业务流程，而非企业的报销审批流程）；

1. 节点类型规范：开始/结束用椭圆、操作节点用矩形、判断节点用菱形，箭头指向清晰，不混乱。

零基础必懂核心知识点

1. 发票审核的核心自动化环节：OCR识别→信息结构化→真伪验证→基础信息校验（抬头/税号/金额）→重复性校验→异常人工审核，是发票审核的核心流程，缺一不可；

1. OCR识别的关键补全：OCR工具提取发票信息后，必须加人工校验环节——如果识别结果错误，后续所有审核环节都会无效；

1. 时序图/泳道图：AI产品经理优先用时序图/泳道图（能明确执行主体、信息传递逻辑）；

1. 人机分离原则：机器做自动化、标准化的处理（如OCR识别、真伪验证），人做异常、非标准化的处理（如识别结果校验、异常发票审核），避免“机器等人”的低效流程。

零基础实操：发票审核标准自动化流程（可直接套用，独立功能节点+明确主语）

本流程严格遵循原子化拆解、人机分离、逻辑闭环，零基础按此绘制流程图即可，节点均为独立功能，执行主体明确：

开始→「人：上传发票（PDF/图片）」→「工具：格式检查（PDF/图片）」→判断：格式是否正确？

• 否→「工具：提示格式错误，引导重新上传」→回流至「人：上传发票」

• 是→「OCR工具：提取发票文字信息，生成结构化数据（金额/抬头/税号等）」→「人：校验OCR识别结果」→判断：识别结果是否正确？

• 否→「人：修正识别结果/重新上传发票」→回流至「OCR工具：提取发票文字信息」

• 是→「税务平台工具：发票真伪验证」→判断：发票是否为真？

• 否→「工具：驳回发票，提示“发票真伪验证失败”」→结束

• 是→「工具：基础信息校验（抬头/税号/税率/金额）」→判断：信息是否合规？

• 否→「工具：驳回发票，提示具体不合规点（如抬头错误/金额异常）」→结束

• 是→「工具：重复性校验（是否重复报销）」→判断：是否重复？

• 否→「工具：完成发票审核，标记“审核通过”」→结束

• 是→「工具：驳回发票，提示“发票重复报销”」→结束

零基础绘图补充技巧

1. 若用AI辅助绘图（如mermaid），避免直接生成流程，需手动调整节点拆解和逻辑分支，防止AI生成的流程缺失主语/逻辑混乱；

1. 优先用飞书/ProcessOn等工具绘图，自带节点类型模板，避免格式错误；

1. 流程中不加入复杂的企业定制化环节（如三单匹配、入库单校验），聚焦课程要求的通用发票审核流程，零基础先保证流程正确，再扩展细节。

三、核心学习建议（零基础专属）

4. 培养产品经理的基本功（重点）

AI产品经理的核心不是懂大模型，而是懂流程设计，零基础从三点练起：

• 主谓宾明确：任何功能/节点，先讲清“谁来做、做什么、怎么做”；

• 原子化拆解：把大功能拆成不可再分的小节点，避免笼统；

• 人机分离：明确机器和人的职责，避免“人机混合”的低效流程。