夜雨聆风开会时同事说"让Agent调个MCP接口做个RAG"，你点了点头，脑子里全是问号。
没事，你不是一个人。这篇文章把AI圈最常用的术语，用人话讲清楚。看完你就是那个在会议上能接话的人。
LLM — AI的"大脑"
全称 Large Language Model，中文叫大语言模型，常简称为"大模型"。
你可以把它理解成一个读了互联网上几乎所有文章的超级程序。读得够多，所以能聊天、写文章、写代码。
像一个博学但没上过网的实习生——什么都知道，但不一定是最新的。
ChatGPT、DeepSeek、豆包、文心一言、通义千问……你常听到的名字，本质上都是LLM。国内目前主流的有DeepSeek（深度求索）、文心一言（百度）、通义千问（阿里）、Kimi（月之暗面）、GLM（智谱）、混元（腾讯），各有擅长——有的推理强，有的中文好，有的便宜，选哪个看场景。
几个配套词：
Token— AI的"按字计费"单位。大约1个中文字 ≈ 1.3个Token。你发一句"帮我写封邮件"，它回五百字，消耗的就是Token。
上下文窗口（Context Window）— AI一次性记住的信息量上限，相当于它的"短期记忆容量"。128K Token约等于一本《三体》，1M Token可以吞下一整套《三体》三部曲。
幻觉— LLM最大的毛病：不会说"不知道"，而是编一个听起来合理的答案。一本正经地胡说八道，就叫幻觉。小技巧：有些问题用你已知的信息先试探它，再让它展开。
Prompt — 跟AI说话
Prompt（提示词）就是你对AI下的指令。"帮我写一封道歉邮件"，这就是一个Prompt。Prompt写得好不好，直接决定AI回答的质量。
围绕这个还诞生了一门学问——Prompt Engineering（提示词工程），专门研究怎么把话说得让AI更好地执行。
几种常见技巧：
Few-shot— 先给AI举几个例子，让它照着模仿。比如给三封优秀的营销邮件，让它写第四封。
Zero-shot— 什么例子都不给，直接让它自己想。"翻译这段话"，没了。
CoT（思维链）— 让AI一步步推理。先列步骤再给答案，不要直接蒙。就像数学考试写出推导过程，出错概率低很多。
System Prompt（系统提示词）— 对话开头设置的"全局规则"。"你是一名专利律师，语气严谨专业"，相当于给AI发一本工作手册。
RAG — 让AI先"查资料"再回答
LLM有一个天然缺陷：它的知识在训练时就定死了，不知道最新发生的事，更不知道你公司的内部文件。
RAG（检索增强生成）就是解决这个问题的。原理很简单：AI回答问题之前，先去查一查资料，找到相关内容再作答。
把闭卷考试变成了开卷考试。
这个"资料库"叫知识库——公司手册、产品文档、个人笔记全部传进去，AI就能基于这些内容回答问题。支撑它的底层技术是向量数据库，把文字变成一组数字坐标（这个过程叫Embedding），意思相近的内容存得近，检索时找"距离最近"的就对了。
Fine-tuning — 给AI"加小灶"
通用大模型什么都会一点，但专业领域不够强。让它写专利交底书，文风偏差；让它分析基因序列，一知半解。
Fine-tuning（微调）——在通用模型基础上，用一批专业数据"加小灶"培训。相当于大学生入职后接受的岗位专项培训。
几种微调方式：
SFT（有监督微调）— 最直接：你提供一批"问题+标准答案"，AI按答案学。
LoRA— 省钱省力的方法。不需要重训整个模型，只给AI"挂载"一小块补丁就能学会新技能，成本大幅降低。
RLHF（人类反馈强化学习）— 人类给AI的回答打分，好的奖励，差的扣分。ChatGPT对话这么自然，RLHF功不可没。
Agent + MCP — AI学会"自己动手"
前面说的LLM，本质上还只是一个能说话的大脑——你问它答，仅此而已。
AI Agent（智能体）不一样——它能自己干活。你给它一个目标，它自己规划步骤、调用工具、检查结果。
让它"做一份竞品分析报告"，它会自己：搜索竞品信息 → 整理数据 → 对比分析 → 写成报告 → 排版输出。全程不用你盯着。
Agent的核心能力：
Tool Use（工具调用）— 用外部工具：搜索网页、运行代码、操作Excel。没有工具就是嘴强王者。
Planning（规划）— 把大任务拆成步骤，自己排顺序。
Memory（记忆）— 记住你说过的话，不用每次都重新介绍背景。
Reflection（反思）— 做完自己检查，发现不对就修正，不是交差了事。
Multi-Agent（多智能体）— 多个Agent组队，各有分工。有人查资料、有人写报告、有人审核，效率更高。
Agent要用工具，工具有成百上千种，怎么统一对接？MCP（模型上下文协议）就是干这个的。它是一个标准协议，相当于"万能插头"——AI可以插上飞书、数据库、浏览器、邮件，即插即用，不用为每个工具单独写对接代码。
LLM是大脑，Agent是学会自己动手的大脑，MCP是它连接世界的插头。
几个常见词，顺便一说
AIGC— AI生成内容（文章、图片、视频、音乐、代码），LLM产出的所有东西都算AIGC。
Copilot（副驾驶）— 在旁边帮你但不替你决定的AI。补全代码、润色邮件，你是驾驶员，它只是副驾。
多模态— AI不只能处理文字，还能看图、听声音、看视频，像人类同时用眼睛和耳朵。
流式输出— AI边想边蹦字，一个字一个字往外冒，不用等全想完才显示，体验更流畅。
最后，用一句话串起来：
LLM 是大脑，Prompt 是你下的命令，RAG 是给它翻的参考书，MCP 是它连接世界的插头，Agent 是学会自己干活的它，AIGC 是它干出来的成果。
