人工智能核心概念指南

1. Token

概念阐释

Token是大语言模型处理文本时的最小计算单位，可以理解为AI系统中的"文字基本粒子"。模型按Token进行计数、计费、限制长度。

典型案例

大约会被拆成8～10个Token

这是 AI 里的文字原子。为什么说"养龙虾"？因为 AI 动脑子是要烧钱的。喂它国产 Token 还是进口 Token，你喂给它的 Token 就是口粮，喂得越多，这只龙虾就越有劲儿！就像给员工发工资，算力成本全看它。

2. API

概念阐释

API（Application Programming Interface），应用程序编程接口。

是一套软件之间互相调用、传输数据的规则，让一个程序能使用另一个程序的功能。

典型案例

3. Prompt（提示词）

阐释：用户向AI发出的指令、问题或要求，用来引导AI生成内容。

典型案例：

这些都是Prompt。

4. Context（上下文）

阐释：AI在对话中保留的历史聊天内容，让回答更连贯。

典型案例

AI能知道"它"指猫，就是靠上下文。

5. LLM（大语言模型）

阐释：基于海量文本训练、能理解和生成人类语言的大规模AI模型。

典型案例：GPT、文心一言、通义千问、Llama等。

6. Fine-tune（微调）

阐释：在通用大模型基础上，用特定领域数据再训练，让AI更专业。

典型案例

7. Pre-training（预训练）

阐释：模型在海量公开数据上先完成基础学习，获得通用语言能力。

典型案例：模型先读遍书籍、网页、新闻，学会语法、常识，这就是预训练。

8. Inference（推理）

阐释：模型训练完成后，实际回答问题、生成内容的过程。

典型案例

9. Hallucination（幻觉）

阐释：AI编造不存在的事实、数据、人名，看似合理但错误。

典型案例

这就是典型幻觉。

10. Parameter（参数）

阐释：模型内部存储知识和规律的数值集合，参数越多能力通常越强。

典型案例

11. Embedding（向量嵌入）

阐释：把文字、图片转为计算机能计算的数字向量，用于相似度匹配。

典型案例

用于搜索、推荐、分类。

12. Overfitting（过拟合）

阐释：模型死记训练数据，无法泛化到新数据。

典型案例

Agent：就是有脑子的 AI。不光会聊天，还能自己琢磨计划、自己去干活。

OpenClaw：大家管它叫"大龙虾"，源自 Claw 本意，就是龙虾的大钳子。装上它，它可以在屏幕里伸出手，精准控制数码世界。

Skill：AI 的生存工具包。查资料、写代码、控家电。会一门手艺，就是一个 Skill。

VLA：则是它的手眼协调神经，看一眼屏幕（V），大脑一想（L），手立马就点下去了（A）。这两样一合体，你的手机才算真的活了

LLM：AI 的大脑本体。脑子灵不灵、记性好不好，全看它。

RAG：怕 AI 胡说八道？这是给它接上真实资料库，这就叫 RAG。配了个随时翻阅的图书馆。

Prompt：他就是你下达的命令，一句话，它就开干。

Agent 集群：一个干活慢？那就派出一群！这就是 AI 界的"群殴模式"。大家分工明确，效率直接起飞。