文科生也可以懂的AI术语入门

当我们谈论AI时，别被那些看起来高大上的名词吓到。

开篇：为什么文科生也该懂点AI术语？

你有没有过这样的经历——朋友聊起AI时，你只能默默点头，心里却在想：“他们在说什么？”或者看到科技新闻里满屏的“Transformer”“Token”“微调”，感觉像在读天书？

其实，这些术语没那么可怕。它们就像是我们理解这个时代的“暗语”——不需要你写代码、不需要你懂数学，只需要你愿意伸把手，去触摸一下这个正在改变我们生活的工具。

更重要的是，懂得一些AI术语，能帮你更好地参与对话、做出判断，甚至保护自己。毕竟，AI正在渗透到教育、工作、创作的方方面面——你不需要成为工程师，但你需要成为一个“明白人”。

这篇文章就是为你准备的。我们不追求高深，只追求“懂了”。每个术语，我会用一两句话说清楚，再给你一个生活中的小例子。放心，都是你熟悉的生活场景。

准备好了吗？让我们开始吧。

第一章：几个最基本的概念

什么是AI？

一句话解释：让计算机像人一样思考和做事的技术。

小例子：你教一个小孩子认识猫，不是告诉他“有尖耳朵、胡须、长尾巴的是猫”，而是给他看很多猫的照片——看多了，他自然就认识了。AI也是这么“学会”的：我们不直接写死答案，而是给它足够多的例子，让它自己总结规律。这就像让机器找到了“作弊”的方法——不是我们教它每一道题怎么做，而是它自己从海量例子中发现了秘密。

什么是机器学习？

一句话解释：不直接写死答案，而是让机器自己从数据中发现规律的方法。

小例子：传统编程像是“手把手教”——你写一个公式，输入数字，它算出结果。比如算工资：基本工资+加班费=总工资。机器学习则像是“潜移默化”——你让一个AI下棋，不是告诉它每一步该怎么走，而是给它看几十万盘棋局，它自己慢慢就学会怎么赢了。AlphaGo就是这种方法教出来的“棋王”。

什么是深度学习？

一句话解释：机器学习的一种高级方法，用“多层神经网络”来处理复杂问题。

小例子：想象你看一幅画——你不是一眼就读懂全部，而是先看轮廓，再看细节，最后理解含义。深度学习就是这样工作的：它一层一层地提取信息，从简单的边缘、颜色，到复杂的形状、关系，最后“看清”整幅画。人的眼睛和大脑是这样工作的，深度学习也在模仿这个过程。

什么是神经网络？

一句话解释：模仿人脑结构设计的计算模型，由很多“节点”连接组成。

小例子：想象一个大型公司的组织架构——基层员工向组长汇报，组长向经理汇报，经理向总监汇报……信息一层层传递，最终做出决策。神经网络就是这样一个层层传递信息的系统，每个“节点”就像一个员工，负责处理一小部分信息，然后传给下一个。

什么是算法？

一句话解释：解决问题的一系列步骤指令，就像食谱一样。

小例子：做红烧肉的食谱就是算法——第一步焯水，第二步炒糖色，第三步加调料，第四步小火炖……你照着做，就能做出红烧肉。算法也是一样的：告诉计算机先做什么、再做什么、最后做什么，它就能完成任务。

第二章：聊聊大语言模型

什么是LLM？

一句话解释：经过海量文本训练，能够理解和生成人类语言的AI系统。

小例子：LLM就像一个读了全世界所有图书馆书籍的人。你问他历史，他能聊两句；你问他地理，他也能接上；你让他写诗，他还能来几句。虽然不一定每句话都完全准确，但什么问题都能聊一聊。这就是为什么ChatGPT看起来好像“什么都懂”。

什么是Prompt（提示词）？

一句话解释：你给AI下达的指令或问题，相当于“对AI说话”。

小例子：这就像你给下属布置任务。你说“把这份报告整理一下”，他可能整理得面目全非；但如果说“把这份报告整理成三页纸的摘要，重点放在数据分析和结论上”，他就知道该怎么做了。对AI说话也是同样道理——说清楚了，结果就好；说模糊了，它就可能“自由发挥”。

什么是Token？

一句话解释：AI处理文本时的最小单位，可能是单词、汉字或子词。

小例子：你读书时，眼睛一次能扫过三到五个词——而不是一个字一个字地读。AI也是这样的，它不是逐个字处理，而是一“口”一“口”地吞咽文本。每“口”就是 一个Token。AI计算费用时，就是按Token数量算的。

什么是Embedding（嵌入向量）？

一句话解释：把文字转换成AI能理解的“数字密码”的方式。

小例子：我们看到“猫”这个字，会想到一种毛茸茸的动物。但AI不懂文字，它只能懂数字。Embedding就像是给每个词发一张“数字身份证”——比如把“猫”翻译成(0.8, 0.3, -0.5)这样的坐标。而且神奇的是，意思相近的词，在数学上也会离得近——比如“猫”和“狗”的坐标就比“猫”和“汽车”更接近。

什么是Hallucination（幻觉）？

一句话解释：AI一本正经地胡说八道，看起来像真的其实是编的。

小例子：就像一个很会讲故事的人。你问他“秦始皇活了多少岁”，他可能说得头头是道，但某些细节——比如“我上次在一本书里看到……”——可能是他现编的。AI很擅长“编故事”，所以重要的事情一定要自己核实，不能全信。

什么是Temperature（温度参数）？

一句话解释：控制AI输出“保守”还是“创意”的参数。

小例子：温度=0的时候，AI就像一个保守的老人，只说最有把握的话，翻来覆去就那几句；温度=1的时候，像一个正常人，偶尔会说点新鲜的；温度=2的时候，就像喝多了酒，开始胡言乱语、语无伦次。日常使用，一般设置在0.7左右比较合适。

什么是Context Window（上下文窗口）？

一句话解释：AI一次能“记住”多少内容，超过了就会“忘记”前面的。

小例子：就像短期记忆。你和一个朋友聊天，前十分钟说的内容你还记得；但如果聊了俩小时，前面说过啥可能就忘了。AI也是这样——聊太长了，它就会“失忆”，忘记最早的话题。所以长对话有时要分段，或者把重要信息重新告诉它。

第三章：几个关键技术概念

什么是Transformer？

一句话解释：当前主流的AI模型核心技术架构，让机器理解词与词之间的关系。

小例子：读这句话时——“他把书放在了桌子上，因为它太重了”——你，知道“它”指的是书，而不是桌子。因为你理解每个词和其他词的关系。Transformer就是让AI具备这种能力的技术：它不只是读懂每个词，还能理解词与词之间的联系。

什么是Attention Mechanism（注意力机制）？

一句话解释：让AI学会“抓重点”的技术，知道该重点关注什么。

小例子：你读这段话时，会不自觉地重点看关键词——“文科生”“AI术语”“入门”，而自动忽略“的”“了”“在”这些辅助词。注意力机制就是这个原理：让AI学会把“注意力”放在重要的词上，忽略不重要的。

什么是Fine-tuning（微调）？

一句话解释：在已经训练好的模型基础上，用特定数据进一步训练。

小例子：就像一个大学生，已经学了很多基础知识——语文、数学、英语都过了及格线。现在让他专门去学法律——他不需要从幼儿园开始重新学，而是在已有基础上深入。微调就是这样：先有一个“什么都会一点”的基础模型，再用特定数据让它在某个领域更专业。

什么是RAG（检索增强生成）？

一句话解释：让AI先查资料再回答问题，减少胡说八道的技术。

小例子：这就像考试时允许查教科书。不是凭记忆硬背，而是真的去找到答案再回答。RAG就是给AI配了一个“资料库”，让它先搜索相关资料，找到正确答案再输出——这样就不容易“编故事”了。

什么是Pre-training（预训练）？

一句话解释：用海量数据训练出一个“基础大脑”的过程。

小例子：就像小孩从出生到上学前的积累。虽然没有专门参加过考试，但在这期间，他学会了说话、走路、认识事物，有了基本的理解和表达能力。预训练就是给AI打基础的过程，让它“长大成人”，具备基本的“智能”。

什么是Model Training（模型训练）？

一句话解释：用数据“教会”AI模型的过程。

小例子：就像训练小狗。你喊“坐下”，它做了，就给零食奖励；它做错了，就批评一下。反复多次，它就学会了。模型训练也是这个道理——给AI看正确答案，给它奖励；看错了，给它惩罚。慢慢 它就学会了。

什么是Inference（推理）？

一句话解释：训练好的模型“上班工作”，给出预测结果。

小例子：就像老师教完学生后，学生去考试做题目。训练是学习阶段，推理是应用阶段——学完了，该上场了。模型训练需要大量计算资源，但推理相对简单，你的手机也能跑。

什么是GPU？

一句话解释：AI训练必需的“超级计算器”，擅长并行计算。

小例子：就像用挖掘机代替铲子挖土——效率完全不一样。训练AI需要算海量数据，一般的CPU太慢了，GPU就像为AI准备的“挖掘机”，能同时处理很多计算任务。所以现在GPU成了AI时代的“硬通货”。

第四章：AI有哪些应用？

什么是Agent（智能体）？

一句话解释：能自主规划、执行任务的AI系统，不只是回答问题。

小例子：就像一个靠谱的助理。你说“帮我整理一下本周的热点新闻”，他不会只回复你一句“好的”，而是会自己查资料、做分析、整理成文档、然后发给你。整个过程你不用盯着，他自己就完成了。Agent就是这种“会干活”的AI。

什么是Copilot（副驾驶）？

一句话解释：在特定场景下辅助人类工作的AI工具。

小例子：就像副驾驶帮你看导航、提醒你注意事项。真正的驾驶还是你来做，但有人帮忙盯着，会轻松很多。Microsoft Copilot就是在你写文档、做表格时，在旁边帮你提供建议的“副驾驶”。

什么是Prompt Engineering（提示工程）？

一句话解释：如何更好地和AI说话的技术活儿。

小例子：问问题也是技术。问得好，获得好答案；问得模糊，得到模糊的回复。比如你想让AI帮你写一封求职邮件，你如果说“帮我写一封邮件”，它可能写得四不像；但如果说“帮我写一封针对产品经理岗位的求职邮件，要突出我的数据分析能力和项目管理经验，控制在500字以内”，它就能写得有模有样。

什么是AI Copilot？

一句话解释：在各软件中集成的AI辅助功能，如Word、Excel里的AI。

小例子：就像有个隐形的助手帮你干活。你写邮件时，它帮你润色；你做表格时，它帮你生成公式；你做PPT时，它帮你生成内容。你感觉不到它的存在，但它确实让工作变简单了。

什么是Multimodal（多模态）？

一句话解释：能同时处理文字、图片、声音等多种形式信息的AI。

小例子：人不仅能看书，还能看图、听声音、闻味道。多模态AI也能“眼观六路、耳听八方”——你给它一张照片，它能描述照片里有什么；你给它一段录音，它能写出文字稿。你跟它说话，它还能帮你画图。

什么是Token Limit？

一句话解释：AI单次对话能处理的最大信息量。

小例子：就像打电话有时长限制。说太久就会被切断，或者需要重新打。AI对话也是这样，一次不能聊太长，超过了上限它就“记不住”了。现在主流AI的上下文窗口在几万到上百万Token不等。

什么是API？

一句话解释：让不同软件能互相“对话”的技术通道。

小例子：就像餐厅的服务窗口。顾客（其他软件）点餐（发请求），厨房（AI服务）做好端出来（返回结果）。你不需要走进厨房，只需要通过窗口点单就行。API就是软件世界里的“窗口”。

什么是System Prompt？

一句话解释：设定AI身份和行为规范的“总指令”。

小例子：就像公司给新员工发的员工手册——告诉它是什么角色、该怎么做事。你告诉AI“你是一个专业的法律顾问，回答问题要严谨”，它就会表现得像一个专业顾问。System Prompt就是给AI定下的“规矩”。

第五章：那些你可能听过的模型

GPT是什么？

一句话解释：Generative Pre-trained Transformer，生成式预训练Transformer，OpenAI开发的模型系列。

小例子：就像汽车品牌。GPT是“特斯拉”这个系列的名字，后面跟着的数字——GPT-3、GPT-4——就像是model S、model 3一样，代表不同版本。

ChatGPT是什么？

一句话解释：OpenAI推出的对话AI产品，让AI能像人一样聊天。

小例子：就像智能客服。但比普通客服懂得多得多——你问什么，它都能接上话。虽然偶尔会“胡扯”，但整体体验很像在和一个知识渊博的朋友聊天。

Claude、Gemini、Llama是什么？

一句话解释：不同公司开发的AI模型名字。

小例子：就像手机品牌——有iPhone、三星、小米一样。Claude是Anthropic公司的，Gemini是Google的，Llama是Meta的开源模型。每个都有自己的特点和擅长领域。

什么是Base Model（基础模型）？

一句话解释：未经微调的“毛坯”模型，有能力但不够专业。

小例子：就像刚毕业的大学生，找工作时“有基础知识但没有专业技能”。基础模型什么都懂一点，但不够精。微调就是让这个大学生去专门学一门手艺，变成专业人才。

什么是Instruction Tuning（指令微调）？

一句话解释：用“问答对”数据让模型学会“听指令”。

小例子：就像训练宠物听命令。问“坐下”，它就坐下；问“握手”，它就伸手。指令微调就是让AI学会准确地响应人类的各种指令。

第六章：评估与安全

什么是Benchmark？

一句话解释：用来衡量AI性能的标准化考试。

小例子：就像高考——用统一的题目比较各学校的教学质量。AI领域也有各种benchmark，比如让所有AI做同一套数学题，看谁得分高。

什么是Alignment（对齐）？

一句话解释：让AI的输出符合人类价值观和期望。

小例子：就像教育小孩。不仅仅是聪明就够了，还要有礼貌、遵纪守法、知道什么该做什么不该做。对齐就是让AI不仅仅“能干活”，还要“干正确的活”。

什么是Bias（偏见）？

一句话解释：AI在训练数据中学到的错误倾向。

小例子：就像如果只让小孩看一种类型的书，他可能觉得世界就是这样——比如只给他看王子拯救公主的故事，他可能认为世界就是这样。AI也可能“一叶障目”，从片面的数据中学到偏颇的观点。

什么是Safety（安全）？

一句话解释：确保AI不输出有害内容的保护机制。

小例子：就像给AI装上“道德刹车”。虽然它有能力，但知道什么不能说、什么不能做。比如你问它“如何制造炸弹”，负责任的AI会拒绝回答。

第七章：OpenClaw相关概念

本章介绍OpenClaw这一AI协作框架的核心概念。OpenClaw就像一个“AI团队管理系统”——它能让多个AI Agent协同工作，通过不同的通道（Channel）与用户对话，并利用各种工具（Tool）完成任务。

什么是Agent？

一句话解释：OpenClaw中的核心执行单元，能自主理解指令、调用工具、完成任务的AI实体。

小例子：就像公司里的“员工”——有明确职责，能独立完成任务，也可以和其他Agent协同工作。一个负责搜索，一个负责写作，一个负责发布——各司其职又相互配合。

什么是Session？

一句话解释：一次完整的对话上下文，包含多轮交互的历史记录。

小例子：就像一次“电话粥”——从接通到挂断之间的所有对话内容都被记录下来。即使聊了一小时后再问一句“你刚才说的那个”，Agent也能理解你在问什么。

什么是Channel？

一句话解释：AI与用户通信的渠道，如飞书、Telegram、微信等。

小例子：就像“接线员”——负责把用户的消息传给AI，再把AI的回复传回给用户。你在飞书上发消息，和在微信上发消息，用的是不同的Channel，但背后的Agent可能是同一个。

什么是Workspace？

一句话解释：每个Agent专属的文件存储和运行环境目录。

小例子：就像每个员工的“独立办公室”——有自己的文件柜和办公桌，互不干扰。Agent A处理的文件不会乱跑到Agent B的桌面上。

什么是Runtime？

一句话解释：OpenClaw Gateway启动后的运行状态，负责处理所有请求和任务。

小例子：就像公司的“营业时间”——门打开后，能接待客户、处理事务。Gateway启动后，OpenClaw就进入了Runtime状态，随时待命。

什么是Skill？

一句话解释：预定义的工具使用规范，告诉Agent如何调用特定工具完成任务。

小例子：就像“操作手册”——教会员工怎么用打印机、怎么发邮件。Skill定义了Agent“做什么”和“怎么做”的规则。

什么是Tool？

一句话解释：Agent可以调用的外部功能，如浏览器、文件读写、发送消息等。

小例子：就像“瑞士军刀”——Agent的工具箱里有各种功能：能读文件、能上网搜索、能发消息。遇到不同任务，就用不同的工具。

什么是Memory？

一句话解释：Agent存储和检索历史信息的能力，包括短期记忆（会话内）和长期记忆（跨会话）。

小例子：就像人的“记忆系统”——有瞬时记忆（当前对话里你说过什么）和长期记忆（记住你的名字和偏好）。下次再聊时，Agent还记得你上次聊过什么。

什么是Plugin？

一句话解释：扩展OpenClaw功能的模块，可以包含自定义工具和技能。

小例子：就像手机App——给手机添加新功能的扩展程序。一个新的Plugin可能给OpenClaw增加“支持微信消息”或“连接新数据库”的能力。

什么是Subagent？

一句话解释：由主Agent派生的独立Agent，用于处理特定子任务。

小例子：就像部门经理把任务交给专员去做——主Agent分配任务，说“你去查资料”，子Agent就去执行，完成后汇报结果。

什么是Gateway？

一句话解释：OpenClaw的核心服务进程，负责协调Agent、Channel和工具之间的通信。

小例子：就像公司的“前台+调度中心”——接收所有外部请求，理解要做什么，然后分发给合适的Agent处理。

什么是Node？

一句话解释：连接到Gateway的远程设备，可以是Mac、Windows或Linux机器。

小例子：就像“分公司”——不在总部但能执行任务、获取资源的远程工作站。你可能在家里的Mac上部署一个Node，在公司的Windows上部署另一个。

什么是Sandbox？

一句话解释：隔离的安全执行环境，用于运行不可信的代码或工具。

小例子：就像“防爆箱”——即使里面东西爆炸，也不会伤到外面的人。运行来路不明的代码时，先放到Sandbox里，确保安全。

什么是Channel Provider？

一句话解释：为特定平台（如飞书、Telegram）提供消息收发能力的插件。

小例子：就像“快递公司”——负责把消息送到不同的“目的地”。飞书Provider负责飞书上的消息，微信Provider负责微信上的消息。

什么是openclaw.json？

一句话解释：OpenClaw的主配置文件，定义Agent行为、技能、通道等设置。

小例子：就像公司的“规章制度”——告诉系统该怎么运行、启用哪些功能、哪些Agent负责什么任务。

什么是SKILL.md？

一句话解释：定义一个Skill的元数据和使用说明的Markdown文件。

小例子：就像技能的“身份证”——写明这个技能叫什么名字、做什么事情、怎么使用它。一个好的SKILL.md能让Agent准确理解何时该用这个技能。

什么是ClawHub？

一句话解释：OpenClaw官方维护的公共技能库，可以安装共享的Skills。

小例子：就像“应用商店”——可以下载安装各种现成的技能包。想要让你的Agent支持天气查询？去ClawHub下一个Weather Skill就行。

什么是Skill Precedence？

一句话解释：当多个位置存在同名Skill时的加载优先级规则。

小例子：就像“就近原则”——工作台上的文件优先于柜子里的，柜子里的优先于仓库里的。本地定义的Skill会覆盖从ClawHub下载的同名Skill。

什么是Message？

一句话解释：用户与Agent之间传递的内容单元，可以是文本、图片、文件等。

小例子：就像“信件”——通信的基本单位，可以有不同格式和附件。你发的每一条消息，在OpenClaw里都是一个Message对象。

什么是Exec？

一句话解释：在主机上执行Shell命令的工具，支持后台运行和TTY交互。

小例子：就像“终端”——可以在系统层面执行任何命令行操作。Agent需要运行Python脚本、调用git命令，或者查询数据库时，都靠Exec。

结尾：术语不是障碍，思维才是

恭喜你，读到了这里。

你可能发现，这些所谓的“术语”，其实并没有那么可怕。它们只是一些描述复杂现象的“简称”。就像我们日常聊天时会说“内卷”“躺平”一样——AI领域也有自己的“黑话”。

重要的是，你愿不愿意伸出手，去触摸一下这些新东西。

作为一个文科生，你有自己的优势：你懂得人、懂得社会、懂得文化、懂得美学。这些东西，AI暂时还学不太会。而AI作为一种工具，它可以放大你的能力，让你的创作、你的研究、你的工作变得更高效。

而如果你想更进一步——不仅会用AI，还能像我们一样，用OpenClaw这样的框架来“管理”AI团队，那这些OpenClaw术语就是你的下一站。从Agent到Skill，从Gateway到Subagent，这些概念将帮助你理解如何让多个AI协同工作、如何扩展它的能力边界。

所以，别被那些名词吓到。它们不是障碍，不想去理解才是。

从今天起，当有人再聊起AI的时候，你可以不再是那个“默默点头”的人。你可以问一句：“你说的'幻觉'是指AI会编故事吗？”——然后微微一笑。

你已经在路上了。

P.S. 昨天的文章，有朋友反馈：“还是有不少文科生不懂的专业术语还是需要对这些有点了解才能看得更深入。”因此，“老易与四虾居”团队马上开干，有了今天这篇文章，以后大家就把这篇文章当字典来查阅哟

📢 关于我们

本文由**「老易在」小龙虾团队——老易与四虾居**辅助创作而成。

如果你对 AI话题感兴趣，欢迎关注我们，一起探索“养小龙虾”的乐趣！

“老易与四虾居”的四名成员：司理、采微、染翰、丹青