AIPM课程第三天（2026-05-05），主题为大模型训练原理与提示词工程。上午从技术底层理解"模型是什么、怎么训练的"，下午从产品应用层掌握"怎么用好模型"。来源：raw/AIPM/学习笔记/Day3/（共59张图片）。
授课结构
| 主题 | 对应概念页 |
|---|---|
| 大模型定义与发展时间线 | → 大模型发展时间线 |
| 预训练原理（CLM vs MLM） | → 大模型预训练 |
| 后训练全流程（SFT/RLHF/Constitutional AI） | → 大模型后训练 |
| 提示词工程——四象限法则 | → 提示词工程四象限法则 |
| 提示词基本构成RTCC | → 提示词设计五要素（RTCC 是其中前 4 要素） |
| Few-Shot少样本提示 | → Few-Shot少样本提示 |
串联逻辑
上午建立"模型从何而来"的技术心智模型——预训练决定模型"会什么"（能力上限），后训练决定模型"怎么说"（行为方式）。下午转向"产品侧怎么驾驭模型"——四象限法则先判断场景类型，再用RTCC结构化输入，必要时用Few-Shot投喂。主线是从底层原理到应用方法的衔接。
课堂笔记要点（独有洞察）
- PM需要理解训练原理的核心目的：知道模型的能力边界从哪来，才能做好选型和产品设计
- 预训练决定"会什么"，后训练决定"怎么说"——PM要理解这个分层
- Prompt是编码过程（本意→文意），AI输出质量直接取决于编码质量
- 四象限法则的基线会随AI能力增强而推移——今天需要"学习"的，明天可能已是"助理"
- DeepSeek路线的独特之处：纯强化学习，少人工标注
相关页面
→ AIPM课程 Day2 → AIPM课程 Day4 → 大模型发展时间线 → 大模型预训练 → 大模型后训练 → 提示词工程四象限法则 → 提示词设计五要素 → Few-Shot少样本提示