AI 术语入门指南

AI 术语入门指南文章目录AI 术语入门指南一、先搞懂这些概念1.1 LLM —— 大语言模型1.2 Token —— 文字的计量单位1.3 Context —— 对话的记忆1.4 Temperature —— 回答的创造力1.5 Hallucination —— 幻觉二、Agent 智能体2.1 什么是 Agent2.2 RAG —— 检索增强生成三、Embedding —— 把文字变成坐标四、Fine-tuning —— 给AI做特训五、常见AI架构图解5.1 聊天机器人架构5.2 RAG 系统架构六、名词速查表七、学习路径八、Claude Code 是什么从零认识大模型说人话不废话 —— Claude Code 学习方法论·第一篇一、先搞懂这些概念1.1 LLM —— 大语言模型LLM Large Language Model把它想象成一个读完了整个图书馆的人它不会真的思考而是根据见过的内容猜下一个最可能出现的字。你输入今天天气真 它猜好最可能 或 糟糕也可能 哪个更合理它根据学习过的内容判断常见LLM一览模型爸爸公司一句话特点GPT-4OpenAI公认最强收费Claude 3Anthropic长文本、代码强GeminiGoogle谷歌出品通义千问阿里中文友好文心一言百度中文友好1.2 Token —— 文字的计量单位大模型不看字看 Token。Token 是它处理信息的最小单元。1个中文汉字 ≈ 1-2个 Token 1个英文单词 ≈ 1.5个 Token 1段话 ≈ 3-10个 Token为什么重要API 按 Token 收费输入输出都算 Token上下文窗口有上限GPT-4 ≈ 128K tokens1.3 Context —— 对话的记忆就像人的短期记忆大模型在一次对话中能记住的内容有限。你第一天上班好累 它加油 你昨天也是 它连续上班确实辛苦 它记住了上班这件事1.4 Temperature —— 回答的创造力低温度0-0.3保守、精确 → 112 高温度0.7-1.0创意、随机 → 112王爱写代码、问事实 → 低温写小说、头脑风暴 → 高温1.5 Hallucination —— 幻觉大模型一本正经地胡说八道。它追求的是听起来对不是真的对。为什么会这样训练数据有错没找到答案时瞎编它觉得这样说合理如何避免要求提供来源用 RAG 检索验证重要信息交叉确认二、Agent 智能体2.1 什么是 Agent如果 LLM 是大脑Agent 大脑 手脚 记忆┌─────────────────────────────────────┐ │ Agent 三件套 │ ├─────────────────────────────────────┤ │ 规划 (Planning) │ │ 把大任务拆成小步骤 │ ├─────────────────────────────────────┤ │ 工具 (Tools) │ │ 能调用搜索、计算、代码等 │ ├─────────────────────────────────────┤ │ 记忆 (Memory) │ │ 记住之前做过什么 │ └─────────────────────────────────────┘打个比方LLM 只会出主意的军师Agent 军师 能自己出去打仗的将军2.2 RAG —— 检索增强生成先查资料再回答—— 解决大模型知识过时的问题传统靠脑子里记的可能过时 RAG 先查资料库再回答更准确三、Embedding —— 把文字变成坐标让电脑理解哪些词意思相近苹果 → (0.8, 0.2, 0.1...) 香蕉 → (0.7, 0.3, 0.2...) 电脑 → (0.1, 0.9, 0.5...) 苹果和香蕉距离近 → 意思相近 苹果和电脑距离远 → 意思不同应用场景相似文章推荐智能客服理解问题内容自动分类四、Fine-tuning —— 给AI做特训通用大模型什么都会一点→ 特训 → 专业模型垂直领域专家Fine-tuningPrompt Engineering成本高要重新训练低改文字即可效果永久改变行为每次对话要重复适用大量相似场景灵活多变的场景五、常见AI架构图解5.1 聊天机器人架构┌──────────┐ │ 用户提问 │ └────┬─────┘ ↓ ┌──────────┐ │ 对话管理 │ ← 记住上下文 └────┬─────┘ ↓ ┌──────────┐ │ Prompt │ ← 组装指令 └────┬─────┘ ↓ ┌──────────┐ │ LLM │ ← 生成回答 └────┬─────┘ ↓ ┌──────────┐ │ 返回答案 │ └──────────┘5.2 RAG 系统架构┌──────────┐ │ 用户问题 │ └────┬─────┘ ↓ ┌──────────┐ │ Embedding│ ← 变成向量 └────┬─────┘ ↓ ┌──────────┐ │ 向量数据库│ ← 检索相关文档 └────┬─────┘ ↓ ┌──────────┐ │ 组装Prompt│ ← 问题文档 └────┬─────┘ ↓ ┌──────────┐ │ LLM │ ← 生成答案 └────┬─────┘ ↓ ┌──────────┐ │ 返回答案 │ └──────────┘六、名词速查表缩写全称人话LLMLarge Language Model大语言模型AIArtificial Intelligence人工智能AGIArtificial General Intelligence像人一样聪明的AINLPNatural Language Processing自然语言处理GPTGenerative Pre-trained Transformer生成式预训练模型APIApplication Programming Interface程序接口Token-文字计量单位Prompt-给AI的指令Agent-能自主行动的AIRAGRetrieval-Augmented Generation先查后答Embedding-文字变坐标Fine-tuning-给AI特训Temperature-创造力开关Hallucination-AI胡说八道七、学习路径第一阶段会用 ↓ 会写 Prompt会调温度 第二阶段会做 ↓ 搞懂 Agent、RAG 能做什么 第三阶段理解原理 ↓ 搞懂大模型怎么工作 第四阶段深度应用 ↓ Fine-tuning、架构设计八、Claude Code 是什么重点来了Claude Code 就是 Agent 的一种实现┌─────────────────────────────────────────────────┐ │ Claude Code │ ├─────────────────────────────────────────────────┤ │ LLM 大脑Claude │ │ 理解你的需求生成代码 │ ├─────────────────────────────────────────────────┤ │ 工具集Tools │ │ 读写文件、执行命令、搜索代码 │ ├─────────────────────────────────────────────────┤ │ 记忆Memory │ │ 记住项目上下文、之前的操作 │ ├─────────────────────────────────────────────────┤ │ 规划Planning │ │ 自动拆解任务步骤 │ └─────────────────────────────────────────────────┘简单说Claude Code Claude会思考 工具会执行记住这三句话LLM 超级文字接龙高手Agent 大脑 手脚能自主干活Claude Code 你的专属 Agent 程序员文档1·完后续更新文档2Claude Code 实战方法论