AI 与软件术语表
用大白话解释 AI 与软件开发中的常见概念，帮你快速建立认知， 做出更明智的技术选型。
AI 基础概念
- 大语言模型LLM
- 在海量文本上训练、能理解和生成自然语言的大型神经网络模型，如 GPT、Claude 等，是当前 AI 应用的核心引擎。
- 检索增强生成RAG
- 在生成回答前先从外部知识库检索相关内容，再让大模型基于检索结果作答，从而减少幻觉、让答案有据可查。
- 微调Fine-tuning
- 用特定领域数据继续训练预训练模型，使其更擅长某项任务。适合固化风格与格式，但更新知识需重新训练。
- 提示词工程Prompt Engineering
- 设计、优化输入给大模型的指令与上下文，以稳定获得高质量输出的方法。
- 嵌入向量Embedding
- 把文本、图片等转化为一组数字向量，使语义相近的内容在向量空间中也彼此靠近，是语义检索的基础。
- TokenToken
- 大模型处理文本的最小单位，可近似理解为一个字词或子词。模型按 Token 计费，也受上下文窗口限制。
- AI 智能体AI Agent
- 能自主规划、调用工具、执行多步任务的大模型应用，相比普通聊天机器人更能「动手完成工作」。
- 上下文窗口Context Window
- 模型单次能处理的 Token 上限，决定一次对话能「记住」多少内容。
知识库与检索
- 向量数据库Vector Database
- 专门存储和检索向量数据的数据库，如 Milvus、pgvector，用于大规模语义相似度搜索。
- 混合检索Hybrid Search
- 同时结合关键词匹配（BM25）与向量相似度检索，兼顾精确匹配与语义理解，提升召回质量。
- 重排序Rerank
- 对初检结果用更精细的模型重新排序，把最相关的片段放到最前面，提升最终回答质量。
- 知识切片Chunking
- 把长文档切分成适合检索的小片段，切片策略直接影响 RAG 的召回效果。
- 知识图谱Knowledge Graph
- 以「实体—关系」形式组织知识的结构化网络，擅长表达实体间的复杂关联与推理。
- 语义搜索Semantic Search
- 基于含义而非字面关键词进行搜索，能理解「怎么退款」和「如何申请退货」是同一意图。
开发与部署
- APIAPI
- 应用程序编程接口，是不同软件系统之间交换数据和调用功能的约定。
- SaaSSoftware as a Service
- 以订阅方式提供的云端软件服务，用户无需自建服务器即可使用。
- 私有化部署On-premise
- 将系统部署到企业自有服务器或内网环境，数据不经过第三方，满足安全与合规要求。
- 敏捷开发Agile
- 以短周期迭代、持续交付和快速反馈为核心的软件开发方法，能灵活响应需求变化。
- MVPMinimum Viable Product
- 最小可行产品，用最低成本实现核心功能的版本，用于快速验证市场需求。
- 微服务Microservices
- 把系统拆分为多个可独立部署的小服务，提升扩展性与团队协作效率。
- CI/CDContinuous Integration / Delivery
- 持续集成与持续交付，自动化完成代码构建、测试与部署，加速上线节奏。
