附录 A：术语表

遇到看不懂的词？来这里查。

---

基础概念

人工智能（Artificial Intelligence/AI） 让机器模拟人类智能的技术，包括学习、推理、感知等能力。

机器学习（Machine Learning/ML） AI 的一个子集，让计算机从数据中学习规律，而不是通过编写明确规则。

深度学习（Deep Learning/DL） 机器学习的一种，使用多层神经网络模拟人脑的学习方式，擅长处理图像、语音等复杂数据。

生成式 AI（Generative AI/GenAI） 能创造新内容（文本、图像、代码等）的 AI，如 ChatGPT。

通用人工智能（Artificial General Intelligence/AGI） 具备与人类同等或超越人类的通用智能，能处理各种任务的 AI。

模型与技术

大语言模型（Large Language Model/LLM） 经过海量文本训练的、参数巨大的深度学习模型，能理解和生成人类语言。详见第六章。

Transformer 架构（Transformer Architecture） 目前的 AI 架构基石，基于注意力机制，特别是自注意力机制。详见第五章第三节。

词元（Token） 大语言模型（LLM）处理文本的基本单位。对于英文通常是一个词或词根，中文通常是一个字或词。

参数（Parameters） 模型内部的变量，相当于模型的“脑细胞”。参数越多，通常模型越强。

上下文窗口（Context Window） 模型一次能“记住”或处理的文本长度。

训练与优化

预训练（Pre-training） 在海量数据上进行的初步训练，让模型获得通用知识。

微调（Fine-tuning） 在预训练基础上，用特定数据进一步训练，让模型适应特定任务。

人类反馈强化学习（Reinforcement Learning from Human Feedback/RLHF） 基于人类反馈的强化学习，用于调整模型，使其回答更符合人类偏好。

提示词工程（Prompt Engineering） 设计输入的提示词，以引导模型生成更准确、高质量输出的技术。详见第九章和第十章。

思维链（Chain of Thought/CoT） 一种提示技巧，要求模型展示推理步骤，提高逻辑题准确率。详见第十章第一节。

检索增强生成（Retrieval-Augmented Generation/RAG） 结合外部知识库检索和生成模型，解决模型知识幻觉和时效性问题。详见第十二章第三节。

温度（Temperature） 控制模型输出随机性的参数。温度越高，结果越有创意但越不可控；温度越低，结果越确定。

提示词注入（Prompt Injection） 通过构造恶意输入让模型偏离系统指令，诱导泄露信息或触发高风险操作。详见第十三章第二节。

常见工具

ChatGPT OpenAI 开发的聊天机器人，基于 GPT 模型。详见第八章第一节。

Claude Anthropic 开发的 AI，擅长长文本和写作。详见第八章第二节。

Midjourney 著名的 AI 绘画工具，基于 Discord 使用。详见第七章第二节。

Stable Diffusion 开源的 AI 绘画模型。详见第七章第二节。

智能体（Agent） 以大语言模型为大脑，具备感知、规划和行动能力的 AI 系统。详见第十二章。

ReAct（推理+行动） 智能体的经典思考模式，结合推理（Reasoning）和行动（Acting）。详见第十二章第二节。