【AI科普】39 个 AI 术语一篇讲透(建议收藏)

大语言模型（LLM）：用海量文本"喂"出来的 AI。能读、能写、能聊天，DeepSeek、文心、通义千问都属于这一类。

参数：模型内部一堆不断调整的数字，可以理解为它"学到的经验"。参数越多，模型通常越聪明。参数量常写作 70B——B 就是十亿，70B 等于 700 亿参数，相当于模型的"脑容量"。

神经网络：搭建模型的方法，一层一层模拟人脑处理信息的方式。

深度学习：用神经网络训练模型这套方法论的名字。

生成式 AI：能生成新内容（文字、图片、音频）的 AI 统称。

AIGC：AI Generated Content，生成式 AI 产出的内容就叫 AIGC——AI 写的文章、画的图、做的视频，都算。

Token（词元）：AI 处理文字的基本单位，可以简单理解成"字块"。1 个汉字约对应 0.6～1.5 个 Token，很多 AI 工具按 Token 收费。

上下文：AI 在一次对话中能"看到"的全部内容，包括聊天记录、上传的文件等。

上下文窗口：AI 能装下的内容上限，单位也是 Token。超出窗口，最早的内容就会被"遗忘"。

嵌入（Embedding）：把文本转换成数值向量的过程，让 AI 能理解文字的"含义"。

向量数据库：存放这些向量的仓库，方便 AI 后续快速检索。

AI 幻觉：AI 编造不存在的东西——假数据、假参考文献、编造的文件名。所以涉及具体数字、时间、来源的内容，一定要自己核实。

RAG（检索增强生成）：减少幻觉的流行方法——先让 AI 去知识库里检索相关资料，再基于检索结果生成回答，相当于给它配了一本"参考书"。

多模态：AI 不只处理文字，还能看图、听音频、看视频。GPT、Gemini 等新一代模型都在走这个方向。

智能体（Agent）：你给它一个任务，它自己拆解步骤、调用工具、读文件、查网页，一步步把活干完。

数字员工：把智能体、工作流组合起来，让 AI 像员工一样自动完成一整套任务。

工作流：把固定步骤串起来让 AI 按顺序自动执行，解决"先干什么、后干什么"的问题。

训练：AI 学习的过程，分两个阶段——

推理：训练完成后，实际使用模型生成回答、完成任务的过程。

RLHF（基于人类反馈的强化学习）：让人类给 AI 的回答打分，AI 据此调整，输出更符合人类偏好。

对齐（Alignment）：让 AI 的行为符合人类价值观的整套技术，RLHF 就是其中之一。

开源模型：架构、代码、参数权重全部公开，可以下载自用或修改。DeepSeek 是典型代表，也方便本地部署、保障数据安全。

闭源模型：不公开源代码和权重，通常以 API 或网页服务形式提供。OpenAI GPT-3 之后的各代模型走的就是这条路。

提示词（Prompt）：你发给 AI 的那条指令，就叫提示词。

提示词工程：把"随手一问"变成有章法的方法体系。"背景 + 角色 + 任务 + 要求"这个公式，能让 AI 输出质量提升一个档次。

Skill（技能）：写给 AI 的操作说明书——步骤、注意事项、输出格式，类似岗位工作手册。

知识库：把自己的资料存起来，AI 需要时基于这些资料作答。腾讯 ima、飞书知识库、Obsidian 都属于这一类。

思维链（Chain of Thought）：让 AI 一步步推理再给答案，处理复杂任务时特别管用。

温度（Temperature）：控制 AI 输出随机性的参数。温度低，回答更确定；温度高，回答更多样、更有创意。

API（应用程序编程接口）：一组提前约定好的调用规则，让一个程序能调用另一个程序的能力。把 AI 接进办公系统，就是调用 API。

MCP（模型上下文协议）：一套统一标准，让 AI 能接上各种外部工具和数据——像统一插座，按标准做就能即插即用。

插件：扩展 AI 能力的附加组件，让它能调用特定工具或服务。

联网检索：让 AI 实时搜索网页获取最新信息，弥补训练数据的时间局限。

算力：运行 AI 所需的计算能力，通常用 GPU 等硬件衡量。

GPU（图形处理器）：并行计算能力强，是训练和运行大模型的核心硬件。

本地部署：把模型装在自己单位的服务器上，数据不出内网，安全性高。

云端部署：模型运行在云服务商的服务器上，通过 API 或网页访问，无需自备硬件。

39 个术语，其实就讲了一件事：

搞懂这些词，不是为了炫耀，而是为了在 AI 时代不被淘汰。

收藏这篇，下次有人跟你聊 AI，你就是那个"什么都懂一点"的人。