AI 术语太难？这些动图让你 3 分钟全看懂

AI 术语太难？这些动图让你 3 分钟全看懂 AI 术语太难？这些动图让你 3 分钟全看懂 Modified November 26, 2025 基于它学过的所有知识。 预测"下一个最可能出现的词是什么"。 这就是你看到 ChatGPT "打字"的过程 它在一个词一个词地推理。 RAG（检索增强生成） 让 AI 先"查资料"再回答。 大家都知道，AI 有时候会"一本正经地胡说八道"。 这是因为它只能靠训练时学到的知识回答。 如果训练数据里没有，它就只能瞎编。 RAG 就是为了解决这个问题。 怎么工作的？ 1. 你提问 ："2024 年诺贝尔物理学奖得主是谁？" 2. AI 先去"查" ：从数据库、网页或文档里检索相关信息 3. AI 拿到资料 ：找到"2024 年诺贝尔物理学奖授予了 John Hopfield 和 Geoffrey Hinton" 4. AI 结合资料回答 ：用检索到的信息生成准确的答案 就像你考试时可以翻书。 不用全靠记忆，而是先查到资料，再组织语言回答。 现在很多 AI 产品（比如 Perplexity、豆包、Deepseek等）。 其实都有用到 RAG。 通过联网搜索找资料，然后再回答你。 （ 注意 ：RAG依然可能有幻觉，只是大幅下降而已） Agent（智能体） 能自己做决策、完成任务的 AI。 如果说普通 AI 是"你问它答"。 那 Agent 就是 "你给目标，它自己想办法完成" 。 举个例子 你对一个 Agent 说： "帮我订一张下周去上海的机票，预算 1000 元以内，早上出发。" 一个普通 AI 可能只会回复： "你可以去携程或飞猪搜索……" 但一个 Agent 会： 1. 制定计划 ：先查航班，再比价，最后下单 2. 使用工具 ：调用航班查询 API、价格比较工具 3. 执行动作 ：找到符合条件的航班，帮你预订 4. 反馈调整 ：如果没找到合适的，自动调整条件（比如放宽时间） 它不只是回答问题，而是真的帮你把事情做完。 （不知道飞猪的AI Agent能不能搞定，只是举例子） Agent 的核心能力 • 目标导向 ：知道自己要达成什么 • 工具使用 ：能调用外部工具（搜索、计算、操作软件） • 记忆 ：记住之前的操作，避免重复 • 反馈循环 ：根据结果调整策略 未来的 AI 助手，可能都是 Agent。 你只需要说"我想要什么"，它自己搞定一切。 Workflow（工作流） 预先设计好的任务流程。 和 Agent 不同，Workflow 是 固定的、可预测的 。 你提前规划好每一步做什么。 AI 按照这个流程执行。 举个例子 假设你要做一个"每日新闻摘要"： 1. 收集 ：从 RSS 源抓取最新新闻 2. 处理 ：用 AI 筛选出重要的 10 条 3. 生成 ：用 AI 写一段 200 字的摘要 4. 发送 ：自动发到你的邮箱 这就是一个 Workflow。 每一步都是固定的，不需要 AI "思考"该怎么做。 比如Coze、N8N、Dify 都可以搭建类似工作流。 Workflow vs Agent 特点 Workflow Agent 灵活性 固定流程 自主决策 适用场景 重复性任务 复杂、多变的任务 可控性 高（可控） 低（AI 决定） 举例 自动报表生成 行程规划 简单说： Workflow 是"照着菜谱做菜"，Agent 是"自己研究怎么做菜"。 LLM（大语言模型） 终于到了最核心的概念。 LLM 就是我们一直在聊的"大模型"。 比如： • 国外有 GPT、Claude、Gemini等。 • 国内有Deepseek、Kimi、GLM、Doubao等。 什么是"大"？ • 参数多 ：几百亿到几万亿个参数 • 数据多 ：训练用了几 TB 甚至几十 TB 的文本 • 能力强 ：能理解、生成、推理... 几乎无所不能 LLM 能做什么？ LLM 不止是"聊天机器人"，它可以： • 写作 ：文章、代码、诗歌... • 翻译 ：多语言互译 • 总结 ：把长文章压缩成几句话 • 推理 ：解数学题、逻辑题 • 创作 ：编故事、设计方案 • 对话 ：像人一样聊天 LLM不是在"搜索答案"。 LLM是真的"理解"了语言的规律。 然后生成新的内容。 LLM 的局限 LLM 也不是万能的： • 会瞎编 ：如果不知道答案，它会编得像真的一样（这叫"幻觉"） • 没有实时信息 ：只知道训练数据里的内容，不知道昨天发生了什么 • 不会真正"思考" ：它只是在做统计预测，不是真的理解世界 LLM 是个超级强大的工具 但你得知道它的边界。 写在后面 看完上面的概念，你会发现： AI 的核心逻辑其实很简单 把复杂的东西拆成小块，用数学建模，然后用海量数据训练。 但简单逻辑，叠加到极致，就产生了"智能"的涌现。 AI 不是魔法，但它正在改变世界。 而你现在，已经懂了它的底层逻辑。 如果觉得本文有用，请一键三连，发给需要的朋友。 关注我，一起学懂AI。 原文地址： https://ibelick.com/ai glossary rag You don't have permission to access this synced block. Please log in and try again. Log In 基于它学过的所有知识。 预测"下一个最可能出现的词是什么"。 这就是你看到 ChatGPT "打字"的过程 它在一个词一个词地推理。 RAG（检索增强生成） 让 AI 先"查资料"再回答。 大家都知道，AI 有时候会"一本正经地胡说八道"。 这是因为它只能靠训练时学到的知识回答。 如果训练数据里没有，它就只能瞎编。 RAG 就是为了解决这个问题。 怎么工作的？ 1. 你提问 ："2024 年诺贝尔物理学奖得主是谁？" 2. AI 先去"查" ：从数据库、网页或文档里检索相关信息 3. AI 拿到资料 ：找到"2024 年诺贝尔物理学奖授予了 John Hopfield 和 Geoffrey Hinton" 4. AI 结合资料回答 ：用检索到的信息生成准确的答案 就像你考试时可以翻书。 不用全靠记忆，而是先查到资料，再组织语言回答。 现在很多 AI 产品（比如 Perplexity、豆包、Deepseek等）。 其实都有用到 RAG。 通过联网搜索找资料，然后再回答你。 （ 注意 ：RAG依然可能有幻觉，只是大幅下降而已） Agent（智能体） 能自己做决策、完成任务的 AI。 如果说普通 AI 是"你问它答"。 那 Agent 就是 "你给目标，它自己想办法完成" 。 举个例子 你对一个 Agent 说： "帮我订一张下周去上海的机票，预算 1000 元以内，早上出发。" 一个普通 AI 可能只会回复： "你可以去携程或飞猪搜索……" 但一个 Agent 会： 1. 制定计划 ：先查航班，再比价，最后下单 2. 使用工具 ：调用航班查询 API、价格比较工具 3. 执行动作 ：找到符合条件的航班，帮你预订 4. 反馈调整 ：如果没找到合适的，自动调整条件（比如放宽时间） 它不只是回答问题，而是真的帮你把事情做完。 （不知道飞猪的AI Agent能不能搞定，只是举例子） Agent 的核心能力 • 目标导向 ：知道自己要达成什么 • 工具使用 ：能调用外部工具（搜索、计算、操作软件） • 记忆 ：记住之前的操作，避免重复 • 反馈循环 ：根据结果调整策略 未来的 AI 助手，可能都是 Agent。 你只需要说"我想要什么"，它自己搞定一切。 Workflow（工作流） 预先设计好的任务流程。 和 Agent 不同，Workflow 是 固定的、可预测的 。 你提前规划好每一步做什么。 AI 按照这个流程执行。 举个例子 假设你要做一个"每日新闻摘要"： 1. 收集 ：从 RSS 源抓取最新新闻 2. 处理 ：用 AI 筛选出重要的 10 条 3. 生成 ：用 AI 写一段 200 字的摘要 4. 发送 ：自动发到你的邮箱 这就是一个 Workflow。 每一步都是固定的，不需要 AI "思考"该怎么做。 比如Coze、N8N、Dify 都可以搭建类似工作流。 Workflow vs Agent 特点 Workflow Agent 灵活性 固定流程 自主决策 适用场景 重复性任务 复杂、多变的任务 可控性 高（可控） 低（AI 决定） 举例 自动报表生成 行程规划 特点 特点 Workflow Workflow Agent Agent 灵活性 灵活性 固定流程 固定流程 自主决策 自主决策 适用场景 适用场景 重复性任务 重复性任务 复杂、多变的任务 复杂、多变的任务 可控性 可控性 高（可控） 高（可控） 低（AI 决定） 低（AI 决定） 举例 举例 自动报表生成 自动报表生成 行程规划 行程规划 简单说： Workflow 是"照着菜谱做菜"，Agent 是"自己研究怎么做菜"。 LLM（大语言模型） 终于到了最核心的概念。 LLM 就是我们一直在聊的"大模型"。 比如： • 国外有 GPT、Claude、Gemini等。 • 国内有Deepseek、Kimi、GLM、Doubao等。 什么是"大"？ • 参数多 ：几百亿到几万亿个参数 • 数据多 ：训练用了几 TB 甚至几十 TB 的文本 • 能力强 ：能理解、生成、推理... 几乎无所不能 LLM 能做什么？ LLM 不止是"聊天机器人"，它可以： • 写作 ：文章、代码、诗歌... • 翻译 ：多语言互译 • 总结 ：把长文章压缩成几句话 • 推理 ：解数学题、逻辑题 • 创作 ：编故事、设计方案 • 对话 ：像人一样聊天 LLM不是在"搜索答案"。 LLM是真的"理解"了语言的规律。 然后生成新的内容。 LLM 的局限 LLM 也不是万能的： • 会瞎编 ：如果不知道答案，它会编得像真的一样（这叫"幻觉"） • 没有实时信息 ：只知道训练数据里的内容，不知道昨天发生了什么 • 不会真正"思考" ：它只是在做统计预测，不是真的理解世界 LLM 是个超级强大的工具 但你得知道它的边界。 写在后面 看完上面的概念，你会发现： AI 的核心逻辑其实很简单 把复杂的东西拆成小块，用数学建模，然后用海量数据训练。 但简单逻辑，叠加到极致，就产生了"智能"的涌现。 AI 不是魔法，但它正在改变世界。 而你现在，已经懂了它的底层逻辑。 如果觉得本文有用，请一键三连，发给需要的朋友。 关注我，一起学懂AI。 原文地址： https://ibelick.com/ai glossary rag You don't have permission to access this synced block. Please log in and try again. Log In 🔗 原文链接： https://mp.weixin.qq.com/s/DGZQsB0d... https://mp.weixin.qq.com/s/DGZQsB0d... 原创 向阳乔木 AI不插电2025年11月17日 11:02 天津 很多初学 AI 的朋友都会说： AI 领域的术语太让人头大了。 Token、Embedding、Transformer … 听起来像是在念咒语。 其实，这些概念并不复杂，只是很难靠语言讲清楚。 前几天翻到一个AI科普文。 作者应该是优秀的前端工程师，竟用前端交互演示方式解释这些概念。 一下子复杂概念变得鲜活起来。 我录屏做成Gif，一起学习这些看起来复杂的概念。 Token（词元） 最小的文本单位。 你可以把它想象成乐高积木——每个 Token 就是一块积木。 可能是一个完整的词，也可能是词的一部分，甚至是个标点符号。 比如这句话： "The dragon rests in agony." AI 会把它拆成： The | dragon | rests | in | agony | . 每个 Token 都有自己的"身份证号"——一个数字 ID。 AI 就是通过这些数字来理解文字的。 为什么重要？ 因为 AI 不认识文字，只认识数字。 Token 就是把人类语言翻译成 AI 能懂的语言的第一步。 Tokenization（分词） 把文字切成 Token 的过程。 你发一条消息给 ChatGPT。 它做的第一件事就是把你的话切碎，这就是 Tokenization。 就像你吃牛排前要先切块一样。 AI 也得先把文字切成小块才能"消化"。 Embedding（嵌入） 把 Token 变成数字向量。 听起来很抽象？ 其实就是 给每个词在空间里找个位置 。 想象一个三维空间，"猫"和"狗"会靠得很近，因为它们都是动物。 而"猫"和"汽车"就会离得很远。 AI 通过这种方式理解词与词之间的关系。 意思相近的词，在空间里的位置也相近。 这一步发生在 Tokenization 之后，是 AI 理解语义的关键。 Context Window（上下文窗口） AI 一次能"看"多少内容的限制。 你有没有发现，和 ChatGPT 聊太久，它会"忘记"前面说过的话？ 这就是因为 Context Window 的限制。 AI 只能在一定范围内记住信息，超出这个范围，它就"失忆"了。 不同模型的窗口大小不一样。 有的能记住几千个 Token，有的能记住几十万个。 为什么重要？ 窗口越大，AI 能处理的信息就越多，回答也越连贯。 但窗口大也意味着计算成本更高。 Latent Space（潜在空间） AI 内部的"概念地图"。 还记得 Embedding 吗? 所有词的向量组成的空间，就是 Latent Space。 在这个空间里， 相似的概念会聚在一起 。 比如"国王"和"王后"会靠得很近。 "男人"和"女人"也会靠得很近。 更神奇的是，AI 还能做"概念运算": 国王 男人 + 女人 = 王后 这就是 Latent Space 的魔力。 它让 AI 能理解抽象的关系。 Neural Network(神经网络) 模仿人脑的计算系统。 人脑有神经元，神经网络也有"神经元"。 只不过是数学上的。 神经网络由很多层组成。 每一层都在提炼信息: • 第一层可能识别简单的模式(比如图片里的边缘) • 中间层识别更复杂的特征(比如眼睛、鼻子) • 最后一层做出判断(这是一只猫) 作者举了个例子，当我们输入“法国的首都是哪里？”。 神经网络可能的动态如下（只是演示原理）： 为什么叫"学习"? 因为它不是被编程的，而是通过大量例子自己总结规律。 就像你小时候学认字一样。 看多了，自然就会了。 Parameter(参数) 神经网络学到的"知识"。 你可能听说过"GPT 4 有 1.76 万亿参数"。 这些参数就是模型的"记忆"。 每个参数都是一个数字，决定了神经元之间的连接强度。 （人大脑能记住什么，也是看神经元连接强度） 参数越多，模型能记住的模式就越复杂。 但不是越多越好。 参数太多，模型会变得又慢又贵。 补充个小科普 人脑有多少参数？ • 约 860 亿个神经元 （相当于神经网络的"节点"） • 每个神经元平均连接 7,000 个突触 （相当于神经网络的"连接"） • 突触总数 ≈ 860 亿 × 7,000 = 约 600 万亿个突触 如果把每个突触看作一个"参数"。 那人脑就有 600 万亿个参数 。 人脑功率大约 20 瓦（相当于一个灯泡）。 GPT 4 训练一次估计需要数百万瓦电力。 人脑20瓦就能做到创造、推理、情感、意识。 这效率简直逆天。 Model(模型) 训练好的神经网络。 模型就是 AI 的"大脑"。 它已经学完了，现在可以用来预测、生成或理解新信息。 比如 ChatGPT、Midjourney、Stable Diffusion。 都是不同的模型，各有专长。 Transformer 一种特别聪明的神经网络架构。 以前 AI 读文字像人读书。 从左到右，一个词一个词地看。 但 Transformer 不一样 它能同时看整句话，理解所有词之间的关系。 就像你看一幅画。 不是一个像素一个像素地看。 而是一眼就能看到整体构图。 这就是为什么 Transformer 能让 AI 变得这么强大。 Attention(注意力机制) Transformer 的核心技巧。 当 AI 处理一句话时。 它会给每个词分配不同的"注意力权重"。 重要的词权重高，不重要的词权重低。 比如这句话: "Why does the sky turn orange when the sun sets?" AI 会重点关注"sky"、"orange"、"sun"、"sets"。 而不是"does"、"the"这些虚词。 这就是为什么 AI 能理解复杂句子的原因。 它知道该关注什么。 Pre training(预训练) AI 的"通识教育"。 在预训练阶段，模型会读海量的文本。 书籍、网页、论文…… 并非背答案，而是在 学习语言的规律 : • 哪些词经常一起出现? • 句子的结构是怎样的? • 不同概念之间有什么关系? 预训练就像你上小学到高中。 这时学的是通用知识。 为以后学专业学习打基础。 Fine tuning(微调) AI 的"专业培训"。 预训练完的模型是个"通才"。 但可能不擅长某个具体任务。 这时候就需要 Fine tuning。 用特定领域的数据再训练一次，让模型变成"专才"。 比如: • 用医学文献微调，模型就能更好地回答医学问题 • 用代码微调，模型就能更好地写程序 重点：微调不会让模型忘记之前学的东西，只是让它在某个领域更强。 Reinforcement Learning(强化学习) 通过"试错"来学习。 假设你在训练一只狗: • 它做对了，你给它奖励 • 它做错了，你不给奖励(或者惩罚) 强化学习也是这样。 AI 尝试不同的行为，根据反馈调整策略。 最终学会做出更好的决策。 ChatGPT 就是用强化学习训练的。 人类评估它的回答，告诉它哪些好哪些不好。 它就慢慢学会了更符合人类期待的回答方式。 Chain of Thought(思维链) 让 AI "说出"思考过程。 以前 AI 直接给答案。 但你不知道它是怎么想的。 现在，我们可以让 AI 一步步写出推理过程: 问题:一个苹果 3 元,买 5 个打 8 折,要多少钱? 思维链: 1. 5 个苹果原价 = 3 × 5 = 15 元 2. 打 8 折 = 15 × 0.8 = 12 元 3. 答案:12 元 为什么重要? 因为这样 AI 不容易出错，而且你能看到它的逻辑，更容易信任它。 另外，使用CoT思维链，AI 思考推理能力会大幅提升。 Inference（推理） AI 正式"上班"的时候。 训练完的模型，现在要用来回答问题、生成内容。 这个过程就叫 Inference（推理）。 你每次和 ChatGPT 对话，它都在做 Inference: • 读取你的输入 • 预测下一个 Token • 一个一个生成，直到完成回答 比如你问： "为什么秋天树叶会变色？" AI 会这样一步步生成： As | daylight | shortens | , | chlorophyll | fades | and | hidden | pigments | emerge | ... 每个词都是它"猜"出来的。