AI 术语表

一种用海量文本训练出来的 AI 模型，用来预测接下来最可能出现哪个词或词的哪一部分，因此它能回答问题、写作和总结。

示例： 当你输入“给一个 10 岁的孩子解释光合作用”时，聊天应用背后的大语言模型会一小段一小段地写出回答，每一段都是根据接下来最可能出现的内容选出来的。

常被混淆为： 大语言模型是引擎，不是应用。你打开的聊天应用是一款 AI 产品，它运行一个或多个模型，并在模型周围加上文件上传、搜索或保存对话等功能。

了解更多： AI 能为你做什么，不能做什么, 产品、模型和方案

能处理不止一种输入或输出，例如文本、图像、音频或视频。

示例： 你拍下一张手写购物清单的照片，让工具把它转成按食物种类分组的打字清单。

常被混淆为： 多模态并不意味着每种输入在每款产品或方案中都能用：一款工具可能能读图像但不能读音频，或能生成图像但不能生成视频。查看你的工具接受什么，并像核对其他输出一样仔细核对它对图像的描述。

你使用某款 AI 产品的权限级别，例如免费档或付费订阅，它会影响你能获得哪些功能。

示例： 两位同学使用同一款聊天应用，但一位用免费档，另一位按月付费，所以他们看到的功能、用量限制或可选模型可能不同。

常被混淆为： 方案不是模型，也不是产品；它是你注册的账号级别。在一些提供商那里，应用订阅和开发者 API 使用是分开计费的。

了解更多： 产品、模型和方案, 选择工具并回顾使用效果

来源： I have a paid Claude subscription (Pro, Max, Team, or Enterprise plans). Why is Claude API usage billed separately from my paid Claude plan? （Anthropic，2026-10-10 查阅）

AI 模型调用外部功能或服务（例如联网搜索、计算器或日历）并在回答中使用结果的能力。

示例： 当你询问本地一家博物馆的开放时间时，具备联网搜索的工具可以查到最新页面，而没有工具的模型只能根据训练中学到的内容回答。

常被混淆为： 工具调用是一种单一能力；智能体则是一个可能在多个步骤中使用许多工具的系统。没有工具的模型无法查看网络或你的日历，即使它的回答听起来像是查过了。

了解更多： AI 能为你做什么，不能做什么

来源： Tool use with Claude （Anthropic，2026-10-10 查阅）

AI 模型生成了与事实不符，或与它收到的材料不一致的文本。

示例： 你请它推荐三本关于某个主题的书，其中一本的书名和作者听起来很真实，但你在图书馆目录里搜索时发现这本书并不存在。

常被混淆为： 你无法从语气中识别幻觉：错误的回答读起来可能和正确的回答一样肯定。它也不同于因知识截止日期造成的信息过时，但两者都需要对照原始来源核对。

了解更多： 如何核对 AI 告诉你的内容, 用 AI 做研究并核对引用

来源： Reduce hallucinations （Anthropic，2026-10-10 查阅）

一组固定的测试任务，用来衡量和比较 AI 模型；分数显示的是模型在特定条件下在这项具体测试中的表现，而不是它对你的工作有多大用处。

示例： 一个模型在按特定设置运行的一组数学竞赛题上可能得分很高，却仍然把你的会议记录总结得很差。

常被混淆为： 基准测试分数不是对实用性的总体排名。结果取决于所用的测试、提示词和设置，所以不同来源的分数可能对不上；在两三款工具上试试你自己的任务，是检验它们是否满足你需求的更直接的方法。

了解更多： 一步步改进回答, 选择工具并回顾使用效果

来源： Artificial Analysis Intelligence Benchmarking Methodology （Artificial Analysis，2026-10-10 查阅）

一种方法：系统先在选定的一组文档中找到相关段落，再把它们交给模型，让模型的回答以这些内容为依据。

示例： 公司的帮助机器人在员工手册中搜索关于年假的章节，然后根据这一章节写出回答，并能显示它用了哪一节。

常被混淆为： 检索增强生成不会重新训练模型；它每次都会把查到的文本加进请求中，这就是它与微调的区别。如果找错了段落或理解错了，回答仍可能是错的，所以要打开它所依据的段落看看。

来源： Retrieval-augmented generation (RAG) in Azure AI Search （Microsoft，2026-10-10 查阅）

模型训练好的权重（即它在训练中学到的数字）被公开发布，人们可以按照许可证的条款自行下载、运行和调整它。

示例： 一位开发者下载了一个开放权重模型，并在自己的电脑上运行它，这样文档就留在那台机器上，但他仍须遵守模型附带的许可证。

常被混淆为： 开放权重不等于开源 AI。许可证可能会限制商业用途或某些用途，训练数据和训练代码也可能根本没有发布；而按照 Open Source Initiative 的定义，开源 AI 要求具备使用、研究、修改和分享的自由，并提供数据信息、代码和权重。

来源： Gemma 4 model overview （Google，2026-10-10 查阅）

以允许任何人出于任何目的使用、研究、修改和分享的条款发布的 AI，同时提供训练代码、训练好的权重，以及关于训练数据的足够信息，让有能力的人可以构建出类似的系统。

示例： 一个研究小组发布了一个模型，附上它的权重、完整的训练代码和关于训练数据来源的详细说明，发布条款允许任何用途，因此其他团队可以检查它并重新训练出自己的版本。

常被混淆为： 开源 AI 和开放权重是不同的标签。如果一个模型的权重可以下载，但训练代码或数据信息没有公开，或者许可证限制了你的使用方式，那么按照 Open Source Initiative 的定义，它是开放权重，而不是开源 AI。要阅读许可证，而不是轻信标签。

来源： The Open Source AI Definition – 1.0 （Open Source Initiative，2026-10-10 查阅）

在产品中生成回答的具体 AI 模型，用一个名称来标识，通常还带有版本号。

示例： 聊天应用可能让你从一小串带数字的模型名称中选择；向每个模型问同一个问题，得到的回答在长度、风格和准确性上可能都不一样。

常被混淆为： 模型版本是引擎；产品是围绕它的应用，而方案决定了你能选择哪些版本。更新的版本号并不保证在你的任务上效果更好，所以切换之前先用你自己的任务试一试。

了解更多： 产品、模型和方案

代表一段文本的一串数字，软件可以根据数字之间的接近程度来衡量两段文本的相关程度。

示例： 即使用词不同，当你搜索“修车花了多少钱”时，笔记应用也能借助嵌入找到标题为“汽车维修费用”的笔记。

常被混淆为： 嵌入不是供你阅读的摘要或回答；它是一种内部表示，在后台用于搜索、分组和检索增强生成。

来源： Vector embeddings （OpenAI，2026-10-10 查阅）

能完成人们通常与人类思维联系在一起的任务的计算机系统，例如理解语言、识别图像或做出预测。

示例： 按人脸给照片分组的相册应用用到了 AI，根据你的笔记起草邮件的聊天工具也用到了 AI。

常被混淆为： AI 是整个领域，而不是某一款产品。生成式 AI 是其中能创造新文本、图像或音频的部分；许多其他 AI 系统只做分类、排序或预测，例如垃圾邮件过滤器。

了解更多： AI 能为你做什么，不能做什么

模型在写回答时一次能考虑的全部文本，包括你的消息、你添加的任何材料以及回答本身。

示例： 在很长的对话中，如果开头那部分内容已经超出上下文窗口，工具可能会忘记你一开始提供的细节。

常被混淆为： 上下文窗口不是长期记忆：它涵盖的是模型眼前的内容；而单独的记忆功能（如果产品有的话）会在不同对话之间保存笔记。它的大小以 token 计，而不是以字数或页数计。

了解更多： 提供合适的背景信息

来源： Context windows （Anthropic，2026-10-10 查阅）

能根据从海量示例中学到的模式，创造文本、图像、音频或代码等新内容的 AI。

示例： 你请它为一张关于垃圾回收的校园海报想五个标题，它就为你写出五个新的标题。

常被混淆为： 搜索引擎把你引向已经存在的页面，而生成式 AI 会写出新的文本，这些文本听起来对，却仍可能是错的。除非工具同时进行联网搜索，否则它并没有在查任何资料。

了解更多： AI 能为你做什么，不能做什么

你给 AI 工具的指令、问题或材料，用来告诉它你想要什么。

示例： “把这段话改写成适合 12 岁读者的版本，不超过 80 字”是一个提示词；粘贴一封邮件，再加上“列出我需要做的三件事”，也是一个提示词。

常被混淆为： 提示词不需要特殊的关键词或技巧。用平常的话就够了：说明任务，给一些背景，再说明你想要什么形式的回答。

了解更多： 提出你的第一个问题, 从明确的目标开始

一种工作方式：模型在给出最终答案之前，会多走几步来拆解问题，常用于数学、逻辑、规划或代码。

示例： 如果让它围绕两场考试和一份兼职安排每周学习计划，处于推理模式的模型可能会花更长时间，先逐一处理这些限制条件，再给出最终计划。

常被混淆为： 推理不等于正确：步骤看起来合理，仍可能藏着错误，所以要核对结果。它通常更慢，可能会消耗更多用量额度，所以简单的改写或总结未必需要它。

用一小组带标注的示例对现有模型进行进一步训练，让它按特定方式表现，例如遵循公司的写作风格。

示例： 一个客服团队用过去的客户问题和经过批准的回答对模型进行微调，让新的回复沿用相同的语气和格式。

常被混淆为： 微调会改变模型本身，需要准备数据并进行技术配置。把指令或示例放进提示词，或通过检索增强生成连接文档，不会改变模型，对于日常任务通常是更简单的选择。

来源： About supervised fine-tuning for Gemini models （Google Cloud，2026-10-10 查阅）

AI 模型从海量示例数据中学习模式的过程，这决定了它之后如何回应。

示例： 语言模型用海量文本进行训练，因此它学会了句子通常如何构成，以及哪些词语和事实常常一起出现。

常被混淆为： 训练发生在你使用模型之前；你聊天时，它依据的是它已经学到的内容，加上对话中的内容。只有当提供商以这种方式使用你的对话时，它们才会成为训练数据，而隐私设置可能让你控制这一点。

了解更多： AI 能为你做什么，不能做什么

AI 产品中控制你的数据如何处理的选项，例如你的对话是否可以用于改进提供商的模型，以及是否保留你的聊天记录。

示例： 在把聊天工具用于工作之前，你打开它的设置，找到关于用你的对话改进模型的选项，然后根据你的情况和所在机构的规定做出选择。

常被混淆为： 隐私设置因产品、方案和账号类型而不同，而且可能会变，所以要自己查看当前的设置，而不是假定某个默认值。关闭模型改进并不一定意味着什么都不保存，所以仍要避免粘贴敏感的个人数据、公司数据或他人的数据。

了解更多： 选择工具并回顾使用效果, 拆解一项办公任务

来源： Data controls in ChatGPT （OpenAI，2026-10-10 查阅）

模型训练数据所覆盖的截止日期，因此模型可能不知道这个日期之后发生的事件或变化。

示例： 如果你询问一条上个月刚修改的规定，没有联网搜索的模型可能会把旧规定当作仍然有效来描述。

常被混淆为： 知识截止日期不是产品发布或最近更新的日期；它通常更早。当工具进行联网搜索时，它的回答取决于它找到的页面，所以无论哪种情况，都要核对日期和来源。

了解更多： AI 能为你做什么，不能做什么, 用 AI 做研究并核对引用

来源： How up-to-date is Claude's training data? （Anthropic，2026-10-10 查阅）

你实际使用的应用、网站或功能，例如聊天助手或写作助手，它在后台运行一个或多个 AI 模型。

示例： 一款笔记应用加了一个“总结此页”按钮：按钮和应用是产品，而在它们背后写出摘要的是模型。

常被混淆为： 产品既不是模型，也不是方案。一款产品可以提供多个模型或模型版本，你能在其中做什么取决于产品、你的方案，有时还取决于你所在的地区，而不只是取决于其中的模型。

了解更多： 产品、模型和方案, 选择工具并回顾使用效果

一种在一定程度上独立、分多步朝目标推进的 AI 系统，它会自己决定下一步做什么，并在过程中使用搜索、文件或其他应用等工具。

示例： 你让智能体查找周五去另一座城市的火车时刻，并给团队起草一条包含两个选项的消息；它会搜索、比较，并写好草稿供你审阅。

常被混淆为： 聊天助手一次回答一条消息，由你来掌控方向；而智能体会在你较少参与的情况下执行一系列操作。因为它能采取行动，所以要检查它被允许访问什么，并在发送、购买或删除任何东西之前审查它的工作。

一种连接，让软件可以向 AI 模型发送请求并接收回答，开发者因此能把 AI 集成到自己的应用和工作流程中。

示例： 一家网店的开发者通过 API 连接模型，这样每次添加新商品时，就会自动出现一份商品描述初稿，无需任何人打开聊天应用。

常被混淆为： 通过 API 使用模型与使用提供商的聊天应用不同：功能不同，而且在一些提供商那里，API 使用与应用订阅是分开计费的。日常任务使用 AI 工具并不需要 API。

了解更多： 产品、模型和方案

模型读写文本的一个小单位，可以是一个字符、一个词的一部分、一个完整的词或一个标点符号。

示例： 简短、常见的词往往是一个 token，而较长或不常见的词可能会被拆成几个 token。

常被混淆为： token 和字词不是一回事，所以以 token 表示的限制和价格无法精确换算成字数或页数。不同模型拆分文本的方式不同，所以同一段文本可能会算成不同数量的 token。

了解更多： 提供合适的背景信息

来源： Understanding and counting tokens （OpenAI，2026-10-10 查阅）