在深入学习提示词和算法之前，先把工具用起来。这个阶段的目标是：理解 API Key 与 Token 机制，在本地成功运行 Dify，并熟练使用日常 AI 辅助工具。
与大模型交互最基础的两个概念，必须清楚理解才能避免安全风险和不必要的费用。
Authorization: Bearer sk-xxxx
传递给服务端。
在本地运行 Dify，数据完全自主可控，是贯穿后续所有阶段学习的核心实践平台。
docker --version 正常输出即可。git clone https://github.com/langgenius/dify.git
docker/.env.example 为 .env，根据需要修改密钥等配置。docker compose up -d
http://localhost/install，完成管理员账号注册。127.0.0.1 直接访问。
不同工具有各自最适合的使用场景，根据任务选择合适的工具才能事半功倍。
最适合的场景：日常 AI 对话、提示词调试与迭代、同一问题对比多个模型的输出差异。
核心技巧：
最适合的场景：代码补全、函数生成、代码解释、重构建议、单元测试生成。2026年已进入 Agent 编程时代。
核心模式：
最适合的场景：需要多步骤自动执行的复杂任务，如"分析代码仓库并生成文档"、"修改多个文件实现某个功能"等。深度集成阿里云百炼模型服务。
核心特性：
最适合的场景：全键盘流程序员的神器。驻留在终端中，长上下文理解能力极强，适合大型代码库理解、重构和复杂任务。
核心特性：
最适合的场景：企业级开发场景，与腾讯云生态深度集成。支持 IDE 插件和 CLI 两种形态。
核心特性：
最适合的场景：中文内容创作、文档总结、代码生成、知识问答。API 价格亲民，适合作为主力模型。
千问模型系列：
最适合的场景：泛职场人群、运营、行政、OPC（一人公司）。重度依赖腾讯生态、需要跨设备协同的用户。
核心特性：
最适合的场景：程序员、数据分析师、产品经理。需要处理复杂数据、深度分析研报、搭建本地自动化工作流的用户。
核心特性：
最适合的场景：日常办公、资料检索与处理。依托百度文心大模型底座，在知识密集型场景发力。
核心特性：