导读：「AI说人话」让你知道大模型能干什么；通关正篇会拆 Transformer 骨架。中间缺一块：看见 (2, 16, 768) 不发慌。预备第 01 篇只办这一件事。
封面图
📚 系列导航 · 按你的定位选线
- AI杂谈 · 神器实测 · Hermes：热点 / 选型 / 源码
- ▶ AI技术栈通关手册·预备篇（4 篇）：说人话 → 通关正篇的桥
- AI技术栈通关手册·正篇：从 Transformer 到部署
你正在读 · 第 0 阶段 · 预备 01/04 · 张量与形状
1. 先划重点：三句话版本
| |
|---|
| 张量是啥？ | 带「形状」的数字块——可以是一个数、一排数、一张表、一摞表。 |
| 为啥总写 (B, T, d)？ | 批量多少条、每条多长、每个位置多「宽」——调试时先对形状，再对公式。 |
| 这篇要学到什么程度？ | 会读 shape、会想象数据怎么排；不要求你写训练框架。 |
2. 开场：为啥说人话读完还是懵
你已经知道：大模型聊天、RAG 查资料、Agent 调工具。
一打开通关文章，却满屏：
bashx: (batch, seq_len, hidden_dim)
别慌，这是两套语言：说人话讲「能力」，通关讲「数据长什么样」。
预备篇不讲 Transformer 细节，先让你学会第二种语言的字母表。
2.1 本篇和既有系列的区别
3. 从冰箱里的鸡蛋盒说起
把「张量」想成可叠放的鸡蛋盒：
在代码里，人们习惯叫 tensor（张量）——你暂时把它读成「带形状的数组」就够。
bash标量 ·向量 · · · ·矩阵 · · · · · ·批量矩阵 [矩阵] [矩阵] [矩阵] ← 最常见：一次处理多条样本
4. 形状（shape）：先念出每个数字
AI 代码里几乎处处是：
shape = (2, 8, 128)
请强制养成习惯：从左往右念人话：
所以 (2, 8, 128) =
2 句话 × 每句 8 个 token × 每个 token 128 维特征。
形状拆解不同框架维序偶有差别，但 「批量 · 长度 · 特征」 这种三维，在大模型里你会看到到腻。
5. 最小伪代码：创建一个张量长什么样
不必会 PyTorch API 全家桶，认这两句即可：
python# 伪代码：造一个「2 条样本 × 4 个位置 × 8 维」的块x.shape → (2, 4, 8)# 取出第 0 条样本、第 3 个位置的那根 8 维向量x[0, 3, :] # 长度 8 的向量
索引直觉：先选哪一条 → 再选哪个位置 → 再看特征。
常见报错 size mismatch，人话就是：
左边以为是 (2, 8, 128)，右边给了 (2, 8, 64)——宽对不上，后面全白搭。
6. 为啥「形状」比公式重要
通关正篇会写：自注意力、FFN、残差……
每一块都可以先当成一个黑盒：
bash输入形状 ──► [某层] ──► 输出形状
很多层（Attention、FFN、残差）在 Decoder 里会保持：
bash(B, T, d) ──► (B, T, d)
只有最后输出头常常变成：
bash(B, T, d) ──► (B, T, vocab_size) # 词表有多大，最后一维就有多大
你会发现：还没懂公式，只要形状对得上，就已经能跟着数据流走——这正是预备 04 和通关 01/02 要用的读图法。
7. 你暂时不必会的（刻意砍掉）
为了不吓跑说人话读者，本篇明确不讲：
你只需要：看见 shape 能翻译成人话。环境安装、完整 notebook，走文末私信附件。
8. 工程上的坑
| | |
|---|
| 把 batch 当序列长 | | |
| 忽略最后一维 | | |
| 只看报错英文 | | 报错里找 expected vs got 的两个 shape |
| 一上来抄大模型代码 | | |
9. 六个洞察
六个洞察 | | |
|---|
| 张量=带形状的数字块 | |
| 先念 shape 再谈公式 | |
| (B,T,d) 是通用方言 | |
| 很多层形状不变 | |
| 输出头才改最后一维 | |
| 预备的目标是读图 | |
10. 跟你有什么关系？
说人话读者： 这是你进入通关世界的字母表。会一点 Python 的人： 把「数组」升级成「带业务含义的维」。下一站： 预备 02——这些数字块上，模型到底在算什么乘加、为啥要 GPU。
11. 写在最后
你会用 ChatGPT，说明你已经跨过「敢碰 AI」； 会读 (B, T, d)，说明你开始跨过「敢碰结构」。
下一篇我们不讲架构名词，只讲一件事：模型几乎全在做矩阵乘加，以及显存/算力各自卡什么。
今日互动：用一句话翻译 shape=(4, 32, 256)？评论区打出来练练～
👍 点赞 + 在看，转给「说人话读完想进阶」的朋友。
📮 下期预告：《预备02 · 模型到底在算什么——矩阵乘、显存与硬件直觉》
11.1 📦 需要练手 notebook？
私信 「技术栈预备01」，领取最小张量读写示例（可选）。
「AI技术栈通关手册·预备篇」第 01 篇。为衔接正篇而作；不替代系统 Python 教程。
