GLOSSARY
一个词，一个清楚的解释。
中文、英文和常见叫法，放在一起查。也可以回到知识地图，看看它们怎样配合。
人工智能（AI）
一类让计算机完成识别、生成、判断等任务的技术；本站关注用它协助日常工作。
AI 应用（AI App）
你实际使用的网站或软件，它把模型、界面以及可用的文件和工具功能组合起来。
模型（Model）
经过训练、根据输入进行处理并生成结果的核心系统，通常由应用调用。
智能体（Agent）
围绕目标推进任务、根据过程结果决定后续步骤的 AI 系统，通常结合模型、工具和运行环境。
提示词（Prompt）
你向 AI 提出的任务要求，可以是一句普通中文，也可以包含背景、限制和输出形式。
上下文（Context）
模型本次处理任务时能够参考的信息，例如要求、对话、资料片段和工具返回结果。
记忆（Memory）
应用可能跨对话保存并再次提供的信息；保存范围和使用方式取决于产品。
词元（Token）
模型处理文本时使用的片段单位，常用于计量输入、输出及上下文容量，不固定等于一个字。
工具（Tool）
系统可以调用的一项具体能力，例如搜索、读取文件、计算或生成文件。
技能（Skill）
把某类任务的做法、规则和配套材料整理成可复用的方法包，供支持它的 Agent 按需使用。
模型上下文协议（MCP）
一种让 AI 应用按共同规则连接外部能力与资料的开放协议。
工作流（Workflow）
把任务组织成有前后关系的步骤，可以包括分支、重复和人工检查。
权限（Permission）
由应用、服务和执行环境控制的可访问资料与可执行操作范围。
幻觉（Hallucination）
AI 可能生成看似可信却错误或缺乏依据的内容，例如不存在的出处。
跟着好奇心，再深入一层。
训练、结构、算法与上下文机制，可以按需查阅。
模型训练（Training）
模型训练是用数据和目标反复调整模型参数，让它在一类任务上表现得更好。
模型推理（Inference）
模型推理是使用已经训练好的参数，对当前输入进行计算，得到输出。
参数（Parameters）
参数是模型在训练中调整、在计算中使用的大量数值，它们共同影响输出。
训练数据（Training Data）
训练数据是模型用于学习的样本；数据覆盖什么、质量如何，会影响它学到什么。
预训练（Pretraining）
预训练让模型先从大量数据中获得可用于后续任务的基础能力。
下一词元预测（Next-token Prediction）
下一词元预测是根据已有内容，估计接下来各个词元的可能性。
损失函数（Loss Function）
损失函数把预测与训练目标之间的差距变成一个数字，供训练程序优化。
反向传播（Backpropagation）
反向传播沿计算过程反向求导，算出各个参数对损失变化的影响。
梯度（Gradient）
梯度描述在当前位置，参数往各个方向微调时，损失会怎样变化。
优化器（Optimizer）
优化器把梯度和更新规则结合起来，决定参数这一轮具体怎么改。
随机梯度下降（SGD）
SGD 使用抽取的样本估计梯度，再向减少损失的方向更新参数。
自适应矩估计（Adam）
Adam 保存梯度的历史统计，为不同参数调整更新尺度，是常见的梯度优化算法。
后训练（Post-training）
后训练在基础模型之上继续调整行为，让它更适合遵循指令、回答问题或完成特定任务。
监督微调（SFT）
监督微调用输入和理想输出的示范，让已有模型学习更符合任务要求的回答方式。
人类反馈强化学习（RLHF）
RLHF 利用人类对结果的反馈来塑造模型行为；常见流程会把偏好变成奖励，再训练模型。
近端策略优化（PPO）
PPO 是强化学习中的一类策略优化方法，鼓励有利行为，同时抑制过大的策略变化。
直接偏好优化（DPO）
DPO 直接用「更偏好哪个答案」的数据优化模型，标准形式不需要先单独训练奖励模型再运行 PPO。
组相对策略优化（GRPO）
GRPO 针对同一问题生成一组答案，用组内奖励的相对差异来指导策略更新。
低秩适配（LoRA）
LoRA 冻结原有权重，通过训练少量低秩适配参数，改变模型在目标任务上的行为。
模型评估（Evaluation）
模型评估用明确任务和标准检查结果，判断能力是否满足目标。
Transformer 结构（Transformer）
Transformer 是一种神经网络结构，利用注意力等运算，让输入中的不同位置交换信息。
注意力机制（Attention）
注意力让一个位置按计算出的权重，汇集其他允许位置的信息。
上下文窗口（Context Window）
上下文窗口是模型一次计算可容纳的词元范围；它限制这次能处理多少输入和生成内容。
输出长度与预算（Output Budget）
最大输出长度是一次最多允许生成多少词元；它和上下文窗口是相关但不同的限制。
截断与压缩（Context Management）
上下文管理是在容量有限时，选择保留哪些信息、怎样压缩，以及何时重新取回资料。
检索增强生成（RAG）
RAG 先从外部资料中找到与问题相关的内容，再把它交给模型辅助生成回答。
键值缓存（KV Cache）
KV 缓存保存已处理词元的注意力键和值，在后续生成中复用，减少重复计算。
MCP 连接方式（Transport）
MCP 客户端与服务交换消息的方式；常见有本地标准输入输出和基于 HTTP 的远程连接。
MCP 可提供的能力（Capabilities）
MCP 服务可以按约定提供工具、资源和提示模板，具体能用什么要看服务实现。
MCP 生命周期（Lifecycle）
一次 MCP 使用通常经历初始化、能力发现、具体调用、结果返回和结束或继续。