> For the complete documentation index, see [llms.txt](https://yeasy.gitbook.io/prompt_engineering_guide/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://yeasy.gitbook.io/prompt_engineering_guide/fu-lu/b_glossary.md).

# 附录 B：术语表

本附录收录了提示词工程和大语言模型领域的常用术语及其解释。

## A

**自适应思考（Adaptive Thinking）** Claude Fable 5 / Mythos 5（常开且不可关闭）、Claude Sonnet 5（默认开启）与 Opus 4.8、Opus 4.7、Opus 4.6、Sonnet 4.6 支持的推理模式（`type: "adaptive"`），由模型根据任务复杂度自动决定思考深度。Fable 5 / Mythos 5 已于 2026-07-01 恢复访问，Mythos 5 仍限获批客户；Sonnet 5 与 Opus 4.8 / 4.7 不支持手动 Extended Thinking，Opus 4.6 与 Sonnet 4.6 上的手动 Extended Thinking 已被标为 deprecated。

**智能体（Agent）** 能够自主感知环境、做出决策并采取行动的AI系统，通常具备规划、执行和反思能力。

**智能体驱动的检索增强生成（Agentic RAG）** 智能体驱动的检索增强生成，支持多轮自适应检索与推理，实现更灵活的知识检索与推理循环。

**API（应用程序接口）** Application Programming Interface，允许应用程序之间相互通信的接口，大语言模型通常通过API提供服务。

**APE（自动提示词工程）** Automatic Prompt Engineering，使用AI自动生成和优化提示词的技术。

**Attention Mechanism（注意力机制）** Transformer架构的核心机制，使模型能够关注输入序列中的不同部分。

## B

**Beam Search（束搜索）** 一种文本生成策略，在每步保留多个候选序列，平衡质量和多样性。

**Bias（偏见）** 模型在输出中体现的系统性倾向，可能来源于训练数据或设计。

## C

**Chain-of-Thought（思维链）** 通过引导模型展示推理步骤来提升复杂任务表现的提示技术，简称CoT。详见[第6章](/prompt_engineering_guide/di-er-bu-fen-he-xin-ji-shu-pian/06_chain_of_thought.md)。

**ChatML** 一种用于格式化对话的标记语言，某些开源模型使用此格式。

**Chunk（文档块）** RAG 系统中，将长文档分割成的较小片段，便于检索和处理。

**上下文工程（Context Engineering）** 超越提示词工程的范式，关注动态组装和管理 LLM 的完整输入上下文，包括系统指令、检索内容、记忆状态等。

**Context Window（上下文窗口）** 模型一次能处理的最大Token数量，决定了输入和输出的总长度限制。

**CoT（思维链）** Chain-of-Thought的缩写，见Chain-of-Thought。

## D

**Delimiter（分隔符）** 用于区分提示词不同部分的标记，如三引号、XML标签等。

## E

**Embedding（嵌入）** 将文本转换为向量表示的过程，用于语义相似度计算。

## F

**Few-Shot Learning（少样本学习）** 在提示词中提供少量示例来引导模型学习任务模式的技术。详见[第5章](/prompt_engineering_guide/di-er-bu-fen-he-xin-ji-shu-pian/05_few_shot.md)。

**Fine-tuning（微调）** 在预训练模型基础上，使用特定数据进行进一步训练以适应特定任务。

**Function Calling（函数调用）** 模型生成结构化的函数调用请求，以调用外部工具或API的能力。

## G

**Generative AI（生成式AI）** 能够生成新内容（文本、图像、音频等）的人工智能技术。

**Grounding（事实基础）** 将模型输出基于可靠的外部知识源，以减少幻觉和提高准确性。

## H

**驭具工程（Harness Engineering）** 围绕 LLM 构建的执行控制层工程，包括工具管理、安全防护、可观测性等，是应用系统的基础设施层。

**Hallucination（幻觉）** 模型生成看似合理但实际错误或虚构的信息。

## I

**In-Context Learning（上下文学习）** 模型通过提示词中的示例“学习”任务，而不改变模型参数。

**Instruction Tuning（指令调优）** 通过大量指令-回复对训练模型，提升其遵循指令的能力。

## J

**JSON（JavaScript对象表示法）** 一种轻量级的数据交换格式，常用于结构化输出。

## L

**LLM（大语言模型）** Large Language Model，基于大规模文本数据训练的生成式语言模型。

**LangChain** 用于构建LLM应用的开发框架，提供提示词管理、链式调用等功能。

## M

**MCP（模型上下文协议）** Model Context Protocol，Anthropic 提出的模型上下文协议，标准化 LLM 与外部工具、数据源的连接方式。

**Meta-Prompting（元提示）** 使用提示词来生成或优化其他提示词的技术。

**Multimodal（多模态）** 能够处理和生成多种类型数据（文本、图像、音频等）的模型。

## O

**One-Shot Learning（单样本学习）** 在提示词中提供一个示例来指导模型的技术。

## P

**Parameter（参数）** 模型内部的可学习权重，参数量通常用来衡量模型规模。

**Prefill（预填充）** 预先设定回复的开头部分，引导模型按特定格式继续生成。

**Prompt（提示词）** 发送给语言模型的输入文本，用于指导模型生成期望的输出。

**Prompt Engineering（提示词工程）** 设计和优化提示词以提升模型输出质量的技术和实践。

**Prompt Injection（提示词注入）** 通过恶意输入试图操控模型行为的安全攻击手段。

**PromptOps** 将DevOps理念应用于提示词生命周期管理的实践。

## R

**RAG（检索增强生成）** Retrieval-Augmented Generation，结合信息检索和文本生成的技术架构。详见[第9章](/prompt_engineering_guide/di-san-bu-fen-gao-ji-ying-yong-pian/09_rag.md)。

**ReAct** Reasoning and Acting，将推理与行动交替进行的Agent框架。详见[第8章](/prompt_engineering_guide/di-san-bu-fen-gao-ji-ying-yong-pian/08_react_tools.md)。

**RLHF（人类反馈强化学习）** Reinforcement Learning from Human Feedback，使用人类反馈优化模型行为的训练方法。

**Role（角色）** 为模型设定的身份或专业领域，影响回复风格和视角。

## S

**Self-Consistency（自一致性）** 通过多路径采样和投票提升推理准确性的技术。

**系统提示词（System Prompt）** 设定模型整体行为和规则的提示词，通常在对话开始时提供。

## T

**Temperature（温度）** 控制生成随机性的参数，值越高输出越随机，越低越确定。

**Token（词元）** 模型处理文本的基本单位，可以是一个词、词的一部分或标点符号。

**Token Limit（Token限制）** 上下文窗口的大小限制，决定了输入输出的总Token数上限。

**Top-k Sampling** 每步生成时只从概率最高的k个Token中采样的策略。

**Top-p Sampling（核采样）** 每步生成时从累积概率达到p的最小Token集合中采样的策略。

**ToT（思维树）** Tree of Thoughts，将推理过程组织为树形结构的高级推理策略。

**Transformer** 现代大语言模型的基础架构，基于注意力机制。

## V

**Vector Database（向量数据库）** 专门用于存储和检索向量嵌入的数据库，RAG 系统的核心组件。

**VLM（视觉语言模型）** Vision-Language Model，能够理解图像和文本的多模态模型。

## Z

**Zero-Shot Learning（零样本学习）** 不提供示例，仅通过指令描述任务让模型完成的技术。详见[第5章](/prompt_engineering_guide/di-er-bu-fen-he-xin-ji-shu-pian/05_few_shot.md)。

***

## 新增术语（2025-2026年更新）

**A2A Protocol（Agent-to-Agent 协议）** Google提出的Agent间通信标准化协议，定义了多智能体系统中的消息格式和交互模式。

**Extended Thinking（扩展思考）** Claude 等模型的深度推理功能，允许模型在回答前进行更深入的内部推理。预算参数（`budget_tokens`）控制方式在 Opus 4.6 / Sonnet 4.6 上已弃用、在 Opus 4.8 / 4.7 与 Sonnet 5 上已移除；Fable 5 / Mythos 5 只提供常开的 Adaptive Thinking，二者已于 2026-07-01 恢复访问。

**MoE（混合专家模型）** Mixture of Experts，一种模型架构，通过路由机制动态激活部分参数，实现大规模模型的高效推理。

**Structured Outputs（结构化输出）** OpenAI等平台提供的功能，确保模型输出严格符合指定的JSON Schema，无需后处理验证。

***

**注**：本术语表持续更新中，随着技术发展会有新的术语出现。