“底层”在这批材料里有两个入口：一是模型为什么能学（Hinton 的信念），二是用 AI 时真正决定成败的上下文与任务处理方式。想动手理解，从后者入手更快见效。
AI根据立正公开的文章和视频整理，不是他本人回复。重要的判断，请回到出处核对。
底层分两层：模型原理与使用原理
一层是模型本身为什么成立。刘嘉教授研究 Hinton 多年，认为支撑他熬过 AI 寒冬的不是“这个方法现在有效”，而是一个更深的信念：大脑由神经元连接构成，智能从结构中涌现，那么模拟这个结构，智能就没有不出现的理由1。这解释的是神经网络这条路为什么值得走，属于原理层。另一层是使用层：真正拉开差距的不是多知道 agent、harness 这类名词，而是处理任务的方式——什么时候多给上下文、什么时候少给，复杂任务怎么拆，哪些环节必须人判断，出错时能定位是模型能力不够、上下文没给够，还是中间环节出了问题2。想“了解底层”，先想清楚你要的是哪一层。
上下文是使用层最实的底层
材料里的观点把上下文管好，是使用层里最接近“底层”的一件事。有材料把上下文基础设施拆成三层：概念层画出团队的上下文散落在哪、哪些该被日常调用、哪些该长期沉淀；技术层做分层记忆、按需加载、持续提炼和规范注入；工具层用具体工具和流程把它跑起来3。核心判断是 AI 的上下文窗口有限，全塞进去会撑爆，什么都不给又等于空壳，所以要让它自动找到并加载刚好够用的那部分3。如果你只是想理解 AI 怎么被用好，这一层比模型参数更值得先看。
材料没有覆盖模型训练、数学原理等更技术性的底层内容，Hinton 那部分也只是信念层面的转述。
出处
- 1对话清华大学刘嘉教授：站在脑科学的顶端看AI，人类智能注定要被AI取代，这也是我的存在意义
想理解模型原理层的“底层信仰”，这份对 Hinton 思想的转述最直接。
- 2AI的正确打开方式：不学概念，学动作
想理解使用层为什么名词不重要、处理任务的方式才重要，这份讲得最清楚。
- 3你团队的 AI 效果不好，问题不在模型，在 Context
想把上下文当作使用层的底层来理解，这份给了完整的三层拆解。
你也有想问的？
卡住的时候，问问立正：回答附有出处，可以点回原文核对。
也可以接着问：
别人还问了
- 总觉得现在学习新东西，技术没有什么意义了，因为ai能比你做的快10倍，同时也觉得任何东西/poc都没有门槛，我能几天之内学习新的技术，并deliver。如果我能，我相信别人也能，那我的竞争力到底在哪里？ 学更广的知识还是干别的什么？
几天做出一个能跑的东西，只证明你当下交付得快，不证明能力留在你身上。竞争力更可能来自撤掉帮助后仍能判断、拆解和交付，以及别人做不出来的深度。
- workbuddy普通人怎么用
普通人用 AI 的关键不是学会某个工具，而是从“偶尔用一用”变成“让 AI 成为核心生产力”，并围绕自己反复做的一件事持续积累。
- 如何学习 ai
学 AI 要当手艺练，不是当知识背：围绕真实任务动手，用“撤掉帮助、隔段时间、换个条件还能不能做”来检验自己是否真会。
- ai时代如何赚钱？
立正认为AI时代赚钱的关键不是抓住某个风口，而是把认知和方法练出来：用经营者的视角看待工作，学会识别真正创造价值的事，并且相信赚钱的唯一方式是给别人创造价值。
- 课代表一直说要像学习一门手艺一样工作，这个怎么理解，什么是手艺，学习手艺的时候需要注意什么，如何精通一门手艺？
手艺不是熟练重复，而是能不断往深里钻研、越做越发现学问的活能力；学它靠动手试错，精通靠长期坚持。
- ai时代，我应该怎么了解我想做，可以做的事，作为马上就要毕业的大学生，我应该怎么样去求职。
先别急着海投简历，花一两天认真想清楚：不靠公司，你能给别人提供什么价值；再花几周去真实试一次。