普通人的AI奇遇记

LLM就像一个读过海量书籍的人。读过的不是几本、几千本，而是互联网上几乎所有公开的文字——新闻、论文、小说、代码、聊天记录。

读完之后，它学会了一件事：给定一段话，预测下一个词最可能是什么。就这一件事，反复做，做到极致，就成了你现在用的 ChatGPT、Claude、文心一言。

是不是有点像是萝卜纸巾猫，全靠蒙，但总能蒙对的。

训练（Training）

训练，不是人教它一句一句背。而是把海量文本喂给它，让它不断猜下一个词是什么，猜错了就调整内部参数，猜对了就强化，如此循环几千亿次。

就像一个孩子学说话——没人逐字教，但听得多了，自然就会了。只不过这个孩子，用了几千块顶级显卡，跑了几个月。

参数（Parameters）

参数，是模型内部的数字权重，决定它对每个词、每种语境的理解偏好。参数越多，模型能记住的模式越复杂。GPT-4 据说有上千亿个参数。

你可以把参数理解成大脑里的神经连接——连接越多，处理越精细。

推理（Inference）

训练完，模型就能用了。用的过程叫推理：模型接收你的输入，经过内部计算，输出回答。

训练是学习阶段，推理是应用阶段。训练要烧很多钱，推理相对便宜——这也是为什么你能用几块钱的会员费，调用一个训练成本上亿的模型。

幻觉（Hallucination）

这不是说模型会产生幻觉，而是说它有时会一本正经地胡说八道。它给你编一个不存在的论文引用，给你写一段错误的历史，语气笃定，格式完美，就是内容是假的。

因为它的本质是预测下一个词，不是查证事实。它不知道自己不知道。

使用AI时，涉及事实、数据、法律条文，务必自行核实。

小明第一次认真用AI写方案，输入了六个字：帮我写个方案。

AI回了一大段。措辞流畅，逻辑清晰，和他要的东西毫无关系。

旁边的同事老陈凑过来看了一眼，笑了：你这叫白纸问路。你都不知道去哪，它怎么带你走？

提示词（Prompt）

提示词，就是你发给AI的那段话。它不是搜索词，更像是你给新来实习生下达的任务说明。

你说帮我写个方案，实习生不知道你是做什么行业的，不知道方案给谁看，不知道要多长——他只能猜。

小明重新写了一段：背景是什么、受众是谁、目的是什么、大概多少字、语气要正式还是活泼。AI给出的结果，和第一次判若云泥。

系统提示（System Prompt）

系统提示，是在你开口之前，产品方就已经悄悄塞给AI的一段指令。它规定了AI的角色、语气、能做什么、不能做什么。

你用某个客服机器人，它总是彬彬有礼、只聊产品相关话题——那不是AI天生如此，是系统提示在约束它。

上下文窗口（Context Window）

用了几天，小明发现AI开始忘事了——明明前面说过的信息，它好像没记住。

AI不是真的在记忆，它只是在处理一个窗口里的文字。窗口有上限，超出上限的内容，AI就看不到了——就像一张纸写满了，前面的字被推出去了。

Token（词元）

这个窗口的大小，用Token来衡量。Token是AI处理文字的基本单位。中文里一个汉字约等于1-2个Token。

早期的模型窗口只有几千Token，现在的主流模型已经扩展到几十万甚至更多，可以一次处理一整本书。可以预见，未来的Token经济会火起来，算力在未来会成为一个国家的核心竞争力（重仓人工智能与算力相关的股票就对了，不构成投资建议，需谨慎）。

RAG（检索增强生成，Retrieval-Augmented Generation）

想象你要参加一场开卷考试。考前你把所有资料整理好放在桌上，考试时先翻资料找到相关段落，再结合自己的理解写出答案。

RAG就是给AI做了同样的事：先从外部知识库里检索出相关内容，再把这些内容塞进提示词，让AI基于真实资料来回答。

目前常用的ima、notebokklm都支持知识库，包括很多在线的AI，如秘塔、KIMI都支持这些功能了。

向量数据库（Vector Database）

普通数据库靠关键词匹配查找。向量数据库存的是数字坐标——每段文字都被转换成一串数字，代表它在语义空间里的位置。

意思相近的句子，坐标距离就近。用户提问时，系统先把问题转成坐标，然后找距离最近的内容取出来交给AI。这就是语义检索，比关键词匹配精准得多。这与我们检索文献很像，有时候需要先去查叙词表，找到相近的词语，才能最全面地掌握文献。

Fine-tuning（微调）

在已有大模型的基础上，用特定领域的数据继续训练，让模型的行为更贴近特定场景，这叫微调。

例如，一个名校毕业的通才，入职后参加了三个月的岗前培训。他原有的知识没有消失，但说话的方式、处理问题的习惯，都变得更符合这家公司的要求了。

多模态（Multimodal）

多模态，就是AI能同时处理多种类型信息的能力——文字、图片、音频、视频。

你可以给它一张产品图，让它写文案；给它一段录音，让它整理成文字。模态就是信息的类型，多模态就是多种类型都能处理。

目前市面上有很多种类型的大模型，他们在处理不同任务的时候表现是不一样的，需要用户自己选择。

MCP由Anthropic公司提出，是AI连接外部工具的统一标准。

全世界的充电器曾经五花八门，后来统一了USB-C接口。MCP做的事情类似——让不同的AI模型和不同的外部工具，能够用同一种方式握手、交换信息。

工具调用

（Tool Use / Function Calling）

AI在回答过程中，主动调用外部工具获取信息，再整合进回答。比如：你问今天上海天气怎么样，AI调用天气API查询，再告诉你结果。

这让AI从只会说话变成会查资料、会计算、会联网。

API（应用程序接口，Application Programming Interface）

想象一家餐厅。你不需要走进厨房，只需要告诉服务员你要什么，服务员把需求传进去，厨房做好了再端出来。API就是这个服务员——两个系统之间的标准化通道。

你用的很多APP里内置的AI功能，背后都是在调用OpenAI或其他厂商的API，按Token计费。这些厂商都是cook,在烧你Token。

CLI

（命令行界面，Command Line Interface）

CLI是通过在黑色窗口里打字输入指令来操作程序的方式，区别于点击图标的图形界面。

Claude Code、各类AI开发工具，很多都通过CLI使用。普通用户不需要掌握，但看到这个词，知道它是一种操作方式即可。但事实上，目前的自然语言编程已经发展到了可怕的地步，只要你能用白话能把需求讲给AI，他大概率能够为你实现。因此可以多尝试使用原生的CLI，这是符合底层代码的语言。

Agent（智能体）

普通AI：你问一句，它答一句，然后停下来等你。

Agent不一样。你给它一个目标，它会自己拆解步骤、调用工具、执行操作，一路推进，直到任务完成。

打个比方：普通AI是前台，你说什么它做什么。Agent是项目经理，你说帮我把这份报告发给客户，它会自己找文件、写邮件、点发送。

OpenClaw、Manus、Coze这类产品，本质上都是Agent框架。国内目前腾讯的workbuddy、Qclaw等也很快实现了这些功能，但有待进一步完善。

工作流（Workflow）

如果任务流程是固定的，每次都走同一条路，这叫工作流。

比如：收到订单→检查库存→生成发货单→通知物流。每一步都是预先设计好的，AI按图索骥，稳定可靠。工作流是Agent的简化版，适合流程标准化的场景。

这也意味着，程序性的工作很容易被AI取代，阿西莫格鲁的奥拓的研究诚不欺我。

多智能体（Multi-Agent）

更复杂的任务，需要多个Agent协同——一个负责搜索，一个负责写作，一个负责审核，像一个AI团队。

分享会上，有人问小明：市面上这么多AI，到底有什么区别？

小明说：先分清两层——基础模型和应用产品。

基础模型是发动机：

· GPT-4o（OpenAI）——综合能力强，生态最成熟

· Claude（Anthropic）——安全性高，长文本处理见长（本人沉迷claude，强烈推荐）

· Gemini（Google）——深度整合搜索，多模态能力强

· Llama（Meta，开源）——可私有化部署，企业定制首选

· 文心一言（百度）——中文理解强，国内业务对接顺畅

还有通义千问、KIMI、GLM等等国产大模型，不一一列举了。

应用产品是整车：

ChatGPT、Claude.ai、各类AI写作工具……

很多你用的AI产品，底层调用的是上述基础模型的API。选哪个？看使用场景和预算，没有绝对的好坏。

分享会结束，同事们鼓掌。老板说：讲得很清楚。

小明笑了笑：

这些术语，本质上是一条完整的链路——

LLM（基础）→ 提示词（沟通方式）→ RAG + 微调（让它更专业）→ MCP + 工具调用（让它连接世界）→ Agent（让它自主行动）

理解了这条链路，你就理解了AI正在发生的一切。

他不是AI专家，他只是把这些术语真正搞懂了。而搞懂，已经足够。