夜雨聆风LLM（Large Language Model，大语言模型）：基于海量文本数据训练的语言预测模型，是当前AI能力的核心载体，GPT、Claude、Gemini均属于大语言模型。
GPT（Generative Pre-trained Transformer，生成式预训练Transformer）：OpenAI开创的模型架构范式，也是其产品系列的名称。
Token（词元）：模型处理文本的最小单位，约等于3/4个英文单词，是大模型计费、上下文容量的基础计量单位。
Context Window（上下文窗口）：模型单次推理能“读取并记住”的最大Token数量，窗口越大，能承载的历史信息和知识就越多。
Inference（推理）：模型接收输入并生成输出结果的过程，与模型训练相对应。
Hallucination（幻觉）：模型看似逻辑自洽，实则编造出不符合事实、不存在的信息，是大模型的核心问题之一。
Temperature（温度）：控制模型输出随机性的参数，数值越高输出越发散、越有创意，数值越低输出越稳定、越严谨；写代码场景通常建议调低温度。
Top-p / Top-k（采样参数）：控制模型候选词采样范围的参数，直接影响输出内容的多样性。
Embedding（向量嵌入）：将文本、图像等信息转化为数字向量，用于计算相似度，是检索增强生成（RAG）的技术基础。
Fine-tuning（微调）：在通用大模型基础上，用特定领域数据继续训练，让模型更适配垂直场景。
RLHF（基于人类反馈的强化学习）：通过人类偏好数据对模型进行强化学习，让模型行为对齐人类意图，通俗说就是让AI“更听话”。
MoE（Mixture of Experts，混合专家）：一种模型架构，每次推理只激活部分参数（专家），用更低算力实现更强的模型能力。
Multimodal（多模态）：模型可同时处理文本、图像、音频、视频等多种类型的信息，GPT-4o、Gemini均为多模态模型。
Transformer（Transformer架构）：现代大语言模型的底层神经网络结构，核心是自注意力机制。
KV Cache（键值缓存）：缓存上下文的计算结果，避免重复计算，大幅提升推理速度，类似做菜时提前备好半成品，不用每次从头切配。
Latency（延迟）：模型从接收请求到返回结果的耗时，直接影响用户体验。
Throughput（吞吐量）：模型单位时间内能处理的任务数量，决定了系统的并发承载能力。
Claude Code（cc）：Anthropic官方推出的终端Agent，是Harness范式的典型代表
Codex CLI：OpenAI官方命令行编码Agent
Aider：开源命令行AI结对编程工具
OpenHands：开源自主软件开发Agent，支持完整工程级任务执行
Cursor：内置AI的代码编辑器，是Vibe Coding的主流工具
Windsurf：Codeium出品的AI原生IDE
Qoder：国内面向AI编程的智能开发环境，主打Agent能力、项目理解与代码生成
Trae：字节跳动推出的新一代AI编程工具，支持对话式开发与工程级协作
GitHub Copilot：最早普及的AI编程插件，以代码补全辅助为主
Cline / Roo Code：VS Code中的开源自主编码Agent插件
Continue：可自定义模型的开源AI代码助手插件
ZCode：Z.ai推出的智能编程产品，支持代码生成、理解、重构与工程协同
Devin：Cognition推出的“首个AI软件工程师”，主打端到端全自主开发
Bolt：快速生成完整应用，偏向产品快速落地
Lovable：通过自然语言生成Web应用，强调产品级交付体验
Eval（评估）：通过标准化测试集衡量模型与Agent的能力水平，验证效果是否达标。
Alignment（对齐）：让AI的行为、输出符合人类的意图与价值观，避免AI“跑偏”。
Guardrail（护栏）：限制AI输出范围与操作边界的安全机制，防止违规内容与危险操作。
Red Teaming（红队测试）：主动以攻击、诱导的方式测试AI，发现安全漏洞与缺陷。
Prompt Injection（提示词注入）：通过恶意输入篡改AI指令，劫持AI行为，最典型的就是“忽略以上所有指令”。
Context Poisoning（上下文污染）：向上下文中掺入恶意信息，误导Agent做出错误判断。
Sandbox（沙箱）：隔离的执行环境，将Agent的操作限制在封闭环境内，防止破坏真实系统。
