AI 黑话词典：30 个词，一次讲清
📍 认识 AI
为什么需要这一篇
Section titled “为什么需要这一篇”学 AI 最劝退的不是技术，是黑话。
随便打开一篇 AI 文章：「这个 agent 用了 RAG,prompt 里塞了太多 token，把上下文窗口撑爆了」——每个字都认识，连起来天书。
这一篇把 30 个最高频的词一次讲清。不用背，收藏起来，以后哪里看到不懂的词，回来查就行。每个词只给你两样东西：一句人话 + 一个类比。
第一组：基础概念(6 个)
Section titled “第一组：基础概念(6 个)”1. AI(人工智能)
Section titled “1. AI(人工智能)”人话：让机器做原本需要人类智能才能做的事(理解语言、认图、推理)。 类比：一个统称，就像「交通工具」——自行车和飞机都算。
2. 大模型 / LLM
Section titled “2. 大模型 / LLM”人话：目前最主流的 AI 形态——用海量文字训练出来的超大神经网络，擅长理解和生成语言。LLM = Large Language Model(大语言模型)。 类比：读完了整个互联网的「超级读书人」。豆包、ChatGPT、Claude、DeepSeek 背后都是大模型。
3. 模型(model)
Section titled “3. 模型(model)”人话：训练完成的那个「AI 本体」，一个装满参数的大文件。 类比：考完试毕业的学生本人。「换个模型」=换个学生来答题。
4. 参数(parameters)
Section titled “4. 参数(parameters)”人话：模型内部可调整的「旋钮」数量，通常几十亿到上万亿个。越多通常越聪明，但不绝对。 类比：大脑里神经连接的数量。
5. 训练(training)
Section titled “5. 训练(training)”人话：让模型从海量数据里学习规律的过程，烧钱烧电烧几个月。 类比：学生上学。训练完才能「毕业上岗」回答你的问题。 深入:AI 端到端流程
6. 算力(compute)
Section titled “6. 算力(compute)”人话：训练和运行 AI 需要的计算能力，主要靠 GPU(显卡)提供。 类比:AI 世界的「电力」。新闻里「囤显卡、建数据中心」抢的就是这个。
第二组：跟 AI 对话(6 个)
Section titled “第二组：跟 AI 对话(6 个)”7. Prompt(提示词)
Section titled “7. Prompt(提示词)”人话：你发给 AI 的那段话。写得好不好，直接决定答案质量。 类比：你给实习生下的任务单——写「随便弄弄」和写清楚要求，拿到的东西天差地别。 深入：怎么向 AI 提问？让回答更好用的 7 个方法
8. Token（词元）
Section titled “8. Token（词元）”人话：AI 处理文字的基本单位，有时是一个字，有时是一个词，也可能是半个英文单词。主流国产模型大约 1 个汉字算 0.5 到 1 个 token（DeepSeek 官方的说法是 1 个汉字约 0.6 个 token），Claude、GPT 等海外模型处理中文通常要更多，准确数字以各家的计数工具或接口返回的用量为准。按 token 收费的是 API（给程序调用的接口，见第 24 条）；豆包、ChatGPT 这类 App 是免费用或按月订阅会员。 类比：积木块。AI 把你的话拆成积木，处理完再拼回去。 深入：大模型怎么工作的
9. 上下文(context)
Section titled “9. 上下文(context)”人话：这次对话里 AI 能「看到」的全部内容——你说过的、它答过的。 类比：聊天记录。AI 每次回答前都会把整个聊天记录重看一遍。
10. 上下文窗口(context window)
Section titled “10. 上下文窗口(context window)”人话：上面那个「聊天记录」的容量上限，按 token 算。超了就开始忘最早的内容。 类比:AI 的短期记忆容量。聊太久忘了开头，就是窗口满了。
11. 系统提示词(system prompt)
Section titled “11. 系统提示词(system prompt)”人话：藏在对话开始前的「角色设定」，规定 AI 的性格、规矩、能干什么。 类比：员工入职时 HR 发的行为手册——你看不到，但它一直生效。
12. 多轮对话
Section titled “12. 多轮对话”人话：来回聊好几轮，AI 记着前面说过的。对比「单轮」=一问一答就结束。 类比：连续剧 vs 独立短片。
第三组：AI 的能力和短板(6 个)
Section titled “第三组：AI 的能力和短板(6 个)”13. 多模态(multimodal)
Section titled “13. 多模态(multimodal)”人话：不只处理文字，还能看图、听声音、看视频的能力。 类比：从「只会读信的人」升级成「能看照片、听语音的人」。拍照问菜单就是多模态。
14. 推理模型(reasoning model)
Section titled “14. 推理模型(reasoning model)”人话：回答前会先「内心打草稿」想一会儿的模型，慢但准，适合数学和复杂问题。 类比：抢答型选手 vs 打草稿型选手。DeepSeek 的「深度思考」模式就是这个。
15. 思考(thinking)
Section titled “15. 思考(thinking)”人话：推理模型内心打草稿的过程，有些产品会展示出来给你看。 类比：学生考卷边上的演算区。
16. 幻觉(hallucination)
Section titled “16. 幻觉(hallucination)”人话:AI 一本正经地编造不存在的事实——假书名、假数据、假链接。AI 最大的坑，没有之一。 类比：酒桌上那位「什么都懂」的朋友，说错了也毫不心虚。 深入:AI 幻觉：胡说时怎么识破
17. 知识截止(knowledge cutoff)
Section titled “17. 知识截止(knowledge cutoff)”人话：模型训练数据的「停止收录日期」，之后发生的事它天然不知道(除非联网搜)。 类比：一本百科全书的出版日期。问它出版之后的事，要么不知道，要么瞎编。
18. 联网搜索
Section titled “18. 联网搜索”人话：让 AI 现场上网查最新信息再回答，弥补知识截止的短板。 类比：开卷考试。查过再答，时效性问题准得多，但它的摘要也可能说歪，重要的事要点开来源看。
第四组：进阶玩法(7 个)
Section titled “第四组：进阶玩法(7 个)”19. Agent(智能体)
Section titled “19. Agent(智能体)”人话：不只回答问题、还能动手执行任务的 AI——自己拆解步骤、用工具、干完汇报。 类比：从「顾问」(只出主意)升级成「助理」(真的去办)。 深入:AI agent 是怎么思考的
20. 工具调用(tool use)
Section titled “20. 工具调用(tool use)”人话:AI 干活时调用外部工具的能力——搜索、算数、查数据库、跑代码。 类比：人用计算器和搜索引擎。AI 也不该心算所有事。
21. RAG（检索增强生成）
Section titled “21. RAG（检索增强生成）”人话：先从你的资料库里检索相关内容，再让 AI 参考着回答。企业 AI 客服基本都是这个原理。 类比：开卷考试，考卷旁边放着你公司自己的资料册。 深入：先看现在 AI 圈在卷什么里讲 RAG 的一节；想再深入，看RAG 八股（面向求职面试，偏技术）
22. 微调(fine-tuning)
Section titled “22. 微调(fine-tuning)”人话：在通用模型基础上，用你自己的数据再训练一小段，让它更懂你的领域。 类比：通用毕业生入职后的岗前培训。
23. 开源模型（open-source model）
Section titled “23. 开源模型（open-source model）”人话：权重文件公开、可以下载到自己电脑或服务器上跑的模型（如 Llama、DeepSeek 开源版）。对比「闭源」：只能通过官方服务用。严格说，多数这类模型只公开了权重（训练出来的那一大堆参数），没公开训练数据和训练代码，更准确的叫法是「开放权重」；有的还带使用限制，比如只许研究、不许商用，下载前先看许可证。 类比：公开菜谱（自己家也能做） vs 只此一家的私房菜。
24. API(接口)
Section titled “24. API(接口)”人话：程序调用 AI 的「服务窗口」——你的应用发请求过去，AI 的回答传回来，按用量付费。 类比：餐厅的外卖窗口。不用进店(打开官网)，点单就送到。
25. MCP(模型上下文协议)
Section titled “25. MCP(模型上下文协议)”人话：让 AI 连接外部服务(日历、数据库、各种软件)的统一标准接口。 类比:AI 世界的 USB 接口——插上就能用，不用每家单独发明插头。 深入:MCP 协议详解
第五组：工具与实践(5 个)
Section titled “第五组：工具与实践(5 个)”26. Claude Code
Section titled “26. Claude Code”人话：Anthropic 出的「能在你电脑里真动手干活」的 AI 工具：读文件、跑命令、改代码。本站进阶路线重点讲的工具。要用它，得有 Claude 付费订阅或 API（Anthropic 不向中国大陆提供服务）；大陆读者可以按教程让它接 DeepSeek 模型使用。 类比：住进你电脑里、真会动手的实习生——普通聊天 AI 多半只能教你怎么做，它能直接做完给你看。同类工具还有 TraeCode、DeepSeek Harness 等。 深入：什么是 Claude Code；接 DeepSeek 见Claude Code 接入 DeepSeek
27. 终端(terminal)
Section titled “27. 终端(terminal)”人话：电脑里那个「打字下命令」的黑窗口，程序员的日常，普通人的噩梦。 类比：汽车的手动挡。好消息：现在有桌面版这个「自动挡」了。
28. 部署(deploy)
Section titled “28. 部署(deploy)”人话：把做好的程序/网站放到服务器上，让所有人能访问。 类比：菜做好了(开发)，端上桌(部署)。
29. 订阅 vs 按量付费
Section titled “29. 订阅 vs 按量付费”人话:AI 收费两种模式——包月固定价(如各家会员)，或按 token 用多少付多少(API)。 类比：自助餐 vs 按菜点单。轻度用户按量更省，重度用户包月划算。 深入:怎么省钱
30. 提示词工程(prompt engineering)
Section titled “30. 提示词工程(prompt engineering)”人话：把「怎么问 AI」练成一门手艺——用结构化的技巧稳定拿到好答案。 类比：会点菜的老饕。同一家餐厅，老饕点的就是比你好吃。 深入：入门看提问 7 技巧，进阶看Prompt 工程八股
怎么用这一篇
Section titled “怎么用这一篇”三个建议：
- 收藏，别背。遇到不懂的词回来查，查三次自然就记住了
- 顺着「深入」链接走。每个词背后都有一篇展开讲的文章，词典是地图
- 发给刚入门的朋友。你省去解释 30 遍的功夫，TA 省去查 30 次的功夫
下次再看到「这个 agent 用了 RAG」这种句子，你翻译一下：「这个能自己干活的 AI，回答前会先查资料库」——看，不过如此。
- 想动手用起来：选一个国产 AI 助手，在手机上用起来，或者看按任务选择 AI 工具
- 30 个词里最该防的是 16 号「幻觉」，专门讲它的一篇：AI 为什么会说错