一、核心基础知识点（必学）

1. 大模型基础核心

1. TOKEN：大模型处理文字的最小单元（一个字、一个词、一个符号都可能是 TOKEN），模型生成 / 接收文字都要先转成 TOKEN，消耗 TOKEN = 消耗成本。

1. 大模型推理逻辑：输入文字→切分 TOKEN→向量嵌入→注意力机制计算→逐字预测下一个 TOKEN→流式输出文字，不会主动学习、不会被用户对话训练（训练 / 推理完全分离）。

1. 向量嵌入：把 TOKEN 转成高维数字向量，让模型能计算文字的相关性。

1. 会话变量：多轮对话中，唯一能稳定保存历史信息的方式，大模型自带记忆不可靠。

2. 流程搭建核心节点

1. 分支节点：处理已知条件的判断（如用户输入 “开始练习”/“介绍”），简单场景优先用。

1. 规则判断节点：精准匹配用户输入关键词，替代冗余代码节点。

1. 迭代节点：仅用于未知数量 / 内容的数组处理，已知维度绝对不要用。

1. 代码节点：仅用于嵌套数组 /object 解析，普通场景不要冗余添加。

二、第 11 次作业点评（核心案例 + 错误 + 优化）

本次作业：发票审核场景 + 自选场景，重点点评 4 个典型案例，零基础直接对照避坑。

案例 1：营养师陪练系统（优秀创意 + 多处实操错误）

核心功能

模拟真实患者人格 / 情绪，随机生成患者档案，8 维度评估营养师沟通表现。

存在问题（零基础必看）

1. 数据格式错误
   大模型节点不支持嵌套数组 /object，直接传入会无法识别，必须先用代码节点解析成字符串再传入。

1. 节点冗余
   用复杂代码节点 + 意图合并，替代简单分支节点（用户输入仅 “报名字”“开始练习”“介绍” 3 种情况，分支节点直接搞定）。

1. 逻辑错误
   「合并意图」无效：if/else 分支每次只走一条线，不可能同时接收多个数据，合并无意义。

1. 迭代节点误用
   8 维度评估是已知固定维度，用并行分支即可，迭代节点会导致排查困难、运行缓慢。

优化方案

1. 嵌套数组→代码节点转字符串→传入大模型。

1. 删除冗余代码 / 合并节点，用规则分支节点处理用户输入。

1. 8 维度评估用并行分支，替代迭代节点。

1. 对话历史用会话变量保存，确保多轮记忆稳定。

案例 2：跑步计划生成系统（产品思维缺失 + 流程冗余）

存在问题

1. 反人类设计：让用户直接输入 JSON，完全不符合产品逻辑。

1. 冗余操作：用户已输 JSON，还额外提取字段，多此一举。

1. 节点滥用：6 个大模型节点并行，运行超慢（≥30 秒）。

1. 输出不合理：最终输出 JSON，用户无法直接使用。

优化方案

1. 让用户输入自然语言（如 “我要减脂跑步”），模型自动提取参数。

1. 删除冗余提取节点，1 个大模型节点直接生成计划。

1. 输出纯文字计划，而非 JSON。

案例 3：附近美食搜索系统（流程断裂 + 场景考虑不全）

存在问题

1. API 调用后无后续：高德 API 获取坐标 / 餐厅后，代码执行结果未对接输出，流程断裂。

1. 重复输出：用户选餐厅后，重复输出详情，无意义。

1. 场景缺失：未处理用户 “再找其他”“取消” 等需求，流程卡死。

1. 信息不足：仅输出价格 / 距离，未加评价、标签、图片等实用信息。

优化方案

1. API 执行结果→赋值会话变量→对接输出节点。

1. 删除重复输出步骤。

1. 增加分支处理用户二次需求，用会话变量保存历史搜索记录。

1. 丰富输出信息（评价、标签、门店信息）。

案例 4：其他常见问题

1. 附件上传按钮消失：未开启「文件上传」功能，开启后即可显示。

1. 发票审核效果差：提示词 / 流程未更新，按课程标准优化即可。

1. 结构化输出提示报错：工具未适配模型，直接忽略提示，正常使用（当前大模型都支持 JSON 输出）。

三、往期作业核心问题（1-2 节课，必纠）

第 1 节课作业：为什么对大模型说 “谢谢” 会浪费成本？

核心正确答案

1. 大模型必须回复所有输入，“谢谢” 是有效输入，模型会生成 “不客气” 等回复。

1. 回复过程会消耗 TOKEN（成本），且无任何实际价值。

1. 用户对话无法训练 / 优化模型（训练 / 推理完全分离，无奖励机制）。

常见错误

• 认为 “谢谢会训练模型”“形成正反馈”“优化 AI 能力”（全错）。

• 用 AI 代写答案，未理解核心逻辑。

第 2 节课作业：大模型如何推理出答案？

正确极简流程（必背）

1. 把输入文字切分成TOKEN。

1. 每个 TOKEN 转成高维向量。

1. 注意力机制：每个 TOKEN 参考前文，更新自身向量。

1. 用最后一个 TOKEN 的向量，在词表中找最相似的 TOKEN（概率选择）。

1. 逐字生成，直到结束。

常见错误

1. 乱用术语（自回归、Transformer），未理解真实含义。

1. 认为模型 “检索答案”“理解语义”“组装文本”（错误）。

1. 遗漏概率随机选择（这是模型产生不确定性 / 幻觉的核心）。

四、实操避坑指南（10 条黄金规则）

1. 嵌套数组 /object：必须用代码节点转字符串，再传入大模型。

1. 多轮对话记忆：只用会话变量，别依赖模型自带记忆。

1. 节点选择：已知条件用分支 / 规则判断，未知数组才用迭代。

1. 结构化输出：工具提示报错直接忽略，当前模型都支持。

1. 产品设计：别让用户输 JSON / 代码，用自然语言交互。

1. 节点冗余：能 1 个节点搞定，绝不加多余代码 / 合并节点。

1. 并行节点：大模型节点别超过 3 个并行，否则运行极慢。

1. API 调用：执行结果必须赋值变量 + 对接输出，避免流程断裂。

1. 幻觉规避：明确告诉模型 “不知道就说不知道，别编造”。

1. 成本控制：删除无意义对话（如谢谢 / 不客气），减少 TOKEN 消耗。

五、学习建议

1. 先吃透1-2 节课基础知识点，这是后续所有实操的核心，没学会别做高阶作业。

1. 做流程前先画简单流程图，明确每个节点的作用，避免冗余。

1. 遇到报错先查：数据格式（是否嵌套数组）、节点选择、会话变量是否赋值。

1. 别用 AI 代写作业，亲自理解逻辑，才能真正掌握。

1. 第 4 节课防幻觉、RAG 实践作业，直接看课程回放，里面有完整标准答案。