| 大语言模型（LLM） | 基于海量文本训练的AI模型，能理解并生成自然语言，如GPT、GLM等系列 |
| 智能体（Agent） | 具备自主规划与执行能力的AI，能感知环境、调用工具并完成多步骤复杂任务 |
| 提示词（Prompt） | 用户输入给AI的指令或问题，质量直接影响输出结果 |
| 提示词工程（Prompt Engineering） | 系统性地设计、优化提示词以引导AI产出高质量回答的技术 |
| 推理模型（Reasoning Model） | 采用思维链式深度推演的模型，通过分步骤逻辑推导来提升回答准确性 |
| 上下文窗口（Context Window） | 模型单次能处理的输入内容上限，通常以token数量衡量 |
| Token | 模型处理文本的最小语义单元，一个汉字约等于1-2个token，一个英文单词约等于1-3个token |
| 幻觉（Hallucination） | 模型生成看起来合理但事实错误或完全虚构的内容 |
| 思维链（Chain of Thought） | 让模型逐步展示推理过程，而非直接给出答案，能显著提升复杂问题准确率 |
| 多模态（Multimodal） | 模型能同时处理文字、图像、音频等多种信息形式 |
| 嵌入（Embedding） | 将文字或图像转换为高维数学向量，用于语义搜索和相似度计算等任务 |
| MCP（Model Context Protocol） | 连接AI模型与外部工具、数据源的标准化协议，让模型能调用各类第三方服务 |
评论
0 条