AI 入门必看：50 个术语一次讲清

每个 AI 开发者都应该知道的 50 个术语：

1. LLM：经过训练、用于预测下一个词的大语言模型
2. Token：模型读取和生成文本时使用的小块文本单元
3. 上下文窗口：模型一次能看到的文本量
4. Prompt：你给模型的指令
5. 系统提示：塑造每一次回复的隐藏指令
6. 温度：输出的随机程度或创意程度
7. 推理：运行已训练的模型以获得答案
8. 延迟：你等待响应的时间
9. 幻觉：模型自信地编造内容
10. 微调：用你自己的数据进一步训练模型
11. RAG：检索相关文档并将其提供给模型
12. Embedding：将文本转换为能捕捉含义的数字
13. 向量数据库：为快速搜索嵌入而构建的存储
14. 分块：将文档拆分为片段以供 RAG 使用
15. 重排序：对搜索结果排序，使最佳结果排在前面
16. Agent：能够自主规划并采取行动的模型
17. 工具调用：让模型使用 API、代码或搜索
18. MCP：将模型连接到工具和数据的标准方式
19. Agent 循环：思考、行动、观察、重复
20. 子 Agent：被分配任务中某一部分的较小 Agent
21. 编排：协调多个 Agent 或步骤
22. 记忆：Agent 在会话之间记住的内容
23. 护栏：阻止不安全或偏离主题输出的规则
24. 提示注入：欺骗模型做出不当行为的隐藏文本
25. 越狱：绕过模型安全规则的提示
26. 评估：衡量 AI 表现的测试
27. 基准测试：用于比较模型的标准测试
28. LLM 作为评判者：使用一个模型为另一个模型的输出打分
29. 基准事实：你用来测试的正确答案
30. 结构化输出：强制模型以 JSON 或固定格式回复
31. 函数模式：模型可以调用的工具的定义
32. 流式传输：在生成响应时逐词显示
33. 缓存：重复使用过去的结果以节省时间和金钱
34. 提示缓存：重复使用重复的提示前缀以降低成本
35. 速率限制：你每分钟允许的请求数
36. 开放权重：你可以下载并自行运行的模型
37. 蒸馏：训练一个小模型来复制大模型
38. 量化：缩小模型以使其运行更快、成本更低
39. LoRA：一种仅微调模型一小部分的低成本方法
40. GPU：运行 AI 模型的芯片
41. 多模态：处理文本、图像、音频或视频的模型
42. 推理模型：在回答前逐步思考的模型
43. 思维链：模型先写出其推理过程
44. 少样本：在提示中给模型示例
45. 零样本：完全不给示例直接提问
46. Vibe coding：通过向 AI 描述来构建软件
47. 测试框架：编码 Agent 周围的工具和规则设置
48. CLAUDE.md：Claude Code 每次会话都会读取的项目规则文件
49. 技能：Agent 在接近时加载的可复用指令