📖 AI 词典
96 个核心AI概念，从入门到精通，一文读懂人工智能
基础概念
大语言模型（LLM）
通过海量文本训练的AI模型，能理解和生成自然语言。如GPT-5、Claude 4、DeepSeek-V3等。
文生图（Text-to-Image）
通过文字描述自动生成图片的AI技术。代表工具有Midjourney、DALL·E 3、Stable Diffusion等。
AI编程（AI Coding）
利用AI辅助编写、补全、调试代码的技术。代表工具有Cursor、GitHub Copilot、Claude Code等。
智能体（AI Agent）
能自主感知环境、制定计划、使用工具并执行任务的AI系统，被Bill Gates称为"继图形界面之后最大的计算范式变革"。
词元（Token）
AI处理文本的最小单位。一个Token约等于0.75个英文单词或1-2个中文字。API按Token数量计费。
多模态AI（Multimodal AI）
能同时理解和处理文字、图片、音频、视频等多种类型数据的AI系统。GPT-5、Gemini 2.5、Claude 4都是多模态模型。
开源模型 vs 闭源模型（Open Source vs Closed Source）
开源模型可免费下载使用和修改（如DeepSeek、Llama），闭源模型通过API提供服务（如GPT-5、Claude 4）。各有优劣。
AI幻觉（Hallucination）
AI自信地生成看似合理但事实错误的内容。所有LLM都存在幻觉问题，是无法完全消除的固有特性，但可以通过RAG等技术大幅减少。
模型上下文协议（MCP）
Anthropic于2024年推出的开放协议，标准化了AI应用与外部工具/数据源的连接方式。被广泛视为AI Agent生态的"USB-C接口"。
稳定扩散（Stable Diffusion）
Stability AI开发的开源文生图模型，2022年发布后引爆了AI绘画革命。生态最为丰富，支持ControlNet、LoRA等无数扩展。
深度求索（DeepSeek）
中国AI公司，以极高的性价比和开源策略闻名。DeepSeek-V3和R1系列在多项基准上比肩GPT-5，但API价格仅为1/10。
Claude（Anthropic）
Anthropic公司开发的AI助手系列，以安全性、长上下文、优秀的写作和编程能力著称。Claude 4是2026年最强的AI模型之一。
ChatGPT / GPT系列
OpenAI开发的对话AI和语言模型系列。ChatGPT于2022年11月发布，引爆了全球AI热潮。GPT-5是2026年旗舰模型。
Gemini（Google）
Google开发的AI模型系列，以原生多模态和极长上下文窗口著称。Gemini 2.5 Pro支持100万tokens上下文，是2026年最强的模型之一。
GPT系列（OpenAI）
OpenAI开发的生成式预训练Transformer模型系列，从GPT-1到GPT-5，持续引领AI语言模型的发展。
Llama（Meta）
Meta发布的开源大语言模型系列，从Llama 1到Llama 4，是开源AI生态的基石之一。
通义千问（Qwen）
阿里巴巴通义实验室开发的大模型系列，中文能力一流，开源版本被广泛使用。Qwen3是2026年最优秀的开源中文模型之一。
Cursor（AI编辑器）
AI原生代码编辑器，基于VS Code深度定制。支持自然语言编程、多文件编辑、上下文感知，是Vibe Coding的代表工具。
GitHub Copilot（AI编程助手）
GitHub和OpenAI联合推出的AI编程助手，2021年首发，开创了AI辅助编程的先河。全球已有超过200万开发者使用。
Perplexity（AI搜索）
AI原生搜索引擎，2022年发布。用对话方式回答搜索问题，每条陈述都标注来源链接，被广泛视为Google杀手之一。
上下文窗口（Context Window）
AI模型一次能处理的最大文本长度，以tokens为单位。从早期的4K到现在的100万+tokens，决定了对长文档的处理能力。
零样本/少样本学习（Zero-shot / Few-shot）
模型在没有或仅有少量示例的情况下完成任务的能力。是评估大模型智能水平的核心指标，也是 Prompt Engineering 的理论基础。
小语言模型（SLM）
参数量在数亿到数十亿级别的精简语言模型，追求在有限资源下的最佳性能。与 LLM（千亿参数）形成互补，是 2026 年端侧AI 和成本敏感场景的主力。
推理（Inference）
训练好的 AI 模型进行预测或生成输出的过程。每次调用 ChatGPT、生成一张 AI 图片，都是推理。
生成式AI（Generative AI）
能够创造全新内容（文字、图片、代码、音频、视频）的AI，ChatGPT、Midjourney、Suno都属于生成式AI。
机器学习（Machine Learning）
让计算机从数据中自动学习规律、而非靠人工编写规则的人工智能分支，是现代AI的核心。
技术原理
检索增强生成（RAG）
Retrieval-Augmented Generation，先检索外部知识再生成回答的技术，有效减少AI幻觉，提升回答准确性。
向量嵌入（Embedding）
将文字、图片、音频等非结构化数据转换为固定长度的数字向量，让计算机能够"理解"和比较语义相似度。
Transformer架构（转换器）
2017年Google提出的神经网络架构，通过自注意力机制（Self-Attention）并行处理序列数据，是现代所有大语言模型的基石。
扩散模型（Diffusion Model）
一种生成模型，通过逐步"去噪"将随机噪声转化为高质量图像。Stable Diffusion、DALL·E、Midjourney都基于此技术。
微调（Fine-tuning）
在预训练模型的基础上，用特定领域数据继续训练，使其适应特定任务或风格。是AI定制化的核心技术手段。
强化学习（Reinforcement Learning）
AI通过与环境的交互和试错来学习最优策略。RLHF（人类反馈强化学习）是让ChatGPT等模型变得更"听话"的关键技术。
低秩适应（LoRA）
一种高效的模型微调方法，只训练少量额外参数而非修改整个模型。让个人开发者在消费级显卡上也能微调大模型。
函数调用（Function Calling）
让AI模型能够调用外部函数/API的能力。AI不再只是"说话"，而是能"做事"——查天气、发邮件、操作数据库。
知识蒸馏（Knowledge Distillation）
将大模型（教师）的知识"蒸馏"到小模型（学生）中的技术。让小模型获得接近大模型的能力，同时运行更快、成本更低。
混合专家模型（MoE）
一种模型架构，由多个"专家"子模型和一个路由器组成。每次只激活部分专家，在保持大模型能力的同时大幅降低推理成本。
人类反馈强化学习（RLHF）
用人类偏好数据训练奖励模型，再用强化学习优化AI输出。是让ChatGPT、Claude等模型"懂礼貌、听指令、更安全"的核心技术。
混合专家模型（Mixture of Experts）
一种模型架构，由多个'专家'子模型和一个路由器组成。每次只激活部分专家，大幅降低推理成本。
预训练（Pre-training）
在海量通用数据上训练基础模型的过程。所有大模型的第一阶段训练，之后才进行微调或对齐。
梯度下降（Gradient Descent）
机器学习的核心优化算法。通过计算损失函数的梯度，指导模型参数向误差最小的方向更新。
过拟合与正则化（Overfitting & Regularization）
过拟合指模型在训练数据上表现完美但在新数据上表现差。正则化是防止过拟合的技术集合。
合成数据（Synthetic Data）
由AI生成而非人工采集的训练数据。2025-2026年已成为大模型训练的重要组成部分，用于解决数据枯竭问题。
反向传播（Backpropagation）
训练神经网络的核心算法。通过链式法则从输出层向输入层反向计算梯度，高效更新所有参数。
数据标注（Data Labeling）
为训练数据添加标签、分类、注释的过程。是监督学习和RLHF的关键环节，决定了模型的上限。
模型量化（Quantization）
将模型参数从高精度（FP16/FP32）压缩到低精度（INT8/INT4），大幅降低显存占用和推理成本，精度损失极小。
注意力机制（Attention Mechanism）
让模型在处理一个词时关注输入中的其他相关词。是Transformer架构的核心，也是现代AI最关键的发明之一。
Transformer架构详解（Attention Is All You Need）
Transformer架构的深入解析，涵盖Encoder-Decoder结构、位置编码、残差连接、层归一化等关键组件。
闪电注意力（Flash Attention）
通过IO意识的算法设计大幅降低注意力计算的显存占用，让长上下文推理成为可能。是 2022-2026 年最重要的注意力计算优化之一。
联邦学习（Federated Learning）
一种分布式机器学习方法，模型在本地设备上训练，只上传梯度更新而非原始数据，从而保护用户隐私。在医疗、金融、键盘输入法等场景广泛应用。
思维链（Chain of Thought / CoT）
让大模型「一步步思考」的提示技术，能显著提升复杂推理任务的准确率。是推理模型（如o1、DeepSeek-R1）的核心机制。
生成对抗网络（GAN）
由生成器和判别器相互博弈训练的经典生成模型架构，曾是图像生成的主流方法。
迁移学习（Transfer Learning）
将在一个任务上学到的知识应用到另一个相关任务的技术，是 Fine-tuning 的理论基础。
推测解码（Speculative Decoding）
用小模型「草拟」、大模型「审核」的推理加速技术，可在不损失质量的前提下将生成速度提升 2-3 倍。
使用技巧
提示词工程（Prompt Engineering）
设计和优化输入给AI的提示词（Prompt），以获得更准确、更有用的输出结果。被称为"与AI对话的艺术"。
应用程序接口（API）
让不同软件系统相互通信的接口。几乎所有AI服务都通过API提供，开发者通过API将AI能力集成到自己的应用中。
事实对齐（Grounding）
让AI的输出基于真实数据源而非凭空生成的技术方法。结合RAG和实时搜索，确保AI回答的事实准确性。
LangChain / LangGraph（LLM应用开发框架）
最流行的LLM应用开发框架。LangChain提供链式调用抽象，LangGraph提供状态图工作流。是构建AI Agent的标准工具。
提示词注入（Prompt Injection）
通过精心构造的输入，诱导AI忽略原有指令或泄露系统Prompt的攻击方式。是AI应用面临的主要安全威胁之一。
AI代码审查（AI Code Review）
利用AI自动审查代码质量、发现Bug和安全漏洞。比人工审查更全面、更快速，已成为现代开发流程的标准环节。
AI模型评测（Benchmark）
用标准化测试衡量AI模型能力的系统。MMLU、HumanEval、AIME等评测榜单是选择AI模型的重要参考，但不能完全反映实际使用体验。
温度参数（Temperature）
控制AI输出随机性的参数。Temperature=0输出最确定，Temperature=1输出更有创意。是调节AI创造力的旋钮。
Jupyter Notebook（交互式编程环境）
交互式编程环境，支持代码、文字、图表混合展示。AI研究和教学的事实标准工具，每天有数百万人使用。
AI红队测试（Red Teaming）
组织安全专家尝试攻击和突破AI模型的安全防护，发现漏洞后修补。源自军事领域的红军对抗概念。
OpenAPI / Swagger（API规范）
REST API的描述标准，用JSON/YAML格式定义API接口。几乎所有AI API都提供OpenAPI规范文档。
AI编排（AI Orchestration）
连接和协调多个 AI 模型、工具和数据源的中间层。是 2026 年企业 AI 部署的必需层，解决「用哪个模型、怎么用、多少钱」的核心问题。
基础设施
图形处理器（GPU）
AI训练和推理的核心硬件。NVIDIA GPU占据AI计算市场90%以上份额，是"AI时代的石油"。
向量数据库（Vector Database）
专门存储和检索向量（数值数组）的数据库，是RAG系统和语义搜索的核心基础设施。支持"找最相似的内容"这种查询。
神经网络处理器（NPU）
专为AI推理设计的低功耗处理器，集成在手机和PC芯片中。让AI在设备本地运行而非依赖云端，实现离线AI能力。
HuggingFace（抱抱脸）
AI领域的"GitHub"。提供模型托管、数据集管理、训练部署、社区协作的一站式平台。是全球最大的AI模型和数据集仓库。
vLLM推理引擎
UC Berkeley开发的高性能LLM推理引擎。通过PagedAttention等技术，推理速度比HuggingFace快10-20倍。
Ollama（本地大模型运行框架）
最流行的本地LLM一键部署工具。一条命令下载并运行开源模型，支持macOS/Linux/Windows。
GGUF模型格式
llama.cpp项目定义的模型文件格式，专为CPU推理和量化设计。是本地运行大模型最主流的文件格式。
PyTorch（深度学习框架）
Meta开发的深度学习框架，2026年已成为AI开发的事实标准。动态计算图、Pythonic API、庞大的社区生态。
CUDA并行计算平台
NVIDIA的并行计算平台和编程模型，是AI训练的绝对标准。几乎所有深度学习框架都运行在CUDA之上。
张量处理器（TPU）
Google自研的AI专用芯片，针对TensorFlow和JAX做了极致优化。在Google Cloud上训练和推理大模型的专属硬件。
算力（Computing Power）
AI训练和推理所需的计算能力，以FLOPs衡量。算力是AI发展的三大支柱（算力、数据、算法）之首，被类比为AI时代的石油。
前沿概念
通用人工智能（AGI）
具备与人类同等甚至超越人类水平的通用智能的AI系统。目前尚未实现，是AI领域的终极目标。2026年有争议是否已接近。
文生视频（Sora）
OpenAI于2024年推出的文生视频AI模型，能根据文字描述生成最长达60秒的高质量视频。代表了AI视频生成技术的重大突破。
Transformer vs Mamba（状态空间模型对比）
Transformer是当前AI的绝对主流架构，但Mamba等状态空间模型（SSM）以线性复杂度处理长序列，可能成为下一代架构。
AI安全与对齐（AI Safety）
确保AI系统的行为符合人类价值观和利益。包括防止有害输出、避免偏见、保障隐私、防范滥用等。是AI发展的核心议题之一。
AI原生（AI Native）
从设计之初就以AI为核心而非后期添加AI功能的产品理念。AI不仅是功能，而是产品的基础架构和用户体验的核心。
AI操作系统（AI OS）
以AI为核心的下一代操作系统概念。AI不再是一个应用，而是深度集成到系统层面，理解用户意图并主动协助完成跨应用任务。
氛围编程（Vibe Coding）
2025年由Andrej Karpathy提出的编程新范式——用自然语言描述想法，AI生成代码，开发者只需review和微调。"完全沉浸在氛围中，忘记代码的存在"。
开源AI生态（Open Source AI Ecosystem）
由开源AI模型、工具、框架、数据集和社区组成的庞大生态系统。2026年，开源AI在某些领域已接近甚至超越闭源方案。
AI偏见（AI Bias）
AI模型从训练数据中学习和放大的社会偏见。包括性别、种族、地域等偏见，是AI伦理的核心问题。
AI在医疗领域的应用（AI Healthcare）
AI在医学影像分析、药物研发、临床诊断辅助、健康管理等领域的应用。是AI最受期待也最受监管的方向之一。
AI在金融领域的应用（AI Finance）
AI在量化交易、风控、反欺诈、智能投顾、客服等金融场景的应用。金融是AI应用最深入的行业之一。
自动驾驶（Autonomous Driving）
AI在交通领域的终极应用。利用计算机视觉、传感器融合和决策规划，让汽车实现自主驾驶。
测试时计算（Test-Time Compute）
在模型使用阶段（而非训练阶段）投入更多计算资源以提升答案质量。是 o1/o3 推理模型和 Extended Thinking 的理论基础，2026 年重塑了 AI 的成本结构。
智能体RAG（Agentic RAG）
将 AI Agent 的自主决策能力与 RAG 的检索增强结合，让模型能主动多轮搜索、验证、整合信息。是 2026 年 RAG 的主流进化方向。
深度研究（Deep Research）
AI 自主并行阅读数十到数百个网页、PDF 或论文，在 15-30 分钟内生成结构化引用报告。是 2025-2026 年主流 AI 产品新范式。
多智能体系统（Multi-Agent System）
多个 AI Agent 各司其职、相互协作完成复杂任务的系统架构。比单一 Agent 更可靠、更可扩展，是 2026 年 Agent 技术的主流方向。
世界模型（World Model）
能理解和模拟物理世界规律的 AI 模型——能预测物体的运动、光照的变化、力的作用。是视频生成和机器人的共同基础。
端侧AI（On-Device AI）
AI 模型直接在手机、电脑、IoT 设备本地运行，无需云端。2026年苹果智能、高通骁龙、微软 Copilot+ PC 推动端侧AI成为主流。
具身智能（Embodied AI）
拥有物理身体的 AI 系统，能将感知、推理与物理行动结合。人形机器人、自动驾驶、无人机是典型应用。
AI治理（AI Governance）
管理 AI 系统开发、部署和使用的政策、流程和监督框架。EU AI Act 推动 AI 治理成为企业刚需。
🔗 探索更多 AI 工具板块
除了本板块，AI工具宝箱还有这些独家内容板块，帮你从不同角度发现好工具。