一、AI Agent（你的“智能管家”）

官方定义：AI Agent（人工智能代理）是能够感知环境、进行决策和执行动作的智能实体。

简单说就是：有脑子（LLM）+会动手（工具调用）+懂复盘（记忆）的智能打工人。如果把AI比作“打工人”，普通AI是只会回答问题的客服，而‌Agent则是能帮你订机票、写报告、管日程的全能管家‌。

二、LLM（AI的“大脑皮层”）

官方定义：大型语言模型（Large Language Model）是基于Transformer架构，通过海量文本训练获得的文本理解和生成系统（引自《深度学习和大模型原理与实践》）。

人间翻译：这货就是个超级语言缝合怪。你喂给它全网小说，它就能写网文；给它科研论文，它敢装教授。LLM是AI的“大脑皮层”，负责把杂乱的信息转化成人类能理解的逻辑——比如把“我想吃火锅”翻译成“搜索附近评分高的川味火锅店”。

关键限制‌：

• ‌上下文窗口‌：像人脑短期记忆有限一样，LLM一次处理的文本长度受限（比如ChatGPT-4最多“记住”128k个token，约10万字）‌；

• ‌幻觉问题‌：若训练数据不足，LLM可能编造看似合理实则错误的内容（比如虚构历史事件）。

三、Prompt （给AI的“行动指令”）

官方定义：通过设计特定提示词引导模型生成预期输出的技术（《收藏级大模型基础》是这么说的）。

人话翻译‌：Prompt就像给AI下的“订单”——写得越清晰，AI“做菜”越合你口味。

举个例子‌：

• ‌差Prompt‌：“写首诗”（AI可能生成小学生水平的打油诗）。

• ‌好Prompt‌：“写一首七言绝句，主题是春天，每句包含一个颜色词汇，避免使用‘红’‘绿’等常见字”‌。

四、Token（AI的“文字积木”）

官方定义：文本处理的最小单位，可以是字、词或子词；LLM通过token拆分和理解输入输出‌。

拆解艺术：

• 中文："人工智能" → ["人","工","智能"]（3个Token）

• 英文："unbelievable" → ["un","believe","able"]（3个Token）

• 代码："print('hello')" → ["print","(","'","hello","'",")"]（6个Token）

为什么重要‌：

• ‌成本计算‌：API按token收费（比如GPT-4每1000个token约0.03美元）。

• ‌性能优化‌：减少无效token（如冗余形容词）能提升响应速度‌。

五、RAG（给AI的“外部知识库“）

官方解释：RAG技术，是一种基于检索增强的生成技术。它通过从大型外部数据库中检索与输入问题相关的信息，来辅助大模型回答问题。

说人话：相当于给一个“通才”配了一本实时更新的百科全书。每次回答问题前，AI先翻书查资料，再结合书里的内容作答。例如，法律AI通过检索最新法规库生成答案。

作用‌：

• ‌实时补充知识‌：直接从数据库调用最新数据（比如查2025年的经济数据）‌；

• ‌减少胡说八道‌：用真实资料约束AI的想象力（比如防止它编造不存在的法律条款）‌。

六、微调

官方解释：在预训练模型基础上，使用特定领域数据调整模型参数，使其适应特定任务的技术。通过二次训练，模型内部参数被优化以提升专业领域表现。

通俗解释：类似让一个“通才”去上专业培训班。经过大量法律案例训练后，AI变成法律专家，但知识库固定在培训时的数据，不会自动更新。就像让一个通才厨师专门学做川菜——用大量川菜菜谱训练他，直到他炒的麻婆豆腐比普通厨师更地道‌。

比较RAG与微调：