AI 编码术语到底在说什么?这份词典 57 个词条把黑话翻成了人话

项目卡片

• 项目：dictionary-of-ai-coding^[1]
• 状态：57 词条 / 1k+ Stars / 5 天内从零增长
• 一句话判断：AI 编码领域的”术语黑话翻译器”，信息密度远超同类文档，适合所有正在用 AI 写代码的人读一遍。

用 AI 写代码这件事，有一个隐性门槛：你得先听懂行话。

context、context window、session、contextual knowledge——四个词都带 context，到底在说什么？hallucination 说”模型编了东西”，但到底是记错了还是读漏了，处理方式完全不同。

Matt Pocock 的 dictionary-of-ai-coding^[2] 做了一件事：57 个术语，逐个拆开，用开发者对话演示用法，再标出哪些说法该避免。 项目本身就是一个 GitHub 仓库，纯 Markdown，不需要安装任何东西。

Matt Pocock 是谁？TypeScript 社区知名教育者，Total TypeScript 创始人，newsletter 订阅者 62k+。他做这件事的动机写得很直白：“AI 编码的困惑有很大一部分是被制造出来的——一整条 VC 资助的经济链条受益于让它保持难懂。” 项目 5 月 1 日创建，5 天 38 个 commit，目前 57 个词条。

这 57 个词条不是随意罗列，而是按 7 个章节组织，从底层模型一路讲到工作模式：

1. The Model — Model、Token、Training、Inference……模型本身是什么
2. Sessions, Context Windows & Turns — Context、Session、Context window、Stateless/Stateful
3. Tools & Environment — Tool、Tool call、MCP、Sandbox、Permission mode
4. Failure Modes — Hallucination、Sycophancy、Attention degradation、Smart zone
5. Handoffs — Clearing、Compaction、Handoff artifact、Spec、Ticket
6. Memory and Steering — AGENTS.md、Progressive disclosure、Skill、Subagent
7. Patterns of Work — AFK、Human-in-the-loop、Vibe coding、Grilling

这个结构本身就是教学设计。读一遍下来，你脑子里的概念会从散装变成有层级的。词条之间有大量交叉引用——第一个出现的术语会链接到它自己的定义，形成一个可以自由跳转的网。比如你从 Hallucination 跳到 Attention degradation，再跳到 Smart zone，几条读完，context 退化这件事的前因后果就串起来了。

词典类项目的通病是：每条都写，但每条都浅。这个项目反着来——每条很短（平均 65 词），但几乎每条都在做区分。

比如 Hallucination 这条，直接拆成两种：

• Factuality hallucination——模型凭空编造。原因是 parametric knowledge 有缺口，修复方式是加载正确的 contextual knowledge
• Faithfulness hallucination——模型没读进去已经给它的东西。原因是 attention degradation，修复方式是 clear 或 compact

同一个词，两种原因，两种修法。这个区分直接决定了你下一步该做什么。

再比如 Smart zone / Dumb zone：session 开始时 agent 处于”聪明区”，越往后越进入”愚蠢区”——同一个模型，同一个 harness，只是 context 变多了。”大约在 100,000 tokens 左右开始变蠢，但这个数字有争议。”这条没有学术论文背书，但它精准描述了大量 AI 编码用户的体感。

大约四分之一的词条带有一个 Avoid 部分，明确标注哪些说法容易误导。这个设计不常见，但非常有用：

• Agent 条：避免说 “the AI”、”the bot”——太模糊，掩盖了你说的是参数本身还是被 harness 化了的东西
• Vibe coding 条：避免用来指”低质量 AI 编码”——它命名的是审查立场，不是代码质量
• Automated check 条：避免说 “feedback loop”——那把 check 和 review 混在一起了

这些标注暴露了一个事实：很多关于 AI 编码的讨论之所以混乱，不是因为技术难，而是因为术语没有被精确定义。 你以为在和同事说同一件事，其实脑子里指的是不同的东西。

每个词条都以一段对话结尾，不是教科书式的造句，而是开发者之间真实的交流场景：

“它一直捏造类型里没有的字段。”

“类型文件不在 context 里——它在读调用处然后猜。把定义读进去。”

“Claude 今天太烂了。他们是不是推了个更差的版本？”

“多半不是——模型输出是非确定性的。同一个任务你会有好日子和坏日子。明天再试一次，先别急着找原因。”

这种写法的好处是：你不仅学到了术语的定义，还学到了什么时候该用这个术语来诊断问题。对话里的角色会引用其他术语，形成一种自然的概念串联——读到 Non-determinism 条的时候会提到 smart zone，读到 Sycophancy 条的时候会提到 clear，读多了自然建立起术语之间的联系。

项目的工程层面也值得一看。README.md 不是手写的——它由一个 TypeScript 脚本（internal/generate-readme.ts）从三个源自动组装，运行 npm run generate 即可重新生成：

1. dictionary/*.md — 全部 57 个词条的正文
2. internal/Curriculum.md — 词条的章节排列顺序
3. internal/README.template.md — 头尾模板

运行 npm run generate 就会重新生成 README。CI（GitHub Actions）在每次 push 和 PR 时都会检查 README 是否与源文件同步，不同步就报错。

这意味着词条的维护者只需修改 dictionary/ 下的对应文件，再更新 Curriculum.md 的顺序，README 会自动保持一致。交叉引用的链接也会在生成阶段自动从相对路径转为锚点链接。

几个典型场景：

• 用 Claude Code 写了半天代码，session 越来越长，模型开始”变笨”——翻 Smart zone 和 Attention degradation，搞清楚发生了什么
• 同事说”模型又幻觉了”，你想知道是 factuality 还是 faithfulness——翻 Hallucination
• 团队要引入 AI 编码流程，需要统一语言——把词典里的定义直接拿来当团队术语规范
• 刚接触 AI 编码工具，被 context、session、tool call 这些词绕晕——从头到尾读一遍

不太需要的：已经对 LLM 架构和 agent 模式有系统了解，这些术语对你来说没有新信息。

一天能读完，但它解决的问题会一直伴随你的 AI 编码实践：当你遇到 context 退化、模型”变蠢”、同样的 prompt 不同表现这些问题时，你能准确描述发生了什么，而不是含糊地说”AI 今天不太行”。

Matt Pocock 项目的 README 开头有一句话：“基本规则一个下午就能学会。一旦你有了这些词，整件事就不再像在猜了。”

这个词典就是帮你拿到这些词的。

如果这篇对你有用，建议点个关注。我会持续把 GitHub 上值得用的 AI 工具拆成「最短上手闭环 + 坑点清单 + 可复用配置」，让你少走弯路。

引用链接