AI 入门 60 个核心术语完整整理

导读： 本文档专为非技术背景的学习者设计。我们将 AI 知识分为 7 个难度梯度，从你打开 AI 工具看到的第一个按钮开始，一直深入到支撑 AI 运行的底层硬件。无论你是职场人、创业者还是学生，都能通过本文建立完整的 AI 知识框架。

🟢 Level 1：基础产品界面

目标： 消除“打开工具后的陌生感”，看懂界面上的每一个按钮。

术语	通俗释义	💡 避坑/实操建议
AI 人工智能	让机器拥有人类智能的技术。	当前处于“专项能力”阶段，非全能。
Chat box 聊天框	最常见的交互方式，通过对话获取内容。	区别于能自主操作电脑的智能体。
输入 / 输出	你发出的指令 vs AI 返回的结果。	核心规则： Garbage in garbage out（垃圾输入，垃圾输出）。
联网搜索	让 AI 实时抓取网络最新资讯。	解决 AI 知识存在“时间截止点”的问题。
对话历史 & 记忆	历史记录 vs 跨对话的长期记忆。	记忆功能让你不用每次都重复交代背景。
Prompt 提示词	给 AI 下达任务的完整指令。	包含目标、风格、篇幅等，是 AI 使用的基本功。
模型 (Model)	AI 的“大脑”，不同品牌能力差异极大。	如 Claude、GPT、Gemini。
模型版本	模型的迭代更新（如 4.7 > 4.6）。	版本越高，通常能力越强。
模型类型	文本模型、图像模型、视频模型等。	复杂任务通常需要多种模型协同。
AIGC	AI 生成内容（文字、图片、视频等）。	行业高频词，指代 AI 的创作能力。
AI 应用	将模型能力封装成普通人可用的产品。	如豆包、DeepSeek、ChatGPT 客户端。
上下文 (Context)	单次对话中 AI 能读取的前文内容。	痛点：内容过长会导致逻辑混乱，建议定期新建对话。
知识库	你上传的专属文档/模板。	让 AI 限定在你的资料范围内回答，适合办公。
插件 (Plugin)	给 AI 增加“额外工具”的能力。	如搜索插件、代码运行插件。
多模态	能同时理解文字、图片、音频、视频。	更接近人类的感知方式。

🟡 Level 2：模型进阶机制

目标： 理解 AI 是如何“思考”和“计费”的，学会如何调优输出效果。

LLM 大语言模型：专门处理对话、写作、逻辑的“大”模型。
开源 vs 闭源模型：
- 开源：代码公开，可本地部署（如 DeepSeek、Llama）。
- 闭源：核心不公开，只能通过官方接口调用。
⚠️ 幻觉 (Hallucination)：AI 一本正经地胡说八道。对策： 重要信息必须人工核验。
System Prompt 系统提示词：开发者内置的底层规则，决定了 AI 的性格和底线。
Temperature 温度：
- 高数值 脑洞大、适合创意。
- 低数值 严谨、适合定稿。
Token：AI 的“计费单位”，文字/图片都会转化成 Token。
上下文窗口：AI 单次对话能处理的 Token 上限。
Markdown (MD)：AI 最喜欢的轻量化排版格式。
提示词工程 (Prompt Engineering)：研究如何写出完美指令的技能。

🟠 Level 3：行业核心概念

目标： 站在行业视角，理解当前 AI 赛道的热点与商业逻辑。

🤖 从“对话”到“行动”

AGI 通用人工智能：行业终极目标，拥有人类同等水平的综合智力。
涌现 (Emergence)：模型规模达到临界点后，突然爆发出的全新复杂能力。
Reasoning 推理：AI 逻辑分析、数学推导的核心能力。
深度思考 (Pro 模式)：通过延长计算时间来换取更强的逻辑推导。
Agent 智能体：【重点】 带“手脚”的 AI，能自主拆解任务、调用工具、操控电脑。
工作流 (Workflow)：串联多个 AI 工具的自动化流水线。

💼 商业与开发

To C / To B：面向个人用户 vs 面向企业商用。
AI Native AI 原生：产品从底层逻辑就是基于 AI 构建的，而非传统软件的插件。
Web Coding 自然语言编程：用大白话直接生成网页/工具。
API 应用程序接口：不同软件间数据互通的“通道”。
API Key：接口的“身份证/密码”，严禁外泄。
Error & Debug：程序报错与排查修复漏洞的过程。

🔴 Level 4 & 5：开发与部署（进阶实操）

目标： 尝试自己动手制作或部署一个 AI 工具。

🛠️ 开发工具

GitHub：程序员的“代码超市”，可以找现成的 AI 工具。
HTML：网页的底层结构。
前端 vs 后端：用户看到的界面 vs 背后运行的逻辑与数据。
微调 (Fine-tuning)：在现有模型基础上，用行业数据进行“二次培训”。
训练 (Training)：给模型投喂海量数据，让它学习规律。

🌐 部署运维

Terminal 终端：通过文字指令操控电脑的底层窗口。
命令 & 路径：执行指令的动作与文件定位的地址。
环境变量 (.env)：存放 API Key 等私密信息的隐藏文件。
服务器 & 部署：将本地工具上传到远程计算机，让所有人都能访问。
端口：服务器区分不同程序的“通道编号”。

🟣 Level 6：底层原理与硬件算力

目标： 理解 AI 的物理极限，看懂为什么 AI 很贵。

🧠 算法逻辑

神经网络：模仿人脑神经元结构的算法框架。
参数：神经网络内的数值节点，参数越多，模型越强，成本越高。
AI 三要素：算法（逻辑）+ 数据（素材）+ 算力（硬件支撑）。
预训练 vs 后训练：九年义务教育（基础通识） vs 岗前培训（风格规范）。
蒸馏：用“大模型”教“小模型”，实现轻量化。
推理 (Inference)：模型完成训练后，日常回答问题的计算过程。

⚡ 硬件与资源

CPU vs GPU：通用处理器 vs 图形显卡（AI 训练的核心硬件）。
算力集群 / 数据中心：成千上万张 GPU 组成的巨型机房。
电力能耗：AI 产业的隐形基建，规模机房耗电量惊人。

💡 学习总结与建议

学习路径：界面操作使用技巧行业概念简易开发线上部署硬件底层。
实操金律：
- 遇到长对话 新建窗口（管理上下文）。
- 遇到重要信息 多模型交叉核验（防幻觉）。
- 遇到 API Key 妥善保管（防扣费）。
终极工具：遇到不懂的术语或报错，直接丢给 AI 解析，它是你最好的老师。