AI 术语一查就懂

Agent（智能体）是能感知环境、自主决策、调用工具、完成多步任务的 AI 系统。如果说 LLM 是'大脑'，Agent 就是'大脑+手脚'——它能用搜索引擎查资料、用代码解释器算数、用 API 操作软件。本文拆解 Agent 的核心架构、与 Chatbot 的本质差异、ReAct 范式、主流框架与常见误区。

Context Window（上下文窗口）是 LLM 一次能处理的最大 token 数量，决定了模型能'看到'多少信息。从 GPT-3 的 2K 到 Gemini 1.5 的 2M，上下文窗口扩大了 1000 倍。本文拆解上下文窗口的本质、与记忆的区别、长上下文的挑战与突破，以及如何选择合适窗口大小的模型。

Embedding（词嵌入）是把文字转成高维向量的技术，是 [RAG](/glossary/2026-08-14-rag)、语义搜索、推荐系统的基础。它让'意思相近的文字'在向量空间中距离也近，AI 才能'算'出语义相似度。本文用通俗语言拆解 Embedding 原理、为什么能表示语义、主流模型对比与选型建议。

Fine-tuning（微调）指在预训练大模型基础上，用领域特定数据进一步训练，让模型适配特定任务或风格。与 Prompt Engineering、RAG 并列为让 LLM 学会领域知识的三种方式。本文拆解微调的原理、三类方法、与 RAG/Prompt 的对比、适用场景与踩坑要点。

Hallucination（幻觉）指大语言模型生成看似合理但与事实不符的内容。这是 LLM 最棘手的缺陷，根源在于模型的概率生成机制。本文拆解幻觉的成因、四类典型表现、检测方法与缓解策略，帮你识别和应对 AI 的「一本正经地胡说八道」。

LLM（Large Language Model，大语言模型）是 ChatGPT、Claude、Gemini 背后的核心技术，通过海量文本训练学会'理解与生成语言'。本文用通俗语言拆解 LLM 的定义、训练流程、核心能力、与传统 NLP 的区别、能力边界与常见误区，帮你建立对 LLM 的完整认知。

Multimodal（多模态）是指 AI 能同时处理多种类型的数据（文本、图像、音频、视频），像人类一样用多种感官理解世界。从 GPT-4V 看图说话，到 GPT-4o 实时语音对话，多模态正在重新定义 AI 的能力边界。本文拆解多模态的本质、技术原理、与单模态的区别、应用场景与常见误区。

MCP（Model Context Protocol）是 Anthropic 推出的开放协议，让 AI 模型能够安全地访问外部数据源和工具。类似于 AI 世界的 USB-C 接口，统一了 LLM 与外部资源的连接方式。

RAG（Retrieval-Augmented Generation，检索增强生成）是让大模型基于你的私有数据回答问题的技术。它先用向量检索找到相关文档片段，再把片段塞进 Prompt 让模型生成答案。解决了大模型'不知道企业内部数据'和'容易幻觉'两大痛点。本文用通俗语言拆解 RAG 原理、与微调的区别、4 种检索策略与落地步骤。

Transformer 是 2017 年 Google 提出的神经网络架构，是 GPT、Claude、Gemini 等所有现代 LLM 的技术基石。它用'注意力机制'让模型理解词语间的关系，突破了 RNN 的序列限制。本文用通俗语言拆解 Transformer 的核心思想、注意力机制、与 RNN 的区别、为何它改变了 AI。

Token 是大语言模型处理文本的基本单位，介于字符与词之间。一段 1000 字的中文约消耗 1500-2000 token。Token 数量直接影响 API 费用、上下文窗口限制与响应速度。本文拆解 Token 的定义、中英文 Token 差异、计费逻辑、Token 优化技巧，帮你理解这个 LLM 时代的'字数计量单位'。