AI 黑话词典：30 个词，一次讲清

📍 认识 AI 5/9 · 上一篇：← AI 端到端流程 · 下一篇：AI 幻觉：胡说时怎么识破 →

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)

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

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)

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)

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)

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)

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)

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:普通人提问 AI 的 7 个技巧

8. Token(词元)

人话:AI 处理文字的最小单位，比字大比词小。一个汉字约 1.5-2 个 token。AI 服务都按 token 计费。 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)

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)

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)

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

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)

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)

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)

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)

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)

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

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，时效性问题就准了。

第四组：进阶玩法(7 个)

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)

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)

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:RAG 八股

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)

人话：权重文件公开、可以下载到自己电脑/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。 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)

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)

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)

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。本站主角。 类比：住进你电脑里、真会动手的实习生——别的 AI 教你怎么做，它直接做完给你看。 深入:什么是 Claude Code

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)

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

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)

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

三个建议：

1. 收藏，别背。遇到不懂的词回来查，查三次自然就记住了
2. 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
3. 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。

下一步

→ AI 幻觉：它一本正经胡说时，你怎么识破 —— 30 个词里最危险的是 16 号”幻觉”，下一篇专门拆它。

---

有哪个词你查了三次还是记不住？发邮箱 [email protected]，我们把类比改得更好懂。