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。
学习路径：
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。
Agent 模式理解：
Qoder 的 Agent 模式会自动思考任务步骤、调用文件读写工具、执行代码，形成"思考 → 行动 → 观察"的循环，直到任务完成。这是第四阶段 Agent 学习的绝佳实践案例。
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：