AI黑话扫盲指南

：聊天机器人，最常见的AI应用，就像智能客服。还有个类似的词是

即对话和内容像朋友圈那样一条条往下刷的流。在UI里通常指和AI的对话页面。

：也叫基模，比如 GPT、Claude，是AI的“地基”。另一个跟模型相关的词是

特指专注于自然语言处理（NLP）的大型模型，通常基于 Transformer 架构，通过千亿级文本数据训练获得语言理解和生成能力，比如生成式模型：GPT-3.5、Llama 2 擅长文本创作、对话；理解式模型：BERT、RoBERTa 擅长情感分析、实体识别。

：AI 的人设设定，决定它怎么说话、边界在哪里。 比如“温柔的心理咨询师” 、“人美声甜的高中英语老师”、“人帅活好的站酷产品设计师”。另外市面上的AI类乙游，本质上也是给纸片人一个人设，包括人物性格、性别、身世、说话语气等等，再加上回答边界，让纸片人说出来的话是符合时代背景与他的人设的，例如不能让一个古代背景的角色问出Are you OK这种话。

即AI一本正经地胡说八道，看似合理但其实编的，就像人凭想象 “虚构记忆” 一样，AI 会自信地给出没有事实依据的内容。Deepseek曾经有个阶段的幻觉问题就非常严重。比如让 AI写一篇关于 “新型环保材料XXX” 的文章，若没有足够真实数据，AI可能会虚构该材料的研发机构（如 “某大学环境学院 2024 年研发”）、性能参数（如 “可降解率达 99%”），这些信息看似合理，实则完全是 AI “凭空创造” 的。在应用层面，可以

全称

检索增强生成，AI先去知识库翻资料，再结合大模型回答。

常用AI生图的小伙伴肯定熟悉，就是提示词，小某书里常说的“咒语”，即给AI的指令，怎么说决定AI怎么回。

查询请求。比如你问数据库一句话、搜索引擎一句话，AI内部也会把你输入转成一个 query。

向量化表示，即把文字转成数字向量，用于语义检索、推荐。

上下文窗口，AI能记住的“对话长度”。超出窗口就会遗忘。这个有点像人与人之间的对话，“上周五你说的要搬家那件事处理的怎么样了？”，你需要先提起一个片段唤醒对方记忆才能进行继续对话，否则没头没脑来一句“你那件事处理的怎么样了”，对方会很懵“啊？哪件事？”

：指通过系统化协调多个 AI 组件（如模型、工具、数据管道）完成复杂任务的过程。它不仅是技术层的流程管理，更是实现从 “单一功能” 到 “端到端智能” 的关键桥梁。

展示模型思考过程。思维链的概念由谷歌大脑的高级研究员 Jason Wei 在 2022 年 1 月发表的论文「Chain - of - Thought Prompting Elicits Reasoning in Large Language Models」中提出。而首次将思维链作为核心技术亮点展示的是 OpenAI 在 2024 年 9 月发布的 o1 模型。DeepSeek 是在 2025 年春节时，其 R1 模型首次完整展示了大模型执行推理时的思维链过程，成为思维链技术发展中的一个重要里程碑。

更自主的AI角色，可以调用工具、执行任务，而不只是聊天。比如一个医疗类Agent，它除了可以像医生一样跟你对话，还能调用工具和API接口进行B超、化验单等报告的解读，本质上是利用三方工具把B超或报告的内容的提示词结构化。

就像茶馆里头那块“莫谈国事”的牌子，为 AI 的行为划定 “不能碰的边界”—— 比如防止 AI 生成违法、暴力、歧视性的内容，或是避免 AI 做出超出其功能范围的危险决策（比如擅自给出医疗诊断、金融投资建议等），本质是给 AI 的运行加一层安全约束，确保其输出和行为符合规则、伦理和安全要求。

优化提示词，让AI回答更靠谱。比如你想让 AI 写一篇 “给小学生的太空科普”，直接说 “写太空科普”，AI 可能写出满是公式的专业内容；但加上 “适合 10 岁孩子、用动画片角色举例、不超过 500 字” 这些 “好指令”（也就是提示工程优化），AI 就能精准产出符合要求的内容，不会答非所问。

相当于给AI定制化特训，核心是让通用 AI 变得更 “懂行”，从“会做事”到“擅长做事”，垂类领域的agent就非常依赖微调效果。没微调的 AI 写科幻可能情节老套、逻辑漏洞多；经过科幻数据微调后，它能更精准地把握科幻设定、写出符合风格的剧情；同理，用医学数据微调后，它能更准确地理解病历、辅助分析医学问题。

AI 的“思考输出”环节，核心是指训练好的 AI 模型，用已学的知识去 “解决实际问题、给出答案” 的过程。比如学习阶段（AI训练），学生平时听课、做练习，把知识记在脑子里。考试阶段（AI推理），学生看到题目用平时学的知识分析、计算，最后写出答案。

就是 AI 系统处理一个请求所花费的时间。在AI回答一些长内容时，尤其用到了深度思考，时延通常会比较长，这时候UI侧就需要做一些loading效果或者用思维链来减少用户等待的焦虑感。

最小可行性版本，即仅保留核心功能来进行市场验证试试水。

AI刚上岗，因为没数据、没经验，没法顺利干活的状态，如何启动一个AI应用。就像一家刚开业的餐厅，没积累任何顾客口味数据（对应 AI没专属训练数据），不知道该主推什么菜（AI 不知道如何精准输出）。比如开发一个新的 AI推荐系统，初期没有用户的浏览、购买记录，就没法给用户推喜欢的商品，只能先随便推一些热门款。

你和 AI 一次完整的互动过程，就像你和人聊天时，从开口打招呼到结束对话的这整段交流。

，期间 AI 会记住你们之前聊过的内容（比如你之前说过 “喜欢红色”，后续对话中 AI可能会用到这个信息），直到你关闭窗口、退出程序，这个 “临时档案” 才会结束或重置。

通俗说就是 “你和 AI 之间一次‘一问一答’的交互单元”，是构成 “会话（Session）” 的最小单位，就像聊天时你说一句、对方答一句，这一 “来” 一 “回” 就是两个对话轮。你说：“推荐一部新的动作电影”—— 这是

，即用户发起的一次交互。AI 回复：“推荐《碟中谍8》，阿汤哥的碟中谍系列收官之作”—— 这是

，即 AI针对用户输入的一次回应。你接着问：“它的评分高吗？”—— 这是新的

。AI 回复：“豆瓣评分 7.7 分，口碑还不错”—— 这是新的

。简单讲，

，多次对话轮连起来，就构成了一次完整的对话会话（Session）。