零基础 AI 学习 合集 · 第一章 · 认知破冰 · 第 3 篇
推荐阅读时间：约 8 分钟
读完你会知道：刷 AI 新闻时最常见的 16 个词，分别是什么意思
开会的时候，同事说了这么一句：“我们这个场景得用 RAG 加个 Agent，不然幻觉压不住。”你点点头，微笑，心里一个词都没懂。
这种事很常见。不是你的问题，AI 领域的词，大多是英文缩写或者生硬的直译，没人翻译成人话。
所以这篇文章，我们把最常见的 16 个词，一个一个用人话过一遍。读完不用背，只要下次看到时不再发懵就够了。
一、先教你一个总原则
这些词看着杂，其实只在回答四个问题：
- 它本身是什么？——模型类
- 你怎么跟它说话？——使用类
- 它为什么有时候不靠谱？——效果类
- 你手上拿到的这个，是哪种东西？——产品类
以后看到一个新词，先归类，再猜意思，八成不会错。
二、模型类：它本身是什么
大模型（大语言模型 / LLM）
就是上一篇那个实习生本人。之所以叫“大”，是因为他读的东西多、脑子里的“印象”多。你手机里的对话工具，背后坐的就是他。
参数 / 参数量
可以理解成他脑子里那些“印象”的连接数量。参数越多，懂的规律越多，也越贵、越慢。这个数字你不用记，只需要知道一件事：参数不是越大越好用，够用就行。
开源 / 闭源
- 开源：这个实习生的“脑子”被公开了，谁都能下载回家自己用、自己改（比如 DeepSeek 的部分模型）。
- 闭源：你只能去官方窗口找他，看不到里面，也搬不走（比如 ChatGPT、文心一言）。
对你的区别：开源更适合懂技术的人自己搭；普通人日常用，闭源产品通常更省心。
多模态
“模态”就是信息的类型：文字一种、图片一种、声音又一种。
多模态，就是它不只看得懂文字，还看得懂图、听得懂声音、能生成图和视频。所以你才能把一张照片丢进去问“这里写的什么”。
三、使用类：你怎么跟它说话
提示词（Prompt）
就是你对实习生说的那段话。你敲的每一个字，都算提示词。
记住一句话：你给的话有多清楚，他干的活就有多好。
上下文（Context）
这次对话里，他已经“看到”的全部内容，你说的、他答的，都在里面。
它不是永久记忆。关掉这个对话，他就忘了。 这也是为什么同一个问题换个新对话问，结果可能不一样。
上下文窗口
他一次能同时“看见”多少内容的上限。
类比一下：你跟他说话时，他手上那张便签纸的大小。纸写满了，继续写，前面写的就会被挤出去，也就是“忘了”。
所以长文档要分段喂，别指望它一口气记住一整本书。
我们来看下面这张图片：33.3%·99.9K/300.0K上下文已使用
- 99.9K：当前上下文已使用了99.9K个Token，就是这张便签纸上已经写了多少
- 300.0K：上下文窗口容纳总量300.0K个Token，就是这张便签纸上总共可以写多少
- 33.3%：99.9/300=33.3%
- K（kilo-）：千，99.9K即99900个Token
Token（词元）
AI 世界的“字数单位”。一个汉字大约 1–2 个 Token，一个英文单词大约 1 个。
你不用精确算，只要知道两件事：① 有些工具按 Token 收费；② 上下文窗口的大小，也是用 Token 算的。
四、效果类：它为什么会不靠谱
幻觉（Hallucination）
上一篇讲过：它在“接得顺”和“说得对”之间，优先选了“接得顺”。
表现就是一本正经地编，不存在的书名、查不到的文献、对不上的数据。这是它最需要你防的一个毛病。
对齐（Alignment）
就是给这个“没上过班”的实习生做岗前培训。
模型训好之后，还要专门教他：不能骂人、不能给危险建议、不能帮着干坏事。这个过程叫对齐。
所以有时候你问一个很正常的问题，他却说“我不能回答”；不是他不会，是被培训要求不说。
微调（Fine-tuning）
在通用实习生基础上，拿某个行业的专门资料再训一轮，让他变成这个方向的“专家”。
比如用大量医疗资料再训一遍，他就成了医疗助手。你个人不用做微调，那是企业干的事。 但知道这个词，你就明白为什么市面上会有“医学版”“法律版”的AI助手。
蒸馏（Distillation）
把一个“大而强”的模型的本事，压缩进一个小模型里。
就像让一个博士生把毕生所学整理成一本小册子，教给一个小学生。好处是更快、更便宜、能装进手机；代价是，能力会打折。
五、产品类：你手上拿的是哪一种
这四个最容易混，但它们说的完全是四样东西。
Chatbot（聊天机器人）
你问一句，它答一句。只会动嘴，不会动手。
豆包、元宝、ChatGPT 的普通用法，都是这个。
Copilot（副驾驶）
它待在你正在干的事情旁边，帮你搭把手。围绕当前的内容；你写 Word，它帮你续写；你写代码，它帮你补全。
特点是：你是主角，它是副手。你不做，它不动。
Agent（智能体）
能自己跑腿的助理。你给它一个目标，它会自己拆步骤、自己找工具、自己干完再交给你。
一句话记住区别：Chatbot 是只会动嘴的顾问，Agent 是能自己跑腿的助理。 这是这两年变化最大的一块，后面会专门讲。
RAG（检索增强 / 知识库）
给实习生配一个“资料柜”。
做法是：先把你自己资料（公司制度、产品手册）存进一个库，它回答前先去库里查一遍，再基于查到的内容回答。
好处是能大幅减少编造，还能让它回答“它本来不可能知道”的内部问题。你听到的“给 AI 建个知识库”，说的就是它。
六、专业术语人话词典
| 术语 | 一句话人话 |
|---|---|
| 大模型 LLM | 读完整座图书馆、没上过一天班的实习生 |
| 参数 | 他脑子里“印象”的连接数量，多 ≠ 好用 |
| 开源 / 闭源 | 脑子能搬回家自己改 / 只能去官方窗口用 |
| 多模态 | 不只懂文字，还看得懂图、听得懂声音 |
| 提示词 Prompt | 你对他说的话，说得越好他干得越好 |
| 上下文 Context | 这次对话他“看得见”的内容，关掉就忘 |
| 上下文窗口 | 他手上那张便签纸的大小，写满就忘前面 |
| Token | AI 的字数单位，计费和便签纸大小都按它算 |
| 幻觉 | 一本正经地编，最需要你防的毛病 |
| 对齐 | 上岗前培训，教他什么不能说 |
| 微调 | 用行业资料再训一轮，变成“专家版” |
| 蒸馏 | 把大模型的本事压给小模型，更快更便宜但会打折 |
| Chatbot | 只动嘴的顾问，问一句答一句 |
| Copilot | 副驾驶，你干活它在旁边搭手 |
| Agent | 能跑腿的助理，给个目标就自己干完 |
| RAG | 给它配个资料柜，回答前先查自己的资料 |
今天就动手
挑一个你今天刚看到、没看懂的词，原封不动丢给 AI，就问这一句：
“用小学生能听懂的话解释一下「XXX」，举一个生活里的例子，不超过 100 字。”
然后换个更偏的词，再试一次。
这一招的价值不在今天，而在于以后。 任何时候看到不懂的词，你都不用再等谁来扫盲，当场问就行。
最后做个总结
术语不是知识，是路标。你不需要背下来，只需要看见它的时候不再慌张，知道它大概属于哪一类、大概在说什么。
真正管用的只有一句话：看不懂的，当场问 AI。
下篇预告：第 4 篇 · 生成式 AI 全家桶：文字、图片、音频、视频、代码分别能干什么
下一篇我们横扫一遍 AI 的能力版图，除了聊天，它到底还能干什么。看完你就知道自己想要的那种能力，具体在哪个位置。
「零基础 AI 学习」· 第一章 · 第 3 篇 · 完