术语表

本系列文章里出现过的术语速查，按英文首字母排序。点击对应文章可看完整讲解。

共 50 个词条更新于 2026-07

同一英文术语若有中文常用名，会同时列在中文列；纯中文概念（如“过拟合”）的英文译名也尽量给出，便于交叉检索。

English	中文	解释
A
Agent	智能体	让大模型在循环里调用外部工具、读结果、再决定下一步的系统；常见于多步骤任务自动化。
API	应用程序接口	程序之间互相调用的标准方式；调大模型 API 即把请求通过 HTTP 发给服务商。
C
ChatGPT	—	OpenAI 在 2022 年底推出的对话式 AI 产品，是 GPT-3.5/4 系列模型最早的大众化形态。
Chunking	文档切片	把长文档切成几百字的小块再喂给模型；切碎易丢上下文，整块又塞不进窗口。
Claude	—	Anthropic 公司的对话 AI 模型系列，强调长上下文、安全与"宪法式"训练。
ComfyUI	—	Stable Diffusion 的节点式工作流工具，适合做产品图、批量生图、可复现流程。
Context Window	上下文窗口	模型一次能"看到"的最大文本长度（以 token 计），超出部分被截断、等于看不见。
CoT (Chain of Thought)	思维链	在提示词里让模型"一步一步想"，显著提升数学、逻辑、规划类任务的表现。
CUDA	—	NVIDIA 的 GPU 编程框架；本地跑开源大模型基本都要先装好 CUDA 驱动。
D
DeepSeek	—	深度求索公司的开源 + 闭源大模型系列；DeepSeek-V3/R1 在数学与推理基准上表现突出。
Diffusion Model	扩散模型	通过"逐步加噪再逐步去噪"训练的图像生成模型；Midjourney、SD、即梦、可灵都基于它。
E
Embedding	嵌入向量	把一段文字转成一串数字（向量），让计算机可以按距离衡量"意思相近"；RAG、检索、推荐都依赖它。
F
Fair Use	合理使用	版权法的豁免原则，允许在特定条件下不经授权使用受版权材料；AI 训练数据是否落入此范围尚有争议。
Few-shot	少样本	在提示词里给 2–5 个"输入-输出"示例让模型照葫芦画瓢；对格式要求严格的场景特别有效。
Function Calling	函数调用	让模型按 JSON 格式声明"调哪个工具、传什么参数"的能力；模型只做决策，真正执行交给程序。
G
GAN	生成对抗网络	由生成器和鉴别器对抗训练的图像生成方法，2022 年前的主流；现已被扩散模型取代。
GGUF	—	当前主流的本地大模型打包格式，支持 Q4/Q5/Q8 等多种精度量化，文件小、推理快。
GitHub Copilot	—	GitHub 与 OpenAI 合作的代码补全工具，以插件形式出现在 VS Code、JetBrains 等主流 IDE 里。
H
Hallucinated Citation	幻觉引用	AI 搜索/对话里模型"编"出来的论文、书名、链接，看起来真实但根本不存在；引用前必须自己核对。
Hallucination	幻觉	大模型"自信地说错话"的现象，本质是它没有事实数据库，只能延续训练数据的语言模式。
I
Indirect Prompt Injection	间接提示词注入	攻击者把恶意提示词藏进网页、PDF、邮件里，等用户让 AI 读这些内容时再触发；比直接注入更难防。
Inference	推理	用训练好的模型回答问题；比训练便宜得多，但请求量大后总开销依然可观。
L
LLM (Large Language Model)	大语言模型	参数量在十亿以上、在海量文本上训练的语言模型；ChatGPT、Claude、Gemini 都属于这一类。
LM Studio	—	图形界面的本地大模型工具，支持搜索、下载、对话、参数调整一站式完成，零命令行。
LoRA (Low-Rank Adaptation)	低秩适配	参数高效微调方法，给模型"并联"小矩阵来学习新任务；显存需求从全量微调 80 GB 降到 12 GB。
M
Midjourney	—	云端图像生成 SaaS，靠 Discord / 网页使用，付费用户可商用。
Multimodal	多模态	同时理解文字、图片、音频、视频的模型；GPT-4o、Gemini 2.0 都属于这一代。
O
Ollama	—	命令行本地大模型工具，macOS/Linux/Windows 都能用，一条 `ollama run` 直接对话。
Overfitting	过拟合	模型把训练集细节背下来、遇到新数据就崩的现象；通常因为模型太大或数据太少。
P
PEFT	—	Hugging Face 的参数高效微调库，封装了 LoRA、Prefix Tuning 等多种方法。
Perplexity	—	把"AI 搜索"做成产品的代表；抓取多个网页后合成带引用来源的回答。
Prompt Injection	提示词注入	用户输入"劫持"系统提示词、让模型按攻击者指令行动的攻击方式；分层防御可压低成功率。
Q
QLoRA	—	把基座模型量化到 4-bit 后再做 LoRA 微调；12 GB 显存就能微调 13B 模型。
Quantization	量化	用更少比特表示每个参数，从而压缩体积、降低显存、加快推理；Q4/Q5/Q8 是常见精度。
R
RAG (Retrieval-Augmented Generation)	检索增强生成	先查资料再回答的模式；把检索到的文档片段连同问题一起交给模型，显著降低幻觉率。
Rate Limit	限速	服务商按"每分钟请求数"和"每分钟 token 数"两个维度限制调用频率；超出会返回 429。
ReAct	思考-行动-观察	一种智能体提示模式，让模型按"思考 → 调用工具 → 观察结果"循环输出，便于人审查中间步骤。
Reinforcement Learning	强化学习	模型在环境中尝试行动、根据奖惩信号调整策略；AlphaGo、机器人控制都属此类。
S
SFT (Supervised Fine-Tuning)	监督微调	用标注好的"输入-输出"数据对模型做有监督微调，是 LLM 后期训练的标准步骤。
Stable Diffusion	—	Stability AI 开源的扩散图像生成模型；可下载权重本地部署，配 WebUI 或 ComfyUI 使用。
Supervised Learning	监督学习	每个训练样本都标好了正确答案的学习方式；用于分类、回归等任务。
T
Temperature	温度	控制模型采样随机性的参数；值越低回答越确定，越高越发散甚至离谱。
Token	—	模型处理的最小单位；一个中文汉字通常是一个 token，API 按 token 收费。
top_p	—	采样控制方式：从累积概率最高的若干候选里随机抽一个，常与 temperature 一起调节。
Training	训练	让模型从数据中学习规律的过程；耗时耗电，需要大量 GPU。
Transformer	—	2017 年 Google 提出的神经网络架构，是当今所有主流大语言模型的共同祖先。
Turing Test	图灵测试	1950 年图灵提出的判断标准：人通过文字对话分不清对方是机器还是人，就算机器"通过"。
U
Unsupervised Learning	无监督学习	训练数据没有标签，让模型自己发现结构；典型用途是聚类、降维。
V
Vector Database	向量数据库	专门存储和检索向量的数据库；Chroma、Milvus、Qdrant、pgvector 是常见选择。
Z
Zero-shot	零样本	不给示例、直接下达指令让模型完成任务；适合通用任务，复杂格式还是 few-shot 更稳。