AI 编程第一课：模型是概率机器，别指望它两次给同一个答案
前言
Cursor 官方出了套免费课程（Cursor Learn），教开发者怎么用 AI 写代码。不讲机器学习，不讲训练模型，就讲一件事：怎么把 AI 模型用明白。
这是系列第一篇，讲根基：模型到底是怎么工作的。 " 原文有个开场比喻很准：把 AI 模型理解为"超智能的通用 API 端点"。你集成 Stripe 处理支付、用 Twilio 发短信，同样可以调用 AI 模型干各种活。
最大的区别只有一个：你无法保证每次得到相同的结果。
课程地址：https://cursor.com/cn/learn
一、这一课的身份
- 谁写的：Cursor 官方，AI 编辑器厂商
- 教什么：模型工作原理、怎么选模型、局限在哪——AI 编程的心智模型
- 不教什么：机器学习原理、模型训练
- 用谁举例：Cursor，但所有模式适用于任何 AI 产品
定位是"用 AI 写软件的学前班"。听起来基础，但很多人用了两年 AI 编辑器，心智模型仍然是错的——这正是值得写它的原因。
二、确定性 vs 概率性：一个词的区别
传统软件是确定性的。同样的输入，跑一百次结果一样。因为路径是开发者写死的。
AI 模型是概率性的。同样的输入，它可能走很多条不同的路。
模型的输出基于两件事：训练时学的信息，加上你给的提示。它的工作方式是预测下一段文本——"生命的意义是什么？请用一个词回答"，它预测的是下一个词该是什么。
由此推出两条重要结论：
- 相同的模型和提示，可能给出不同的回答
- 模型不总是遵循你的指令——包括"只回答一个词"这种简单约束
第二条是无数痛苦的根源。你让它只改这一个函数，它顺手重构了半个文件。不是它调皮，是概率机器天然如此。与 AI 协作的第一课：验证它的输出，永远别默认它对。
三、怎么选模型
课程给的框架很朴素，三个维度：智能、速度、成本。
- 又快又便宜的模型，难以解决需要深入思考的技术问题
- 慢且贵的模型，能在复杂任务上"思考"更久，持续推进问题解决
- 又聪明又快又便宜的模型不存在——存在与否取决于你的场景
这个框架妙在它把"哪个模型最好"这个问题消解了。没有最好的模型，只有匹配场景的模型。改个错别字用旗舰模型是烧钱，让便宜模型设计系统架构是自虐。就像过城市：走路免费但慢，打车快但贵，主动权在你。
另外记住一点：几乎每月都有新模型发布，前沿水平不断被重塑。上个月的能力边界，这个月可能就被改写。
四、模态：不止打字
与模型交互的方式（模态）不止文本一种。写代码场景下至少三种：
- 文本描述要建的产品，和 AI 协作定计划
- 图像分享 UI 线框，或指出间距颜色哪里不对
- 语音口述长指令，免打字
模型质量在快速提升——几年前的视频生成还很糟，现在已相当逼真。多模态输入对编程的实际意义：设计稿可以直接作为输入，不用再用文字转述"这个按钮圆角要 8px"。
五、风险点
这篇基础的"风险"其实就是模型的本质局限：
- 不确定性传染。同一提示两次结果不同，意味着依赖 AI 输出的流程不能假设可复现——测试、评审、验证环节省不得
- 指令遵循是概率不是承诺。约束写得再清楚，也只能提高遵循概率，不能保证
- 知识有截止日期。模型只知道训练时见过的东西，新框架新 API 可能一无所知，还说得胸有成竹（幻觉，系列后续课的主题）
- "每月新模型"的代价。你的使用经验会快速贬值，别把工作流绑死在单一模型的行为习惯上
记住
把 AI 模型当作超智能的 API 端点来用，但记住它和其他 API 的本质区别：概率性。
两条铁律：别假设两次结果相同；别假设它一定听你的。
选模型只看三件事：智能、速度、成本——按场景配，不追旗舰。
参考资源
- 课程：https://cursor.com/cn/learn/how-ai-models-work
- 系列下一篇：上下文与工具调用