夜雨聆风很多人刚接触 AI ，最劝退的不是工具难用，而是术语太多。
一会儿是大模型，一会儿是 Token ，一会儿是 Prompt ，一会儿又是 API 、 Agent 、插件、上下文窗口。明明只是想用 AI 写篇文章、做张图、总结个资料，却感觉像在听技术课。
所以这一篇不讲复杂原理，只用普通人能听懂的话，把最常见的 AI 术语讲清楚。
01 大模型： AI 的"大脑"
大模型可以理解为 AI 背后的"大脑"。我们平时用 ChatGPT 、 Kimi 、豆包、 Claude ，表面上是在和一个 APP 聊天，本质上是这个 APP 调用了背后的大模型。
APP 像外壳，模型像发动机
你看到的是汽车外观，真正决定能力的是发动机。大模型不是一个聊天窗口，而是负责理解、生成、推理的核心能力。
02 Prompt ：你给 AI 的指令
Prompt 就是你输入给 AI 的问题、要求、背景和规则。普通用户可以理解为：你怎么问， AI 就怎么答。
同样是让 AI 写文章：
普通 Prompt："帮我写一篇文章。"
更好的 Prompt："你是一名公众号编辑，请帮我写一篇给 AI 新手看的文章，语言通俗，结构清晰，开头要有痛点。"
Prompt 不是玄学，它就是把需求说清楚。
03 Token ： AI 计算文字的单位
这个新手很容易懵。
Token 可以理解为 AI 眼里的"文字小单位"。它不是完全等于字数，但可以粗略理解为 AI 处理内容时的计量单位。你输入一段话， AI 要处理它； AI 回答一段话，也要消耗 Token ；所以很多 AI 产品会按 Token 计算成本。
通俗说法： Token 就像 AI 世界里的"流量"或"计费单位"。
04 上下文窗口： AI 一次能记住多少内容
上下文窗口就是 AI 在一次对话里能看见、能理解、能记住的内容范围。
如果上下文窗口小，聊得太长，它可能会忘记前面的内容。如果上下文窗口大，就能处理更长的文档、更长的对话。
生活例子：一个人开会时能同时记住多少资料。资料太多，他就需要翻笔记； AI 也是类似。
这一点能解释很多实际场景：为什么有的 AI 能读长 PDF ？为什么长对话后 AI 会忘记前面说过什么？都和上下文窗口有关。
05 API ：让软件调用 AI 的接口
API 就像服务窗口，让别的软件可以接入 AI 能力。
比如一个写作网站，表面上是自己的产品，背后可能调用的是某个大模型 API 。
一句话总结
APP 是人用 AI ， API 是软件用 AI 。
06 Agent ：能帮你连续做事的 AI 助手
这是现在很热门的词。
普通聊天 AI 是你问一句，它答一句。 Agent 更像一个能执行任务的助手。
比如你说："帮我整理这周的行业新闻，筛选重要内容，写成公众号大纲。"普通 AI 可能只生成文字， Agent 则可以分步骤完成：搜索、筛选、总结、整理、输出。
Agent 不只是会聊天，而是会拆任务、用工具、执行流程。
07 插件 / 工具： AI 的"外接能力"
大模型本身像大脑，但它不一定什么都能直接做。工具就像给 AI 配上的手、眼睛和计算器。
比如：联网搜索是它的眼睛；计算器是它的数学工具；图片生成是它的画笔；文件读取是它的阅读能力；代码执行是它的工作台。
08 多模态：不只看文字，也能看图、听音频、处理视频
多模态就是 AI 不只处理一种信息。
以前很多 AI 主要处理文字，现在可以看图片、听语音、识别文件、理解视频，甚至生成图片和音频。
比如：你发一张海报，它能帮你分析排版；你发一张表格截图，它能帮你提取信息；你上传一段音频，它能帮你整理成文字。
一句话总结：多模态就是 AI 从"只会看文字"，变成"能看、能听、能生成"。
09 RAG ：让 AI 先查资料再回答
这个词技术味比较重，但很值得讲。
RAG 可以简单理解为：先从资料库里找相关内容，再让 AI 根据资料回答。
比如企业知识库问答：员工问"公司报销流程是什么？"AI 不是凭空猜，而是先从公司制度文档里找相关内容，再组织答案。
普通 AI 与 RAG 的区别
普通 AI 是靠记忆回答； RAG 是先翻资料，再回答。这也是新手理解"为什么 AI 有时会胡说"的关键一点。
10 微调：让 AI 更适合某个特定场景
微调可以理解为：在已有大模型基础上，继续用特定数据训练，让它更适合某类任务。
比如：客服场景、法律文本、医疗咨询、教育批改、企业内部文档风格。
生活例子：大模型像一个通才，微调就是让它去某个行业实习一段时间，变得更懂这个领域。
11 幻觉： AI 一本正经地胡说
这是普通用户必须知道的词。
AI 幻觉就是： AI 生成了看起来很合理，但实际上不准确甚至不存在的信息。比如编造参考文献、编造政策、编造数据，把不存在的功能说得像真的一样。
12 开源 / 闭源：模型是否开放给大家使用和修改
开源可以理解为：模型或代码更开放，开发者可以研究、部署、改造。闭源则是公司自己控制，用户只能通过产品或 API 使用。
举例：有些模型可以下载安装到自己的服务器上运行；有些模型只能通过官方 APP 或 API 使用。
通俗区别：开源更自由，闭源通常体验更完整、更稳定，但受平台规则限制。
写在最后
AI 术语看起来很多，但真正新手需要先搞懂的并不复杂。
先记住这几组关系
APP 是入口，模型是大脑。 Prompt 是指令， Token 是计量单位。 上下文窗口决定它一次能看多少内容。 API 让软件调用 AI 。 Agent 让 AI 从"回答问题"变成"执行任务"。 RAG 让 AI 先查资料再回答。 幻觉提醒我们不要盲目信任 AI 。
学 AI 不需要一开始就学代码，也不需要被专业名词吓住。只要把这些基础概念搞懂，再去使用各种 AI 工具，就会清晰很多。