刚开始学 AI，最先把人劝退的，往往不是技术本身，而是一串串英文缩写：LLM、Token、RAG、Agent、Skill、MCP、API、CLI……每个字母都认识，连在一起却像另一种语言。
其实，这些词大多对应着很具体的问题：AI 是什么？模型怎样处理文字？如何给它交代任务？怎样让它查资料、调用工具、操作电脑？本地运行模型又需要什么硬件？
这篇文章整理了 66 个高频词，用尽量直白的语言说明三件事：它是什么、你会在哪里遇到、可以怎样记住。
不需要一次背下来。先建立一张地图，下一次看到陌生缩写时，知道它属于模型、对话、检索、Agent、软件接口还是硬件，就已经跨过了入门阶段最难的一道坎。
一、先认识 AI 和大模型
这一组先回答两个问题：AI 是什么？大语言模型在处理什么？
1｜AI（Artificial Intelligence，人工智能）
AI 是让机器完成过去通常需要人来理解、判断、预测或创作的任务。人脸解锁、路线拥堵预测、内容推荐和聊天机器人都属于 AI。它是一个很大的总称，大模型只是其中一类技术。
2｜算法（Algorithm）
算法是解决问题的一套明确步骤，很像菜谱：先准备什么、按什么顺序处理、最后输出什么。许多算法并不会聊天，AI 算法只是算法大家族的一部分。
3｜NLP（Natural Language Processing，自然语言处理）
NLP 是让电脑处理人类语言的技术领域。翻译、摘要、搜索、语音转文字和聊天问答，都与它有关。
4｜LLM（Large Language Model，大语言模型）
LLM 是用大量文字和计算训练出来的语言模型，擅长理解与生成文字。常见模型家族包括 GPT、Claude、Gemini、DeepSeek 和 Qwen。要区分产品与模型：ChatGPT 是产品，GPT 是它可能调用的模型家族。
5｜SLM（Small Language Model，小语言模型）
SLM 是体积较小、计算需求较低的语言模型，目前没有全球统一的参数分界线。它的知识范围可能更窄，但执行摘要、分类和端侧助手等固定任务时，通常更快、更省资源，也更容易运行在手机或普通电脑上。
6｜Token（词元）
Token 是模型读写文字时使用的小块，不完全等于一个汉字、一个单词或一个标点。模型会先把内容拆成 Token 再计算，调用费用和上下文容量也经常按 Token 统计。可以把它理解为 AI 处理文字用的“积木块”。
7｜Context（上下文）
Context 是 AI 当前能够参考的信息，包括用户问题、此前对话、上传文件、系统规则和工具返回结果。上下文越准确、越相关，回答通常越有依据。
8｜Context Window（上下文窗口）
上下文窗口是模型一次最多能处理多少信息，通常用 Token 表示。它像一张面积有限的书桌：资料放不下时，系统只能删减、总结、分批处理，或让较早的信息退出窗口。
9｜Context Length（上下文长度）
这个词常有两种用法：模型最多允许容纳的 Token 数，或者某次请求实际使用的 Token 数。前者是书桌的最大面积，后者是这一次真正摊开的文件量。
10｜MLLM（Multimodal Large Language Model，多模态大模型）
MLLM 不只处理文字，还能处理图片、声音或视频等信息。例如上传冰箱照片让它推荐晚餐，或上传会议录音让它提炼重点。“多模态”就是多种信息形式。
11｜VLM（Vision-Language Model，视觉语言模型）
VLM 重点连接视觉与语言，常用于看图问答、图表识别、图片描述和根据截图寻找按钮。它比泛称的多模态模型更强调视觉与语言的配合。
12｜MoE（Mixture of Experts，混合专家模型）
MoE 在模型内部安排多组“专家”，每次只激活其中一部分参与计算。它像医院分诊：皮肤问题交给皮肤科，不需要所有医生同时会诊。这样可以扩展模型容量，同时控制单次运行的计算量。
💡这一组先记住：LLM 主要处理语言，VLM 连接视觉与语言，MLLM 可以处理多种信息；Token 是文字积木，Context 是模型本次能够参考的资料。
二、和 AI 聊天时最常见的词
提示词负责交代任务，上下文提供材料，模型根据这些信息生成回答。
13｜Prompt（提示词）
Prompt 是你交给 AI 的全部输入，可以是一句话、一份资料，也可以是一张图片。它不需要写成“咒语”，但最好说清目标、材料、限制和输出要求。
14｜Prompt Engineering（提示词工程）
提示词工程是设计、测试和改进提示词的方法。它很像给同事布置工作：结果不对时，要检查任务是否清楚、材料是否齐全、限制与交付格式是否明确。
15｜System Prompt（系统提示）
System Prompt 是 AI 应用在背后设置的高优先级规则，用于规定身份、语气、能力范围和安全边界。它像企业的员工手册，用户通常看不到全部内容。
16｜User Prompt（用户提示）
User Prompt 是用户当前输入的要求。系统提示像店铺经营规则，用户提示像顾客提出的具体订单。两者共同影响结果，因此同一句话放进不同产品，回答可能不同。
17｜Instruction（指令）
Instruction 是提示词中要求 AI 执行的动作，例如总结、翻译、比较、分类或检查。“阅读邮件，提取日期，不要补充原文没有的信息”，就包含任务动作和边界限制。
18｜Markdown
Markdown 是使用简单符号排版文字的格式。# 可以表示标题，- 可以表示列表，两个星号包围文字可以表示加粗。AI 输出、技术文档和项目说明中经常出现它。
19｜JSON
JSON 是程序常用的结构化数据格式，通常由字段名和对应值组成。它像一张字段固定的电子表格，人能读，程序也方便继续处理。要求 AI 按 JSON 输出，通常是为了把结果交给另一个软件。
20｜Conversation History（对话历史）
对话历史是当前聊天此前出现过的消息。AI 能承接前文，通常是因为应用把历史记录再次发送给模型。聊天太长后，早期内容可能被截断或总结，所以模型有时会“忘记”最初要求。
21｜Hallucination（幻觉）
幻觉是 AI 生成了听起来合理、实际错误或不存在的内容，例如编造书名、链接、数字和人物经历。涉及日期、数据、引用和重要决策时，必须回到原始来源核验。
🎓CAIE / AIPM 提示：高质量提示词的核心不是堆技巧，而是明确任务目标、输入材料、业务边界、验收标准和输出格式。对于高风险任务，还要规定不确定时如何处理，以及哪些内容必须人工确认。
三、让 AI 读取资料：RAG 和搜索
当你看到“让 AI 读取公司文件”或“搭建个人知识库”，大概率会遇到这一组词。核心路线很简单：先找到相关资料，再让模型回答。
22｜RAG（Retrieval-Augmented Generation，检索增强生成）
RAG 会让 AI 在回答前先从指定资料中寻找相关内容，再把找到的片段交给模型组织答案。它像开卷考试：先翻课本，再依据课本作答。RAG 能减少凭空编造，但也可能检索错误，因此引用仍要核验。
23｜Knowledge Base（知识库）
知识库是集中存放、整理并供系统查询的资料集合。公司的产品手册、制度和常见问题可以组成客服知识库；个人笔记、文章和读书记录也可以组成个人知识库。资料质量与更新速度会直接影响回答质量。
24｜Retrieval（检索）
检索是从大量资料中找出与问题最相关的内容。像图书管理员根据你的问题，从几万本书里挑出最合适的几本。RAG 通常不会先让模型读完整个资料库，而是先取回少量相关片段。
25｜Keyword Search（关键词搜索）
关键词搜索主要看文字是否直接出现。搜索“退款期限”，系统优先找包含“退款”和“期限”的内容。它速度快，适合产品编号、人名和固定术语；如果提问与原文用词差异很大，可能漏掉答案。
26｜Semantic Search（语义搜索）
语义搜索更关注意思是否接近。搜索“东西不想要了怎么退”，也可能找到“退货政策”。它适合自然语言问题，但语义判断也会偏差。
27｜Hybrid Search（混合搜索）
混合搜索把关键词搜索和语义搜索结合起来。合同编号适合精确匹配，“怎样申请报销”更依赖语义理解。两类结果合并后再排序，可以兼顾字面一致和意思相近。
四、Agent、工具和 MCP
这是现在最热门，也最容易混淆的一组词。先记住总关系：Agent 负责决定和行动，Tool 提供能力，Skill 提供方法，MCP 负责连接。
28｜Chatbot（聊天机器人）
Chatbot 是主要通过对话回答问题的软件。它的重点是“你问一句，它答一句”，通常不会自己完成很长的一串外部操作。
29｜AI Assistant / Copilot（AI 助手 / 副驾驶）
AI Assistant 或 Copilot 用来帮助人完成写作、会议整理、表格或编程等任务。“副驾驶”很好理解：它可以观察、提醒和协助，方向盘仍在人手中，结果也需要人检查。
30｜Workflow（工作流）
Workflow 是预先安排好的固定步骤。例如收到发票后，先识别金额，再写入表格，最后通知财务。它稳定、容易检查；遇到计划外情况时，通常不如 Agent 灵活。
31｜AI Agent（AI 智能体）
AI Agent 是能够围绕目标决定下一步、调用工具、观察结果并继续行动的系统。聊天助手可以告诉你怎么买票；Agent 可以在授权范围内查询班次、填写信息并等待确认。因为它能行动，所以权限、错误处理和人工审批非常重要。
32｜Agentic AI（智能体式 AI）
Agentic AI 泛指强调连续规划、工具使用和多步执行的系统或设计方式。不同厂商定义并不完全统一。看到“Agentic”，可以继续追问：能用什么工具、可以自主走多少步、哪些环节必须人工确认？
33｜Autonomy（自主性）
自主性指系统在没有人逐步指挥时，能自己决定和行动到什么程度。整理文件副本风险较低；自动发邮件、付款或删除资料风险明显更高。任务越重要，越要缩小权限并增加确认点。
34｜Planning（规划）
Planning 是把目标拆成可以依次执行的步骤。计划写得漂亮不代表执行成功，Agent 每完成一步，都需要查看真实结果并决定是否调整。
35｜Tool（工具）
Tool 是 AI 可以调用的外部能力，例如网页搜索、计算器、数据库、日历和邮件。模型像负责判断的大脑，工具给它增加了手和眼睛。
36｜Tool Calling / Function Calling（工具调用 / 函数调用）
工具调用是模型按照规定格式选择工具并填写参数，程序实际执行后，再把结果交回模型。模型决定“用什么”，代码负责“真正去做”。
37｜Plugin（插件）
Plugin 是安装到某个软件中、用于增加功能的扩展包。插件通常依附于具体产品，能做什么取决于产品接口和用户授权。
38｜Skill（技能）
Skill 是教 Agent 稳定完成某类任务的一套可复用说明、脚本和资源。它像标准操作手册，规定先读什么、按什么步骤做、怎样检查结果。Prompt 常用于一次任务，Skill 更适合重复执行同类工作。
39｜MCP（Model Context Protocol，模型上下文协议）
MCP 是一套让 AI 应用连接外部资料和工具的开放协议。可以把它记成 AI 世界的 USB-C：不同能力按照统一规范接入。它解决“怎样连接”，不会替 Agent 决定任务目标。
40｜MCP Host（MCP 主机）
MCP Host 是用户实际使用的 AI 应用，例如桌面助手、代码编辑器或 Agent 平台。它负责管理用户、模型、安全权限和多个连接。
41｜MCP Client（MCP 客户端）
MCP Client 位于 Host 内部，负责与某个 MCP Server 建立和维持通信，发现 Server 提供的能力并发送调用请求。
42｜MCP Server（MCP 服务器）
MCP Server 是按照 MCP 规范提供工具、资料或提示模板的程序。它不一定部署在远端，也可以运行在用户电脑上，例如只允许读取指定目录的本地文件 Server。
43｜MCP Tool（MCP 工具）
MCP Tool 是 Server 提供的具体动作，例如查询天气、创建日程、读取数据库或发送消息。查询通常风险较低，发送、删除和付款等操作应设置严格权限与确认。
44｜MCP Resource（MCP 资源）
MCP Resource 是通过 MCP 提供给 AI 读取的内容，例如文件、数据库记录、项目结构或应用状态。Resource 像桌上的资料，Tool 像可以按下去的按钮。
45｜MCP Prompt（MCP 提示模板）
MCP Prompt 是 Server 提供的可复用提示模板，用固定结构帮助用户发起任务。它不会自动执行动作，仍需由用户选择并交给模型处理。
46｜Memory（记忆）
Memory 是系统保存并在以后重新使用的信息，可能包括当前聊天摘要、用户偏好、历史任务和长期资料。所谓“AI 记住你”，通常是这些信息被存储，并在后续重新提供给模型。记忆也涉及隐私、保留期限和删除方式。
47｜Human in the Loop（人在回路）
人在回路指关键步骤必须由人检查、选择或批准。例如 AI 整理退款名单并填写草稿，实际转账前由财务确认。它用人工判断控制高风险操作。
48｜Multi-agent（多智能体）
多智能体是让多个 Agent 分工协作，例如一个检索资料、一个起草文章、一个检查引用。分工合理时可以并行处理复杂任务，但成员越多，沟通成本、重复工作和错误传递也会增加。
49｜A2A（Agent-to-Agent）
A2A 指 Agent 之间交换任务、状态和结果的通信方式。MCP 关注 Agent 怎样连接工具和资料，A2A 关注一个 Agent 怎样把工作交给另一个 Agent。
50｜Computer Use（计算机操作）
Computer Use 是让 AI 通过观察屏幕、移动鼠标、点击和输入来操作软件。它可以覆盖没有 API 的网页和桌面应用，但界面变化可能导致误操作，付款、删除和外发信息必须人工确认。
51｜Sandbox（沙箱）
Sandbox 是限制程序活动范围的隔离环境，像给实验划出围栏。让 Agent 运行代码、下载文件或修改项目时，沙箱可以限制影响范围，但不能替代权限审查和安全检查。
🎓CAIE / AIPM 提示：判断一个 Agent 产品，不能只看它是否会“自主规划”。还要检查工具范围、权限最小化、失败处理、停止条件、人工确认、日志审计和结果验收。自主性越高，治理要求越高。
五、看 AI 教程会遇到的电脑词
这些概念并非都由 AI 领域发明，但学习 Agent、自动化和本地模型时经常出现。
52｜API（Application Programming Interface，应用程序编程接口）
API 是软件之间按约定交流的入口。像餐厅服务员把订单送进厨房，再把结果带回来。天气、支付和大模型服务都可以通过 API 被其他程序调用。
53｜API Key（API 密钥）
API Key 是程序访问服务时使用的秘密凭证，用于识别调用者，也经常连接使用额度和账单。它像密码，不要放进公开代码、截图、教程或群聊。
54｜SDK（Software Development Kit，软件开发工具包）
SDK 是开发某个平台应用时常用的代码、说明、示例和工具集合。API 告诉你可以怎样调用，SDK 则把常用代码与操作方式提前准备好。
55｜CLI（Command-Line Interface，命令行界面）
CLI 是通过输入文字命令操作电脑的方式。图形界面让你点击“新建文件夹”，CLI 则用一行命令完成。许多 AI 开源工具通过 CLI 安装和运行。
56｜Terminal（终端）
Terminal 是显示和输入命令的窗口，例如 macOS 的“终端”和 Windows Terminal。Terminal 是窗口，CLI 是通过文字命令操作的方式，两者经常一起出现。
57｜Repository / Repo（代码仓库）
Repository 常简称 Repo，是集中保存项目文件和修改历史的地方。可以把它看成一个带版本记录的项目文件夹。
58｜Git
Git 是记录文件版本变化的工具。它能显示修改内容、作者和时间，也能保留不同阶段版本。Git 可以在本地运行，不等于 GitHub。
59｜GitHub
GitHub 是托管 Git 仓库并支持多人协作的网站。开发者在上面发布代码、写说明、报告问题和共同修改项目。Git 是版本管理工具，GitHub 是在线托管与协作平台。
第一次看到 CLI 不用紧张。复制命令前，先弄清它会读取、修改、删除还是上传什么；涉及重要文件时，先用副本练习。
六、本地模型和硬件常见词
只有准备在自己的设备上运行模型时，这组词才需要重点研究。平时使用在线 AI 产品，知道大意即可。
60｜Local Deployment（本地部署）
本地部署是让模型或程序运行在自己的电脑、手机或公司服务器上。它有利于控制数据与环境，但安装、更新、性能和安全要自行管理。本地部署不等于天然绝对安全。
61｜Cloud API（云端 API）
云端 API 是模型运行在服务商的远程服务器上，用户通过网络发送请求并取得结果。它上手方便，不需要自己购买和维护硬件，但会受到网络、价格、调用额度、平台规则和数据政策影响。
62｜Open Source（开源）
开源通常指源代码按照某种许可证公开，别人可以在许可证范围内查看、修改和分发。公开下载不代表可以任意商用，具体权利要看许可证。
63｜Open Weights（开放权重）
开放权重指训练完成后的模型参数可以下载，用户可以尝试在自己的设备上运行或继续调整。训练数据、完整训练代码和商业权利未必同时开放，因此开放权重不等于完整开源。
64｜GPU（Graphics Processing Unit，图形处理器）
GPU 原本用于处理图形，也适合同时执行大量相似计算，因此被广泛用于训练和运行 AI 模型。它像一大群能够并行做题的人。
65｜VRAM（显存）
VRAM 是 GPU 使用的高速内存。模型权重和运行过程中的中间数据需要放在其中。模型像大型积木，显存像桌面；桌面太小，模型可能无法加载，或只能采用更慢、更节省空间的方法。
66｜B（Billion，十亿参数）
模型名称中的 7B、70B，通常表示大约 70 亿、700 亿个参数。参数可以理解为模型训练后形成的大量内部数字。参数越多通常越占内存和计算资源，但不直接等于能力一定更强，训练质量与具体任务同样重要。
七、如果只记 10 个词
66 个词不需要背。第一次读完，可以先记住下面十个：
AI
：让机器处理需要理解、判断、预测或创作的任务； LLM
：主要负责理解和生成语言的大模型； Token
：模型读写文字时使用的小块； Context
：模型这一次可以参考的信息； Prompt
：你交给 AI 的要求和材料； Hallucination
：AI 把错误内容说得很像真的； RAG
：先从指定资料中检索，再组织答案； Agent
：围绕目标连续决定并行动的系统； MCP
：连接 AI 与外部资料、工具的开放协议； CLI
：通过文字命令操作电脑的方式。
以后遇到陌生缩写，先问它属于哪一类：模型、对话、资料检索、Agent、软件接口，还是硬件？只要能把词放回这些“抽屉”，大多数 AI 文章都会好读很多。
理解术语不是为了显得专业，而是为了在选产品、做方案和执行任务时，知道大家讨论的究竟是不是同一件事。