AI浪潮席卷而来,54个核心术语你了解多少?
本术语表旨在帮助读者迅速掌握 AI 产品的常见概念。
它并非技术手册，而是专为产品经理、业务负责人及 AI 学习者打造的解释性文档。每个术语都力求解答三个核心问题：
它的定义是什么；
对产品有何价值；
产品经理需关注哪些要点。
大模型指经过海量数据训练，具备理解和生成文本、代码、图片、语音等内容能力的 AI 基础架构。
产品价值：
它并非单一产品，而是众多 AI 产品的技术根基。
产品经理需关注：
大模型存在能力局限，可能产生幻觉、丢失上下文记忆，且受成本和响应延迟制约。
LLM 即 Large Language Model，大语言模型。
产品价值：
文本生成、问答、摘要、推理、工具调用等产品的核心技术多基于 LLM。
产品经理需关注：
Token 是模型处理文本时的最小计算单元，可理解为模型切分后的文字片段。
产品价值：
Token 直接影响成本、上下文容量与响应效率。
产品经理需关注：
长文档、长对话、复杂上下文都会推高 token 消耗。
上下文窗口指模型单次处理的信息范围。
产品价值：
它决定了模型能同时理解多少历史对话、文档内容与任务指令。
产品经理需关注：
上下文窗口再大也不意味着无限记忆。需设计信息筛选与上下文压缩机制。
幻觉指模型生成看似合理但实际虚假、不准确或无依据的内容。
产品价值：
幻觉会损害用户信任，在医疗、法律、金融、企业政策等领域风险尤为突出。
产品经理需关注：
可采用 RAG、引用