这段时间，我陆续和一些老同事、身边的朋友在线下见面。大家知道我在做 AI 方面的内容以后，都很感兴趣，聊天经常不知不觉就绕到 AI 上。

但聊着聊着，我发现了一个问题。

我会很自然地说起 Agent、Skill、MCP，觉得这些词大家多少都听过。坐在我对面的人却会停一下，问我：“Agent 到底是什么？”“Skill 又是什么意思？”

那一刻我才意识到，我已经陷入了“知识的诅咒”。一个词看得太多、用得太熟以后，就会忘记自己第一次见到它时，也是一头雾水。

几个月前，我同样被这些英文缩写搞得头大。那段时间我发过“每日 AI 零基础小白教学”，每天学一个词，坚持了将近 30 天，把一批常用的 AI 词汇一个个梳理出来。

最近身边问的人越来越多，我干脆把这件事再做完整一点。

**我整理了 66 个我认为的高频 AI 词汇，用说人话的方式解释清楚。**每个词都会告诉你：它是什么、平时会在哪里遇到，以及用什么生活场景最好记。

你不用一次背下来。先顺着读一遍，下一次再看到 LLM、RAG、Agent、MCP、API、CLI，至少知道它大概站在 AI 世界的哪个位置。

一、先认识 AI 和大模型

这一组负责回答两个问题：AI 是什么，大语言模型说话时在处理什么。先把这张地图看懂，后面的词会轻松很多。

1｜AI（Artificial Intelligence，人工智能）

AI 是让机器完成过去通常需要人来理解、判断、预测或创作的任务。手机人脸解锁、地图预测堵车、平台推荐视频、聊天机器人回答问题，都属于 AI。它是一个很大的总称，聊天工具只是其中一类应用。

2｜算法（Algorithm）

算法是解决问题的一套明确步骤，很像菜谱。菜谱规定先切菜、再热锅、最后调味；算法规定电脑先读取什么、怎样比较、最后输出什么。很多传统算法完全不会聊天，AI 算法只是算法大家族中的一部分。

3｜NLP（Natural Language Processing，自然语言处理）

NLP 是让电脑处理人类语言的技术领域，翻译、摘要、搜索、语音转文字和聊天都与它有关。你输入一句口语化的问题，AI 能理解大概意思并回答，背后就使用了自然语言处理能力。

4｜LLM（Large Language Model，大语言模型）

LLM 是用大量文字和大量计算训练出来的语言模型，擅长理解和生成文字。常见的模型或模型家族包括 OpenAI 的 GPT、Anthropic 的 Claude、Google 的 Gemini，以及 DeepSeek、Qwen 等。这里还要分清产品和模型：ChatGPT 是你打开使用的产品，GPT 是它背后可能调用的模型家族。

5｜SLM（Small Language Model，小语言模型）

SLM 是体积更小、计算需求更低的语言模型，目前没有一条全球统一的参数分界线。常见例子包括 Microsoft Phi 系列，以及 Gemma、Qwen 等模型家族里的小参数版本。它的知识范围可能更窄，但做摘要、分类、设备端助手等固定任务时，可以更快、更省钱，也更容易在手机或普通电脑上运行。

6｜Token（词元）

Token 是模型读写文字时使用的小块，不完全等于一个汉字、一个单词或一个标点。模型会先把句子拆成很多 Token 再计算，收费和上下文容量也经常按 Token 统计。把它记成 AI 处理文字时使用的“积木块”就够了。

7｜Context（上下文）

Context 是 AI 当前能够参考的全部信息，包括你的问题、前面对话、上传的文件、系统规则和工具返回结果。像医生问诊，同一句“我不舒服”，有没有年龄、症状和检查报告，得到的判断会完全不同。给 AI 的上下文越清楚，回答越有依据。

8｜Context Window（上下文窗口）

上下文窗口是模型一次最多能处理多少信息，通常使用 Token 表示。它像一张大小有限的书桌：桌上能同时摊开的资料有上限。内容放不下时，系统只能删减、总结、分批处理，或者让早期信息退出窗口。

9｜Context Length（上下文长度）

上下文长度经常有两种用法：模型最多允许容纳多少 Token，或者某次请求实际用了多少 Token。前者像书桌的最大面积，后者像你这次实际摊开的文件。看到产品宣传“超长上下文”时，讲的一般是最大容量。

10｜MLLM（Multimodal Large Language Model，多模态大模型）

MLLM 能在文字之外继续处理图片、声音或视频等信息。你给它一张冰箱照片，它能看见食材，再结合文字要求推荐晚餐；你上传会议录音，它也可能听完后整理重点。这里的“多模态”，就是多种信息形式。

11｜VLM（Vision-Language Model，视觉语言模型）

VLM 专门连接视觉和语言，主要处理“看图并用文字理解或回答”这类任务。它可以给照片写说明、识别图表内容、根据截图寻找按钮。VLM 强调视觉与语言的配合，范围通常比泛称的多模态模型更具体。

12｜MoE（Mixture of Experts，混合专家模型）

MoE 会在模型内部安排多组“专家”，每次只让其中一部分参与计算。像医院先分诊，皮肤问题去皮肤科，骨头受伤去骨科，不用让所有医生同时会诊。这样能扩大模型能力，同时控制每次运行需要的计算量。

读完这一组，只需要先分清：LLM 主要处理语言，VLM 连接图片和语言，MLLM 能处理多种信息。Token 是文字积木，Context 是模型这次能参考的资料。

二、和 AI 聊天时最常见的词

这一组每天都能用到。提示词负责交代任务，上下文提供资料，AI 根据这些信息生成回答。

13｜Prompt（提示词）

Prompt 是你交给 AI 的全部输入，可以是一句话、一个问题、一份资料，也可以是一张图片。“把这段合同总结成五条风险”就是提示词。Prompt 不需要写得像咒语，目标、材料、限制和输出要求清楚，AI 才更容易把事情做对。

14｜Prompt Engineering（提示词工程）

提示词工程是设计、测试和改进提示词的方法。它很像给同事布置工作：第一次结果不对，就检查任务有没有说清、资料是否齐全、格式是否明确，再调整指令。它的价值在于减少沟通误差和重复返工。

15｜System Prompt（系统提示）

System Prompt 是 AI 应用在背后设置的高优先级规则，用来规定身份、语气、能力范围和安全边界。它像一家公司的员工手册，用户通常看不到全部内容。你提出的要求如果与系统规则冲突，模型一般会优先遵循系统提示。

16｜User Prompt（用户提示）

User Prompt 是用户当前输入的要求，也就是你在聊天框里发出的内容。系统提示像店里的经营规则，用户提示像“请给我一杯少糖热饮”。两者会一起影响结果，所以同一句话放进不同 AI 产品，回答可能不一样。

17｜Instruction（指令）

Instruction 是提示词里明确要求 AI 执行的动作，例如总结、翻译、比较、分类或检查。一条完整提示词还可以带背景资料和限制条件。比如“读下面的邮件，提取日期，不要补充原文没有的信息”，里面就包含两条指令。

18｜Markdown

Markdown 是一种使用简单符号排版文字的格式。

# 可以表示标题，
- 可以表示列表，
文字可以表示加粗。

很多 AI 输出看起来层级清楚，就是因为使用了 Markdown；你写公众号、文档或项目说明时也经常会遇到它。

19｜JSON

JSON 是程序常用的结构化数据格式，通常由大括号、字段名和对应内容组成。它像一张字段固定的电子表格，人能读，程序也方便继续处理。让 AI “按 JSON 输出”，往往是为了把结果交给另一个软件自动使用。

20｜Conversation History（对话历史）

对话历史是当前聊天里此前出现过的消息。AI 能接着你五分钟前的话题，通常是因为应用把前面的聊天记录再次发送给了模型。聊天太长以后，早期内容可能被截掉或总结，所以 AI 有时会忘记你最开始说过什么。

21｜Hallucination（幻觉）

幻觉是 AI 生成了听起来合理、实际错误或根本不存在的内容，例如编造书名、链接、数据和人物经历。它像一个语言能力很好、又不愿承认“不知道”的人，顺手把空白补了出来。涉及日期、数字、引用和重要决定时，一定要检查原始来源。

这一组最该记住的是：Prompt 决定你怎么问，Context 决定 AI 能参考什么，Hallucination 提醒你回答仍要核实。

三、让 AI 读取资料：RAG 和搜索

当你看到“让 AI 读取公司文件”“建立个人知识库”，大概率就会遇到这一组词。整条路线只有一句话：先找到相关资料，再让模型回答。

22｜RAG（Retrieval-Augmented Generation，检索增强生成）

RAG 会让 AI 在回答前先从指定资料中寻找相关内容，再把找到的片段交给模型组织答案。它像开卷考试：学生先翻课本，再根据课本作答。RAG 能减少凭空编造，也可能搜错资料，所以引用仍然需要人工检查。[2]

23｜Knowledge Base（知识库）

知识库是集中存放、整理并供系统查询的资料集合。公司的产品手册、制度文件和常见问题放在一起，可以成为客服知识库；个人的笔记、文章和读书记录也能组成知识库。资料是否准确、是否及时更新，直接影响回答质量。

24｜Retrieval（检索）

检索是从一大批资料中找出与问题最相关的内容。图书管理员听完你的问题，从几万本书里拿来三本最合适的书，就是检索。RAG 中模型通常不会先读完整个资料库，而是先检索出少量片段再回答。

25｜Keyword Search（关键词搜索）

关键词搜索主要看某些文字有没有直接出现。你搜索“退款期限”，它会优先找包含“退款”和“期限”的内容。这种方法速度快，查产品编号、人名和固定术语很好用；提问方式和原文用词差很多时，可能会漏掉答案。

26｜Semantic Search（语义搜索）

语义搜索更关注两段话的意思是否接近。你搜索“东西不想要了怎么退”，它也可能找到标题为“退货政策”的文件。它适合处理自然语言问题，但理解也可能出现偏差，所以重要场景常常会搭配关键词搜索。

27｜Hybrid Search（混合搜索）

混合搜索把关键词搜索和语义搜索放在一起使用。身份证号、合同编号适合精确匹配；“怎样申请报销”更需要理解含义。两种结果合并后再排序，既照顾字面一致，也照顾意思相近，很多 RAG 系统都会采用这种方式。

四、Agent、工具和 MCP

这是最近最热门，也最容易把人绕晕的一组词。我和朋友聊天时提到最多的 Agent、Skill、MCP，都在这一章。

先看一条最短路线：

text

你提出目标
→ Agent 决定下一步
→ 调用工具读取资料或执行动作
→ 根据结果继续处理
→ 人检查关键步骤

28｜Chatbot（聊天机器人）

Chatbot 是主要通过对话回答问题的软件。早期聊天机器人可能只会按照固定关键词回复，现在很多 Chatbot 会接入大模型，回答更加自然。它的重点仍然是“你问一句，它答一句”，通常不会自行完成很长的一串外部操作。

29｜AI Assistant / Copilot（AI 助手 / 副驾驶）

AI Assistant 或 Copilot 是帮助人完成任务的 AI 产品，例如辅助写作、整理会议、制作表格或编程。“副驾驶”这个比喻很好记：它可以观察、提醒和帮忙，方向盘仍然在人手里，最终结果也需要人来检查。

30｜Workflow（工作流）

Workflow 是预先安排好的固定步骤。收到发票以后，先识别金额，再写入表格，最后通知财务，这就是一条工作流。每一步做什么通常提前确定，稳定、好检查；遇到计划之外的情况，它不会像 Agent 那样灵活决定下一步。

31｜AI Agent（AI 智能体）

AI Agent 是能围绕一个目标决定下一步、调用工具、观察结果并继续行动的系统。普通聊天会告诉你怎么买票，Agent 可以在授权范围内打开订票服务、查询班次并填写信息。它能行动，所以权限、错误和人工确认都很重要。[4]

32｜Agentic AI（智能体式 AI）

Agentic AI 是强调 AI 能连续规划、使用工具和执行多步任务的一类系统或设计方式。这个词的范围很宽，不同公司叫法也不统一。看到产品写着“Agentic”，可以继续问三件事：能用哪些工具、能自己走多少步、哪里必须人工确认。

33｜Autonomy（自主性）

自主性指系统在没人逐步指挥的情况下，能够自己决定和行动到什么程度。自动整理一份文件副本，自主性和风险都较低；自动发邮件、付款或删除资料，风险会明显增加。任务越重要，越要缩小权限并增加确认点。

34｜Planning（规划）

Planning 是把一个目标拆成可以依次执行的步骤。像准备旅行时先确认日期，再查交通、订住宿、做行李清单。Agent 遇到复杂任务时也会先规划；计划写得漂亮不代表执行一定成功，每完成一步都需要查看实际结果。

35｜Tool（工具）

Tool 是 AI 可以调用的外部能力，例如网页搜索、计算器、数据库、日历和邮件。模型本身更像负责判断的大脑，工具给它增加手和眼睛。没有工具时，模型只能根据已有上下文回答；接入工具后，它才有机会查询和行动。

36｜Tool Calling / Function Calling（工具调用 / 函数调用）

工具调用是模型按照规定格式选择某个工具，并填写需要的参数，程序随后执行，再把结果交回模型。它像经理填写一张办事单，工作人员按单操作。模型负责判断“调用什么”，具体代码负责完成查询、计算或写入。[3]

37｜Plugin（插件）

Plugin 是安装到某个软件里、用来增加功能的扩展包。浏览器安装翻译插件以后能翻译网页，AI 应用安装插件以后也可能连接文件、日历或第三方服务。插件通常依附于具体产品，能做什么取决于产品提供的接口和权限。

38｜Skill（技能）

Skill 是教 Agent 稳定完成某类任务的一套可复用说明、脚本和资源。它像员工拿到的标准操作手册：先读哪些资料、按什么步骤做、怎样检查结果都写清楚。Prompt 往往解决一次任务，Skill 更适合反复执行同一类工作。

39｜MCP（Model Context Protocol，模型上下文协议）

MCP 是一套让 AI 应用连接外部资料和工具的开放协议。最好记的比喻是 AI 世界的 USB-C：过去每个工具都要单独适配，现在可以按照同一种连接规范提供能力。它解决的是“怎样连接”，不会替 Agent 决定任务目标。[5]

40｜MCP Host（MCP 主机）

MCP Host 是用户实际使用的 AI 应用，例如桌面助手、代码编辑器或 Agent 平台。它负责管理用户、模型、安全权限和多个连接。可以把 Host 想成一台电脑：它是整个使用环境，也是 MCP Client 所在的地方。

41｜MCP Client（MCP 客户端）

MCP Client 位于 Host 内部，负责和某个 MCP Server 建立并维持通信。它会发现 Server 提供了哪些工具和资料，再把调用请求送过去。像电脑连接一台打印机时，内部需要一条专门管理这次连接的通信通道。

42｜MCP Server（MCP 服务器）

MCP Server 是按照 MCP 规范向 AI 应用提供工具、资料或提示模板的程序。名字里有 Server，不代表它一定在远方，也可以运行在你的电脑上。例如，一个本地文件 Server 可以让 AI 在授权目录中读取文件。

43｜MCP Tool（MCP 工具）

MCP Tool 是 Server 提供给 AI 请求执行的具体动作，例如查询天气、创建日程、读取数据库或发送消息。每个 Tool 会说明自己需要哪些参数。查询类动作风险较低，发送、删除、付款这类动作应当设置清楚的权限和确认。

44｜MCP Resource（MCP 资源）

MCP Resource 是通过 MCP 提供给 AI 读取的内容，例如文件、数据库记录、项目结构或应用状态。它更像放在桌上的资料，Tool 更像可以按下去的按钮。资源能否读取，仍然取决于 Host 和 Server 设置的访问权限。

45｜MCP Prompt（MCP 提示模板）

MCP Prompt 是 Server 提供的可复用提示模板，帮助用户按照固定方式发起任务。它像系统预装的表格模板，提前安排好需要填写的字段和任务结构。它不会自动执行动作，最终仍然要由用户选择并交给模型处理。

46｜Memory（记忆）

Memory 是系统保存并在以后重新使用的信息，可能包括当前聊天摘要、用户偏好、历史任务和长期资料。AI 所谓“记住你”，通常意味着这些信息被存储，并在后续对话中再次提供给模型。记忆会影响体验，也需要关注隐私和删除方式。

47｜Human in the Loop（人在回路）

人在回路指关键步骤必须由人检查、选择或批准。AI 可以整理退款名单并填写草稿，实际转账前由财务确认。这样既利用 AI 的速度，也避免系统在信息不完整或判断错误时直接造成无法挽回的后果。

48｜Multi-agent（多智能体）

多智能体是让多个 Agent 分工合作，例如一个检索资料、一个起草文章、一个检查引用。它像项目小组，分工合理时能并行处理复杂任务；成员越多，沟通、重复工作和错误传递也会增加，所以并非 Agent 越多效果越好。

49｜A2A（Agent-to-Agent）

A2A 指 Agent 之间交换任务、状态和结果的通信方式。MCP 更关注 Agent 怎样连接工具和资料，A2A 更关注一个 Agent 怎样把任务交给另一个 Agent。可以把前者记成“接设备”，后者记成“同事之间交接工作”。

50｜Computer Use（计算机操作）

Computer Use 是让 AI 通过观察屏幕、移动鼠标、点击和输入来操作软件。它像一个远程代操作员，可以使用没有专门 API 的网页和桌面应用。界面变化会让它点错位置，遇到付款、删除和外发信息时必须由人确认。

51｜Sandbox（沙箱）

Sandbox 是限制程序活动范围的隔离环境。它像给孩子划出一个有围栏的沙坑，可以在里面尝试，出了错也尽量碰不到重要文件和系统。让 Agent 运行代码、下载文件或修改项目时，沙箱能降低影响范围，但不能代替所有安全检查。

这一章只记一句：Agent 负责决定和行动，Tool 提供具体能力，Skill 教它怎样做，MCP 负责把 AI 和外部能力接起来。

五、看 AI 教程会遇到的电脑词

这些词不全由 AI 领域发明，但学习 Agent、自动化和本地模型时经常出现。能看懂它们，很多教程就不会像外语。

52｜API（Application Programming Interface，应用程序编程接口）

API 是软件之间按照约定交流的入口。你在餐厅不用闯进厨房，只要通过服务员下单；API 就像软件世界的服务员，把你的要求送到后台，再把结果带回来。天气应用、支付服务和大模型都可以通过 API 被其他程序调用。

53｜API Key（API 密钥）

API Key 是程序访问某项服务时使用的秘密凭证，用来识别谁在调用，也经常连接着使用额度和账单。它很像银行卡密码，拿到的人可能消耗你的额度。不要把完整 Key 放进公开代码、截图、教程或群聊中。

54｜SDK（Software Development Kit，软件开发工具包）

SDK 是开发某个平台应用时常用的代码、说明、示例和工具集合。API 告诉你“可以怎样点单”，SDK 直接把菜单、餐具和示范做法准备好，让开发者少写很多基础代码。不同编程语言通常会有各自的 SDK。

55｜CLI（Command-Line Interface，命令行界面）

CLI 是通过输入文字命令操作电脑的界面。图形界面让你点击“新建文件夹”，CLI 让你输入一行命令完成同样的事。它看起来像黑色窗口，实际只是另一种操作方式；AI 开源工具的安装和运行经常使用 CLI。

56｜Terminal（终端）

Terminal 是显示和输入命令的窗口，Mac 上的“终端”、Windows Terminal 都属于这一类。可以把它想成你和电脑对话的聊天窗口，CLI 命令就是发给电脑的消息。Terminal 是窗口，CLI 是通过文字操作的方式，两者经常一起出现。

57｜Repository / Repo（代码仓库）

Repository 常简称 Repo，是集中保存项目文件和修改历史的地方。它像一个带版本记录的项目文件夹，代码、说明、图片和配置都能放进去。别人说“把 Repo 克隆下来”，通常就是把这个项目及其历史复制到自己的电脑。

58｜Git

Git 是记录文件版本变化的工具。它能告诉你哪些内容被修改、由谁修改，也能保留不同阶段的版本。像写文章时保存每一次修订，但功能更系统。Git 在本地就能工作，不需要一直联网，也不等于 GitHub。

59｜GitHub

GitHub 是托管 Git 仓库并支持多人协作的网站。开发者会在上面发布代码、写说明、报告问题和共同修改项目。Git 是版本管理工具，GitHub 是提供在线托管与协作的平台；学 AI 开源工具时，经常会先拿到一个 GitHub 链接。[6]

第一次看到 CLI 不用紧张。复制命令前先看清它会读取、修改、删除还是上传什么内容，涉及重要文件时先用副本练习。

六、本地模型和硬件常见词

只有当你准备在自己的电脑上运行模型时，这组词才需要认真看。平时直接使用在线 AI 产品，知道大概意思就够了。

60｜Local Deployment（本地部署）

本地部署是让模型或程序运行在自己的电脑、手机或公司机器上。资料可以少经过外部服务，离线时也有机会使用；安装、更新、性能和安全则要自己处理。它适合重视数据控制或需要固定环境的人，不代表天然绝对安全。

61｜Cloud API（云端 API）

云端 API 是模型运行在服务商的远程服务器上，用户通过网络发送请求并取得结果。它像去餐厅点菜，不需要自己购买灶台和食材，上手方便；同时会受到网络、价格、调用额度、平台规则和数据政策的影响。

62｜Open Source（开源）

开源通常指源代码按照某种许可证公开，别人可以在许可证允许的范围内查看、修改和分发。公开下载不等于可以随便商用，不同许可证要求差别很大。看到“开源 AI”时，还要继续看代码、数据和权重到底开放了哪些部分。

63｜Open Weights（开放权重）

开放权重指模型训练完成后的参数可以下载，用户有机会在自己的设备上运行或继续调整。训练数据、完整训练代码和商业权利未必同时开放。因此开放权重与完整开源是两件事，具体能怎样使用要看模型许可证。

64｜GPU（Graphics Processing Unit，图形处理器）

GPU 原本擅长处理图形，也很适合同时完成大量相似计算，所以被广泛用于训练和运行 AI 模型。它像一大群可以并行做题的人。购买电脑跑本地模型时，GPU 型号和显存大小通常比普通办公场景更受关注。

65｜VRAM（显存）

VRAM 是 GPU 自己使用的高速内存，模型运行时的权重和中间数据需要放在里面。模型像一套大型积木，显存像桌面；桌面太小，积木放不下，模型就可能无法加载，或者需要采用更慢、更节省空间的办法。

66｜B（Billion，十亿参数）

模型名称里的 7B、70B，通常表示大约 70 亿、700 亿个参数。参数可以理解成模型训练后学到的大量内部数字。数字越大，通常越占内存和计算资源；它不直接等于能力更强，训练质量和具体任务同样重要。

七、如果只记 10 个词

66 个词不需要背。第一次读完，先把下面 10 个记住：

AI：让机器处理需要理解、判断、预测或创作的任务。
LLM：负责理解和生成语言的大模型。
Token：模型读写文字时使用的小块。
Context：模型这一次能够参考的信息。
Prompt：你交给 AI 的要求和资料。
Hallucination：AI 把错误内容说得很像真的。
RAG：先从指定资料中检索，再组织答案。
Agent：能围绕目标连续决定和行动的系统。
MCP：连接 AI 与外部资料、工具的开放协议。
CLI：通过文字命令操作电脑的界面。

几个月前，我也是从每天弄懂一个词开始的。你不需要今天就把 66 个词全部记住，只要下一次看到 Agent、Skill 或 MCP 时，脑子里能出现一个大概的画面，这篇词典就已经发挥作用了。

以后再遇到陌生缩写，可以先问它属于哪一类：模型、对话、资料、Agent、接口，还是硬件？ 能把词放回这六个抽屉，大多数 AI 文章都会好读很多。