DOCAI · 概念库
AI 里的每个词，先给一句话定义
不绕术语：先说什么意思，再说什么问题、怎么工作、和相邻的词差在哪。看不懂的地方，页边都有一条「想动手」的路。
40 个词条 · 8 组
按主题
基础
07AI、机器学习、模型、token——先把词对上
- L0什么是 AI（人工智能）让机器完成原本需要人来做的事的一类方法的总称；今天说的 AI，多半是机器学习，尤其是大模型。
- L0什么是 LLM（大语言模型）用海量文本训练出来的模型：给它一段文字，它算出下一个 token 最可能是什么，再把结果接回去继续算。
- L0什么是 token模型处理文本的最小单位：一个词、词的一部分或一个标点；计费和上下文长度都按它算。
- L1什么是机器学习不写规则，给例子：让程序从数据里自己拟合出输入到输出的对应关系。
- L1什么是深度学习用多层神经网络自动学特征：浅层学局部搭配，深层学结构与语义。
- L1什么是神经网络由一层层可调的数值（参数）组成的函数：输入经过加权求和与非线性变换，逐层算出输出。
- L1什么是推理模型训练完成后，用新输入算出输出的过程——只前向计算，不改权重。
模型与能力
07Transformer、上下文窗口、参数量、推理模型
- L2什么是参数量模型里可训练数值的总数，通常以「亿/十亿」计；它决定容量，也决定训练与推理成本。
- L2什么是多模态能同时处理文字、图片、音频等不同形式输入的模型。
- L2什么是上下文窗口模型一次能看到的 token 总量上限：输入、输出和多轮对话的历史都算在里面。
- L2什么是推理模型在回答前先花额外 token 做内部推理的模型：用更长的思考换更稳的多步结果。
- L3什么是 MoE（混合专家）把模型拆成多个「专家」子网络，每次只激活其中少数几个，用更少的计算跑更大的参数量。
- L3什么是 Transformer2017 年提出的序列模型结构：用自注意力让每个位置直接看所有位置，训练可以并行。
- L3什么是注意力机制让模型在处理某个位置时，按相关性给其他所有位置分配权重，再加权求和。
提示与交互
06提示词、系统提示、temperature、结构化输出
接入与开发
04API、key、endpoint、流式、限流
应用架构
06embedding、RAG、Agent、MCP、工具调用
训练与对齐
04预训练、微调、对齐、偏好优化
成本与性能
03token 计费、首字延迟、缓存、吞吐
安全与合规
03幻觉、越狱、数据出境、内容审核