23集视频内容审阅与L2原创课程映射

23 集视频内容审阅与 L2 原创课程映射

审阅日期：2026-07-23。来源仅用于研究公共知识点的覆盖范围：B 站 23 集视频。页面标明“未经作者授权，禁止转载”，因此不使用原视频字幕、口播、镜头、独特案例、人物、作业和包装。

审阅方法与边界

已核对播放列表中全部 23 集的标题和时长。
23 集均无可用的公开字幕，因此对每集音轨做了本地机器转写，并逐集阅读审阅。
机器转写会有同音字和专有名词错误，本表只保留概念级摘要，不将转写文本当作可引用的逐字稿。
课程最终结构由 L2 教学目标重新设计，不沿用来源的 23 集顺序。
个别数据、历史叙述、品牌表现和学术类比未经原始来源验证，不直接进入我们的课程。

23 集逐集审阅表

集	标题·时长	公共知识点摘要	明确不照搬的内容	L2 原创改造与位置
01	什么是 AI·06:59	AI 与固定程序的区别；感知、学习、推理、规划、交互与现实影响	微波炉/自动门/咖啡机器人猜题，五感解释顺序，品牌产品和科幻人物	第 01 讲用“写死的值日表与会从例题学习的学生”重讲；第 06、07 讲拆出行动与边界
02	机器是怎么学习的·06:27	数据、特征、标签、从例子学规律并对新样本预测	Google 猜画工具、猫狗识别镜头、宗教人物与 ImageNet 数量类比、品牌语音助手	第 21 讲用“练投篮”讲猜测—误差—调整，再补有监督/无监督/强化学习
03	什么是算法·06:39	算法是为解决问题设计的步骤和规则；输入—处理—输出	做蛋糕全套类比，机器人老师走到门口的逐步作业	第 22 讲改用“食谱是方法，完成的汤是成果”区分算法与模型；第 30 讲用软件验收流程实践算法思维
04	什么是模型·04:49	模型是为目标保留现实关键特征的简化表示；AI 模型是训练成果	城市沙盘、飞机/人体模型、天气预测叙事，未核实的具体参数规模	第 22 讲聚焦“算法＋数据＋训练→模型”；第 03 讲只说语言模型的下一 Token 预测
05	训练一个模型·03:31	收集分类数据、保持角度多样、训练、测试和未知类别问题	具体无代码工具操作流程，苹果/香蕉/橙子类别和猜拳作业	第 23 讲改成通用的六步流程，补上训练/验证/测试集、数据泄漏和上线监测
06	什么是生成式 AI·06:27	分类模型判断已有内容，生成模型创造新内容；都依赖数据	猫狗混合体、赛博城市等展示镜头，产品名举例和分类小测验	第 02 讲用“内容厨房”讲生成；第 29 讲单独解释扩散生图
07	大语言模型运作原理·06:24	根据上文预测下一语言单位；流畅不等于真实；幻觉风险	多人故事接龙、具体开头续写、律师案例讲法，未提供原始评测来源的产品“幻觉率”数字	第 03 讲用“超级续写器”概括；第 12 讲用 RAG 补证据、引用和不确定性规则
08	什么是推理模型·05:53	把复杂问题拆成小步骤，中间计算能缩小后续生成范围	苹果/橙子算术题、减肥计划、“模型是否真思考”原论证路线	第 04 讲改用项目计划，强调条件、拆步、比较和验证，不把长思维过程当作正确证明
09	什么是 Token·04:49	模型将文本切成 Token 处理；Token 不等于字或词；影响上下文和计费	具体中英文切词例子、特定公司计费叙述、外部 Tokenizer 工具作业	第 24 讲改用“文字小积木”，增加历史对话、工具结果也占上下文的工程视角
10	什么是智能体·05:39	Agent 具有目标、任务拆解、工具使用和一定自主行动能力	感冒预约/买药、购物下单的完整剧情，将特定推理模型直接归为“虚拟智能体”的分类法	第 05 讲用“准备周会”讲目标—计划—行动—观察；第 16 讲放入提示词/Skill/MCP 关系
11	什么是具身智能·05:30	身体与环境交互影响学习；传感、强化学习、动作和现实反馈	哲学家叙述、多个具体机器人品牌/项目、家庭机器人情景顺序	第 06 讲用仓库送件强调感知—规划—控制与急停；第 11 讲补世界模型
12	什么是对齐技术·04:36	让 AI 行为符合人的意图与安全边界；人类反馈可影响模型偏好	阿西莫夫三定律开场、Tay/GPT-3 剧情、“思想品德课”完整类比与 AGI 争论	第 07 讲用“尽快完成但不泄密/不跳审批”重讲；第 20 讲把安全放到模型外部系统护栏
13	什么是认知外包·04:06	将记忆、计算、整理等脑力任务交给工具；效率与能力退化的平衡	“AI 能否写作业”的原始讨论结构、四象限分类和具体研究预测数字	第 08 讲改用企业访谈汇总，分成交给 AI、人机合作、必须人决定三类
14	AI 会让人们失业吗·05:38	技术会替代一些任务并创造新任务；重复、规则清晰的步骤更容易自动化	历史职业故事串、被替代岗位清单、未给原始链接的岗位数量与供需比例	第 09 讲改为“分解岗位中的任务”，用财务票据处理说明自动化、增强和人的责任
15	以人为中心 AI·05:30	AI 应以人的福祉、参与、可控性和社会影响为设计出发点	对前 14 集的原总结顺序，个人/机构项目宣传故事，具体智能眼镜与环保数字	第 10 讲用招聘辅助系统重讲可解释、可修改、可申诉、可转人工
16	AI 编程：一句话生成网页应用·03:56	自然语言可驱动代码生成与迭代；AI 编程系统结合模型、工具和多步执行	具体低代码平台、点击流程、应用选题和社区作业	第 30 讲不做产品演示，而是讲“需求—小步生成—测试—审查—版本—回滚”工程闭环
17	神经网络——AI 的大脑·04:55	输入层、隐藏层、输出层；多层节点逐步抽象特征；权重和偏置	从视网膜到 V1/V2/V3/V4/IT 的完整大脑识车叙事，CNN 镜头顺序，未核实的模型参数数字	第 25 讲用“传球队”说多层小计算的合作，明确神经网络是数学结构，不是真人脑
18	动手编写神经网络·07:28	输入、权重、偏置、激活函数和输出；训练是根据误差调整参数	在线 Python 平台、“学习时长预测考试分数”的代码、公式、参数解释和作业	第 23 讲解释训练整体流程；第 25 讲只保留“权重＝信息有多重要”的初中生级解释
19	什么是 Transformer·06:38	Transformer 是神经网络架构；自注意力为上下文信息分配重要程度；词嵌入是高维数字表示	吵闹餐厅、特定句子与指代例子，国王/王后和巴黎/北京向量等式的完整讲解路线	第 26 讲改用“多束阅读聚光灯”，用“每个 Token×相关权重”做 PPT 公式
20	大模型怎么训练·06:26	预训练学通用语言模式，指令微调学任务，偏好/安全对齐调整行为	法国首都填空的完整演示，招聘/医疗/客服范例和未给来源的数据规模	第 27 讲用“广泛阅读—学做助手—补行为边界”重讲；第 28 讲分清微调/RAG/Skill
21	实战：微调大模型·05:16	收集少量高质量问答数据、转成指定格式、设定超参数、训练与试用	采访爷爷、模仿爷爷语气/声音/形象的整套项目，具体平台与数据格式演示	第 28 讲不鼓励未授权模仿真人，改为选型表与隐私/偏见审查；后续实践应用合成工单等脱敏数据
22	AI 生图原理——扩散大模型·05:45	正向加噪与反向去噪；文本提供生成方向；随机性与结构错误	猫图加噪/复原的整套镜头，品牌产品举例，原“三个提示技巧”顺序	第 29 讲用“电视雪花中找出画”重讲，并增加课程配图不直接生中文、版权审查与后期排版
23	什么是世界模型·05:17	系统在内部表示环境状态、物体持续性、行动后果与因果，用于预测未来	杯子/卡车挡小狗的开场，与精神分裂症、自闭症的不恰当类比，特定公司项目清单和首尾帧技巧	第 11 讲改用仓库路线的“脑内模拟器”，明确模拟不是现实；第 06 讲用安全停止连到现实行动

审阅后对课程的具体调整

原创课程由 20 讲扩展为 30 讲，补齐机器学习、算法/模型、小模型训练、Token、神经网络、Transformer、大模型训练、微调选型、扩散生图和 AI 编程。
将“微调”放到微调—RAG—Skill 选型中解释，避免学员误以为企业有新知识就应该微调。
在 AI 编程中补入测试、权限、版本和回滚，不宣传“一句话即可安全上线”。
在每个技术术语边上放大白话解释，并为 30 讲各制作一张 16:9 “知识公式 PPT 图卡”。
原创插图不生成中文文字；标题、公式和标注由 HTML/PPT 分层排版，解决错字和文字错位。
课程重点从少儿猜题改为 L2 学员的文档、知识库、Agent、权限、审计和企业工作流。

引用与原创使用规则

公共概念可以独立讲解，但应优先根据官方文档、原始论文和我们自己的教学目标重新组织。
需要展示来源原句、原图、原视频或特有数据时，必须核对授权和引用限度。
每集保留一份“事实来源表”和“素材授权表”，发布前由人工做事实、版权、隐私与安全审核。

结论：23 集涉及的公共知识点已全部进入 L2 原创 30 讲的覆盖表，但课程结构、语言、比喻、职场案例、图卡、练习和安全边界都已重新设计。