Digital Garden
目录

    AI 入门 60 个核心术语完整整理

    1917 字 4 min
    「30 秒速览」

     AI 入门必备 60 个核心术语完整整理：从基础界面到底层硬件，7 个难度梯度循序渐进。含 Prompt、Token、RAG、Agent、微调、蒸馏等高频词通俗释义与避坑指南，非技术背景零基础可读。

    Level 1：基础产品界面

    目标： 消除“打开工具后的陌生感”，看懂界面上的每一个按钮。

    术语通俗释义💡 避坑/实操建议
    AI 人工智能让机器拥有人类智能的技术。当前处于“专项能力”阶段，非全能。
    Chat box 聊天框最常见的交互方式，通过对话获取内容。区别于能自主操作电脑的智能体。
    输入 / 输出你发出的指令 vs AI 返回的结果。核心规则： Garbage in garbage out（垃圾输入，垃圾输出）。
    联网搜索让 AI 实时抓取网络最新资讯。解决 AI 知识存在“时间截止点”的问题。
    对话历史 & 记忆历史记录 vs 跨对话的长期记忆。记忆功能让你不用每次都重复交代背景。
    Prompt 提示词给 AI 下达任务的完整指令。包含目标、风格、篇幅等，是 AI 使用的基本功。
    模型 (Model)AI 的“大脑”，不同品牌能力差异极大。如 Claude、GPT、Gemini。
    模型版本模型的迭代更新（如 4.7 > 4.6）。版本越高，通常能力越强。
    模型类型文本模型、图像模型、视频模型等。复杂任务通常需要多种模型协同。
    AIGCAI 生成内容（文字、图片、视频等）。行业高频词，指代 AI 的创作能力。
    AI 应用将模型能力封装成普通人可用的产品。如豆包、DeepSeek、ChatGPT 客户端。
    上下文 (Context)单次对话中 AI 能读取的前文内容。痛点： 内容过长会导致逻辑混乱，建议定期新建对话。
    知识库你上传的专属文档/模板。让 AI 限定在你的资料范围内回答，适合办公。
    插件 (Plugin)给 AI 增加“额外工具”的能力。如搜索插件、代码运行插件。
    多模态能同时理解文字、图片、音频、视频。更接近人类的感知方式。

    Level 2：模型进阶机制

    目标： 理解 AI 是如何“思考”和“计费”的，学会如何调优输出效果。

    • LLM 大语言模型：专门处理对话、写作、逻辑的“大”模型。
    • 开源 vs 闭源模型：
      • 开源：代码公开，可本地部署（如 DeepSeek、Llama）。
      • 闭源：核心不公开，只能通过官方接口调用。
    • ⚠️ 幻觉 (Hallucination)：AI 一本正经地胡说八道。对策： 重要信息必须人工核验。
    • System Prompt 系统提示词：开发者内置的底层规则，决定了 AI 的性格和底线。
    • Temperature 温度：
      • 高数值  脑洞大、适合创意。
      • 低数值  严谨、适合定稿。
    • Token：AI 的“计费单位”，文字/图片都会转化成 Token。
    • 上下文窗口：AI 单次对话能处理的 Token 上限。
    • Markdown (MD)：AI 最喜欢的轻量化排版格式。
    • 提示词工程 (Prompt Engineering)：研究如何写出完美指令的技能。

    Level 3：行业核心概念

    目标： 站在行业视角，理解当前 AI 赛道的热点与商业逻辑。

    从“对话”到“行动”

    • AGI 通用人工智能：行业终极目标，拥有人类同等水平的综合智力。
    • 涌现 (Emergence)：模型规模达到临界点后，突然爆发出的全新复杂能力。
    • Reasoning 推理：AI 逻辑分析、数学推导的核心能力。
    • 深度思考 (Pro 模式)：通过延长计算时间来换取更强的逻辑推导。
    • Agent 智能体：【重点】 带“手脚”的 AI，能自主拆解任务、调用工具、操控电脑。
    • 工作流 (Workflow)：串联多个 AI 工具的自动化流水线。

    商业与开发

    • To C / To B：面向个人用户 vs 面向企业商用。
    • AI Native AI 原生：产品从底层逻辑就是基于 AI 构建的，而非传统软件的插件。
    • Web Coding 自然语言编程：用大白话直接生成网页/工具。
    • API 应用程序接口：不同软件间数据互通的“通道”。
    • API Key：接口的“身份证/密码”，严禁外泄。
    • Error & Debug：程序报错与排查修复漏洞的过程。

    Level 4 & 5：开发与部署（进阶实操）

    目标： 尝试自己动手制作或部署一个 AI 工具。

    开发工具

    • GitHub：程序员的“代码超市”，可以找现成的 AI 工具。
    • HTML：网页的底层结构。
    • 前端 vs 后端：用户看到的界面 vs 背后运行的逻辑与数据。
    • 微调 (Fine-tuning)：在现有模型基础上，用行业数据进行“二次培训”。
    • 训练 (Training)：给模型投喂海量数据，让它学习规律。

    部署运维

    • Terminal 终端：通过文字指令操控电脑的底层窗口。
    • 命令 & 路径：执行指令的动作与文件定位的地址。
    • 环境变量 (.env)：存放 API Key 等私密信息的隐藏文件。
    • 服务器 & 部署：将本地工具上传到远程计算机，让所有人都能访问。
    • 端口：服务器区分不同程序的“通道编号”。

    Level 6：底层原理与硬件算力

    目标： 理解 AI 的物理极限，看懂为什么 AI 很贵。

    算法逻辑

    • 神经网络：模仿人脑神经元结构的算法框架。
    • 参数：神经网络内的数值节点，参数越多，模型越强，成本越高。
    • AI 三要素：算法（逻辑）+ 数据（素材）+ 算力（硬件支撑）。
    • 预训练 vs 后训练：九年义务教育（基础通识） vs 岗前培训（风格规范）。
    • 蒸馏：用“大模型”教“小模型”，实现轻量化。
    • 推理 (Inference)：模型完成训练后，日常回答问题的计算过程。

    硬件与资源

    • CPU vs GPU：通用处理器 vs 图形显卡（AI 训练的核心硬件）。
    • 算力集群 / 数据中心：成千上万张 GPU 组成的巨型机房。
    • 电力能耗：AI 产业的隐形基建，规模机房耗电量惊人。

    学习总结与建议

    1. 学习路径：界面操作  使用技巧  行业概念  简易开发  线上部署  硬件底层。
    2. 实操金律：
      • 遇到长对话  新建窗口（管理上下文）。
      • 遇到重要信息  多模型交叉核验（防幻觉）。
      • 遇到 API Key  妥善保管（防扣费）。
    3. 终极工具：遇到不懂的术语或报错，直接丢给 AI 解析，它是你最好的老师。
    Digital Garden
    原创 AI 入门 60 个核心术语完整整理

    本文采用CC BY-NC-SA 4.0 许可协议，转载请注明出处。

    标签
    #AI/AI术语