20个AI核心名词通俗解读

整张图分为四大板块，覆盖底层模型、训练流程、知识增强、智能行动体系，文末附带三组高频易混淆概念辨析。

一、MODEL BASICS｜模型基础

01 LLM 大语言模型
依托海量文本训练，具备理解、生成自然语言能力的基础大模型。
02 Transformer
依靠注意力机制（Attention）处理上下文关联，当下绝大多数大模型的主流底层架构。
03 Parameter 参数
模型通过数据训练学习到的内部数值，参数规模是模型能力的重要基础指标。
04 Token
模型读取、生成内容的最小基础处理单位，文本会被切分为Token运算。
05 Context Window 上下文窗口
模型单次一轮对话能够容纳处理的Token上限，窗口越大支持越长文本。

二、TRAINING｜模型训练

06 Pre-training 预训练
在海量通用公开数据上训练，让模型学习通用语言、基础常识能力。
07 Fine-tuning 微调
预训练完成后，使用小规模垂直领域数据继续训练，适配专属场景。
08 RLHF 人类反馈强化学习
引入人类偏好打分反馈，持续调整模型输出风格，让回答更贴合人类习惯。
09 Distillation 模型蒸馏
用大模型（教师模型）输出数据训练小型模型（学生模型），实现降本、降低推理延迟。
10 Inference 推理
训练阶段结束后，正式接收用户输入、产出结果的运行过程，也就是模型线上提供服务。

三、KNOWLEDGE｜知识增强体系

11 Prompt 提示词
提交给模型的指令，包含任务目标、背景信息、输出格式约束。
12 Multimodal 多模态
模型能够同时处理文本、图片、音频、视频多种类型信息。
13 Embedding 嵌入/向量化
将文字语义转化为数值向量，让计算机可以计算两段文本的语义相似度。
14 Vector Database 向量数据库
专门存储向量数据，支持快速相似度检索，是RAG的核心存储组件。
15 RAG 检索增强生成
先从外部知识库检索相关资料，再把资料交给模型生成答案，用来补充模型固有知识、减少幻觉。

四、ACTION & RELIABILITY｜行动与可控体系

16 Agent 智能体
可以自主规划任务步骤、调用工具、持续闭环行动的AI系统，不局限单次问答。
17 Tool Calling 工具调用
模型自主按照结构化参数，发起请求调用外部系统、接口工具。
18 MCP
标准化协议，统一打通AI智能体与各类外部工具、数据源。
19 Hallucination 幻觉
AI生成文字通顺自然，但内容没有事实依据、属于编造信息。
20 MoE 混合专家模型
模型内部包含多个专家子网络，每次计算只激活其中一部分子网，平衡算力开销与能力上限。

三组极易混淆概念辨析

1. Fine-tuning VS RAG
Fine-tuning：直接修改模型内部权重，把知识融入模型本身；
RAG：不改动模型，运行时临时补充外部资料。
2. Context Window VS Memory
Context Window：单次会话能读取内容的容量上限；
Memory：跨多轮、跨会话持久保存信息，实现长期记忆。
3. Agent VS Tool Calling
Agent：自主判断目标、规划整条行动链路（决定下一步做什么）；
Tool Calling：仅仅是执行环节，负责发起外部工具调用（实际动手执行）。

AI术语科普 大模型入门 RAG与微调 AI Agent基础 AI十大趋势 AI行业解读 对ai的介绍 AI技术解读 AI行业干货 AI高级用法 ai架构图