1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
| # AI 工程师常用名词速查表
| 序号 | 名词 | 一句话解释 | 工程视角关键点 |
|----|----|----|----|
| 1 | **LLM**（Large Language Model） | 能理解和生成自然语言的超大模型 | 本质：token → 预测下一个 token；无记忆、不主动执行 |
| 2 | **Prompt** | 给 LLM 的“指令 / 程序” | System 定规则，User 提需求，Output 控格式 |
| 3 | **Token** | 模型处理文本的最小单位 | 决定上下文长度、推理成本；中文 ≠ 一字一 token |
| 4 | **Context Length** | 模型一次能记住的 token 上限 | 影响 RAG 文档量、Agent 长流程能力 |
| 5 | **Fine-tuning** | 用数据改变模型行为 | 常用 LoRA / QLoRA，低成本、不动底座 |
| 6 | **SFT**（Supervised Fine-Tuning） | 用标准问答教模型 | 数据格式：指令 → 输入 → 正确输出 |
| 7 | **RAG**（Retrieval-Augmented Generation） | 先查资料再回答 | LLM + 外部知识库，减少幻觉 |
| 8 | **Agent(智能体)** | 能自主完成任务的 LLM 系统 | = LLM + 规划 + 工具 + 记忆 |
| 9 | **Tool / Function Calling** | 让模型调用代码 / API | 模型负责“想”，程序负责“干” |
|10 | **Planner** | 把复杂任务拆成步骤 | 常用于 Agent 流程拆解 |
|11 | **Multi-Agent** | 多 Agent 协同工作 | 查资料 / 分析 / 审核 分工 |
|12 | **MCP** |通过引入合适的 MCP Server，智能体可以更深度地参与到日常开发流程中，协助完成项目文件读取、官方文档获取、浏览器自动化、代码仓库管理，以及跨会话的上下文维护等任务。 |
---
## 📌 速记理解版
- **LLM**：会说话、会推理的引擎 ，但它本身没有记忆、不会主动干活
- **Prompt**：提示词，给模型写程序 例子 你是一个金融分析师，请用表格输出风险点
- **Token / Context**：模型的记忆与成本边界
- **Fine-tuning / SFT**：改变模型行为和规则 LoRA / QLoRA 一种低成本微调技术 给大模型加“外挂”，不动原模型
- **RAG**：给模型接外部知识 先查资料，再让模型回答。 给 LLM 接“外部知识库”
- **Agent**：让模型能自己干活 Agent = LLM + 规划 + 工具 + 记忆
- **Tool**：模型指挥，代码执行 让模型调用代码 / API
- **Planner（规划器）**： 把复杂任务拆成步骤。
- **Multi-Agent（多智能体）**：多个模型协作,比如 一个查资料，一个分析，一个审核
|