用AI学AI名词待续补充日新月益变化总是存在AI时代的变化尤其的快从MCP开始MCP是什么用AI了解下。。。。。。从百度搜索 到 AI提问其实想提问解释AI常用名词表格输出不过还是装个样子试着写几个自己曾知道的其他的交给AI吧还要博闻强记吗解释以下名词表格输出AIGC AGI AIG MCP Agent RAG LLM Prompt术语全称定义关键特点应用领域相关技术/框架AIArtificial Intelligence人工智能通过算法模拟人类智能行为的技术总称目标是让机器完成需要人类智慧的任务。跨学科性、模拟人类智能、依赖数据与算法、应用广泛。自动驾驶、智能助手、医疗诊断、金融分析、游戏等。TensorFlow、PyTorch、Keras、Caffe、MXNet、PaddlePaddle等。LLMLarge Language Model大型语言模型基于深度学习技术构建的人工智能模型通过海量文本数据训练具备理解和生成自然语言的能力。1. 参数规模庞大数千亿级2. 上下文感知自注意力机制3. 多任务处理生成、翻译、问答等4. 涌现能力自主推理与泛化5. 持续进化结合联邦学习、边缘计算智能客服阿里云小蜜、内容创作Jasper AI、医疗诊断Med-PaLM、法律分析、教育辅导、金融预测、工业优化西门子TeamcenterTransformers库、Llama.cpp、vLLM、TGI、DeepSpeed、Ollamaprompt提示词人工智能交互指令用户向大语言模型LLM提供的输入指令或问题用于引导模型生成特定输出。1. 人机交互桥梁直接决定模型输出方向2. 结构化设计需包含任务、上下文、格式等要素3. 动态影响微小调整可能导致输出显著差异4. 多模态扩展可结合图像/音频等非文本信息内容生成文案/代码/诗歌、问答系统客服/教育、数据分析报告生成、医疗诊断症状解析零样本提示、少样本提示、思维链CoT、角色提示、分隔符、JSON/表格格式指令prompt engineering提示工程提示词优化技术通过系统化设计和优化提示词提升大语言模型LLM输出质量与任务适配性的技术学科。1. 工程化流程包含设计、测试、迭代全周期2. 模型适配性需结合具体LLM特性调整如GPT-4与LLaMA差异3. 自动化趋势利用AI自动生成优化提示如APE框架4. 多模态融合支持图像/语音等跨模态提示设计商业应用广告文案优化、科研复杂推理任务、教育个性化学习材料生成、企业服务智能客服系统零样本/少样本提示、思维链CoT、自一致性Self-Consistency、RAG检索增强生成、LangChain工具链AIGCArtificial Intelligence Generated Content利用人工智能技术自动生成文本、图像、视频、音频等内容。多样化跨模态生成、自动化减少人工干预、高效性快速产出、个性化定制化输出、创新性突破传统创作。广告营销文案/图像生成、教育教材制作、娱乐剧本创作、客户服务智能回复、媒体新闻初稿生成。GPT系列、Midjourney、Stable Diffusion、SoraAGIArtificial General Intelligence具备与人类相当或超越的通用智能能跨领域理解、学习、推理并自主解决问题。跨领域适应性、自主学习能力、自我意识理论目标、常识推理、情感理解未来方向。科研复杂问题求解、医疗综合诊断、机器人自主决策、虚拟助手高度智能化交互。尚未实现研究聚焦于神经符号系统、强化学习、认知架构如OpenAI的o系列模型。AIGArtificial Intelligence Governance规范人工智能系统的设计、开发、部署及使用确保安全、伦理和合规性。政策制定如数据隐私保护、伦理框架防止算法偏见、透明性要求决策可解释、风险评估AI安全。政府监管AI法案制定、企业合规算法审计、技术研发内置治理模块、公众教育AI伦理普及。欧盟AI法案、OECD AI原则、伦理审查委员会、可解释AIXAI技术。MCPModel Context Protocol由Anthropic提出的开放协议标准化大语言模型LLM与外部数据源、工具的交互方式。数据互通连接数据库/API、工具调用动态执行操作、上下文增强预设模板引导响应、安全认证OAuth支持。企业应用集成如连接内部数据库、代码开发自动提交Git操作、智能客服实时调用业务系统、数据分析动态查询。JSON-RPC 2.0协议、客户端-服务器架构、预构建服务器如GitHub/Postgres连接器。Agent智能体Autonomous Agent能自主感知环境、决策并执行任务的AI系统具备目标驱动和持续学习能力。自主性无人工干预、环境感知多模态数据采集、动态决策实时调整策略、多智能体协作分布式架构。自动驾驶路径规划、智能家居中枢控制、工业自动化机器人调度、虚拟助手任务自动化执行。反应式架构快速响应、慎思式架构逻辑推理、混合式架构如自动驾驶系统、通信模块多Agent交互。RAGRetrieval Augmented Generation结合外部知识检索与大语言模型生成通过动态注入上下文提升内容准确性和时效性。知识时效性实时更新、减少幻觉依赖事实数据、领域适配接入专业数据库、可解释性追溯信息来源。搜索引擎增强回答、企业知识库动态问答、法律/医疗专业领域咨询、新闻聚合实时信息整合。稠密向量检索如BGE模型、混合检索TF-IDF向量、LLM生成器GPT-4/ERNIE-Bot、提示模板设计。TransformerGPT(Generative Pre-trained Transformer)中“T”转换器基于自注意力机制的序列模型架构是现代大型语言模型的核心架构。由Google在2017年提出的革命性神经网络架构自注意力机制、并行计算、长距离依赖处理、可扩展性强。自然语言处理的重要神经网络结构机器翻译、文本生成、问答系统、语音识别、计算机视觉等。GPT系列、BERT、ViT、Llama等。GPTGenerative Pre-trained Transformer生成式预训练转换器由OpenAI开发的基于Transformer架构的大型语言模型通过海量文本数据预训练具备生成连贯自然文本的能力。1. 生成式模型根据上下文生成类似人类写作的文本支持从简单补全到复杂创作的多场景应用。2. 预训练与微调结合先在大规模无标签文本上预训练再通过少量标注数据微调适应特定任务。3. Transformer架构采用自注意力机制捕捉长距离依赖支持并行计算。4. 多模态扩展最新版本如GPT-4o支持文本、图像、音频、视频的跨模态交互。5. 涌现能力参数规模扩大从1.17亿到1750亿带来自主推理、复杂任务处理等能力。1. 内容创作新闻稿、小说、广告文案等高质量文本生成。2. 智能客服通过ChatGPT等对话系统提供实时交互。3. 代码开发辅助编程如GitHub Copilot、代码补全与优化。4. 医疗与法律辅助诊断、合同审查、法规检索。5. 教育与金融个性化学习材料生成、市场预测与风险评估。6. 图像与多模态图像描述生成、跨模态检索、语音交互如GPT-4o的实时语音对话。1. Transformer架构核心组件通过自注意力机制和前馈神经网络处理序列数据。2. 预训练技术在BooksCorpus、WebText等大规模语料库上进行无监督学习。3. 微调策略通过添加任务特定输出层快速适应问答、分类等任务。4. RLHF人类反馈强化学习优化模型输出减少偏见和有害内容。5. 稀疏注意力机制降低计算复杂度支持更长上下文如GPT-4的32K tokens。6. 多模态融合GPT-4o整合图像、音频、视频处理能力实现跨模态交互。GANGenerative Adversarial Network生成对抗网络由生成器和判别器组成的网络通过对抗训练生成新的数据样本。生成器与判别器对抗、生成逼真数据、数据增强、无监督学习。图像生成、视频生成、数据增强、风格迁移等。PyTorch、TensorFlow、Stable Diffusion等。Fine-tuning微调模型优化技术在预训练模型的基础上使用特定领域的数据进一步训练使模型适应特定任务。提升模型性能、适应特定任务、依赖预训练模型、数据效率高。法律咨询、医疗诊断、特定领域的智能客服、企业知识库等。LLM系列、LangChain、Llama Factory等。COTChain of Thought通过分步推理提升模型性能的技术引导模型生成中间推理步骤增强逻辑性和可解释性。逐步推理、中间步骤生成、提升复杂问题解决能力复杂问题求解如数学、逻辑推理、大语言模型训练少样本提示Few-shot Prompting、LangChain、o1模型REACTReasoning and Acting结合推理与行动的智能体架构通过“感知-决策-执行”循环动态解决问题。反应性、自主性、适应性、动态调整策略实时决策如自动驾驶、智能客服、复杂任务规划LangChain、AutoGen、CrewAIPDDLPlanning Domain Definition Language用于描述自动化规划问题的标准化语言定义领域动作、状态和问题初始状态、目标。标准化、动作与状态定义、支持复杂规划机器人规划、物流优化、任务自动化Fast Downward规划器、PDDL Thrift框架TOKEN-身份验证数字标识符NLP文本处理的最小单元如单词、子词。身份验证唯一性、时效性、安全性NLP文本分割基础、支持多语言处理身份验证Web应用、API、NLP自然语言处理、机器翻译JWTJSON Web Token、SentencePiece、BPE分词器TEMPERATURETemperature控制生成模型输出随机性的参数通过调整概率分布的平滑程度平衡创造性与确定性。动态调整输出多样性、平衡创造性与准确性文本生成、图像生成等生成式模型PyTorch、TensorFlow、Hugging Face TransformersModel Alignment模型对齐调整人工智能模型使其行为和目标与人类的意图、价值观和伦理原则相一致的过程让模型“听话”朝着我们希望的方向发展并避免产生不希望的或者有害的结果Perception/Reasoning感知(Perception)和推理(Reasoning)mlopsmachine learning operations机器学习运营FDEForward Deployed Engineer前沿部署工程师二线交付解决方案工程师Harness马具挽具背带保护带连接模型与实际应用的中间层公式为 Agent Model HarnessLLMWIKI个人知识库构建范式核心理念是让大语言模型担任知识编译器将原始材料持续编译维护成结构化的 Markdown 维基而非传统 RAG 模式的临时检索由前特斯拉 AI 总监、OpenAI 创始成员 Andrej Karpathy 于 2026 年 4 月提出Obsidian一款本地优先的知识管理和笔记软件支持双向链接、插件扩展等功能postgreSQL一种特性非常齐全的自由软件的对象-关系型数据库管理系统ORDBMSLOOP project循环工程就是不再靠人一句句给AI写提示词而是设计一套让AI自己定目标、干活、检查、返工的闭环系统。你只需要设定一个可验证的终点AI会在循环里不断试错直到达标。AI SDDAI 时代的规范驱动开发Specification-Driven Development核心是“先定规范再由 AI 生成代码”用结构化文档约束 AI 行为解决 AI 编程中需求理解偏差和代码不可控的问题 。 AIGC（生成式AI）试用 33 -- 用AI学AI名词
用AI学AI名词待续补充日新月益变化总是存在AI时代的变化尤其的快从MCP开始MCP是什么用AI了解下。。。。。。从百度搜索 到 AI提问其实想提问解释AI常用名词表格输出不过还是装个样子试着写几个自己曾知道的其他的交给AI吧还要博闻强记吗解释以下名词表格输出AIGC AGI AIG MCP Agent RAG LLM Prompt术语全称定义关键特点应用领域相关技术/框架AIArtificial Intelligence人工智能通过算法模拟人类智能行为的技术总称目标是让机器完成需要人类智慧的任务。跨学科性、模拟人类智能、依赖数据与算法、应用广泛。自动驾驶、智能助手、医疗诊断、金融分析、游戏等。TensorFlow、PyTorch、Keras、Caffe、MXNet、PaddlePaddle等。LLMLarge Language Model大型语言模型基于深度学习技术构建的人工智能模型通过海量文本数据训练具备理解和生成自然语言的能力。1. 参数规模庞大数千亿级2. 上下文感知自注意力机制3. 多任务处理生成、翻译、问答等4. 涌现能力自主推理与泛化5. 持续进化结合联邦学习、边缘计算智能客服阿里云小蜜、内容创作Jasper AI、医疗诊断Med-PaLM、法律分析、教育辅导、金融预测、工业优化西门子TeamcenterTransformers库、Llama.cpp、vLLM、TGI、DeepSpeed、Ollamaprompt提示词人工智能交互指令用户向大语言模型LLM提供的输入指令或问题用于引导模型生成特定输出。1. 人机交互桥梁直接决定模型输出方向2. 结构化设计需包含任务、上下文、格式等要素3. 动态影响微小调整可能导致输出显著差异4. 多模态扩展可结合图像/音频等非文本信息内容生成文案/代码/诗歌、问答系统客服/教育、数据分析报告生成、医疗诊断症状解析零样本提示、少样本提示、思维链CoT、角色提示、分隔符、JSON/表格格式指令prompt engineering提示工程提示词优化技术通过系统化设计和优化提示词提升大语言模型LLM输出质量与任务适配性的技术学科。1. 工程化流程包含设计、测试、迭代全周期2. 模型适配性需结合具体LLM特性调整如GPT-4与LLaMA差异3. 自动化趋势利用AI自动生成优化提示如APE框架4. 多模态融合支持图像/语音等跨模态提示设计商业应用广告文案优化、科研复杂推理任务、教育个性化学习材料生成、企业服务智能客服系统零样本/少样本提示、思维链CoT、自一致性Self-Consistency、RAG检索增强生成、LangChain工具链AIGCArtificial Intelligence Generated Content利用人工智能技术自动生成文本、图像、视频、音频等内容。多样化跨模态生成、自动化减少人工干预、高效性快速产出、个性化定制化输出、创新性突破传统创作。广告营销文案/图像生成、教育教材制作、娱乐剧本创作、客户服务智能回复、媒体新闻初稿生成。GPT系列、Midjourney、Stable Diffusion、SoraAGIArtificial General Intelligence具备与人类相当或超越的通用智能能跨领域理解、学习、推理并自主解决问题。跨领域适应性、自主学习能力、自我意识理论目标、常识推理、情感理解未来方向。科研复杂问题求解、医疗综合诊断、机器人自主决策、虚拟助手高度智能化交互。尚未实现研究聚焦于神经符号系统、强化学习、认知架构如OpenAI的o系列模型。AIGArtificial Intelligence Governance规范人工智能系统的设计、开发、部署及使用确保安全、伦理和合规性。政策制定如数据隐私保护、伦理框架防止算法偏见、透明性要求决策可解释、风险评估AI安全。政府监管AI法案制定、企业合规算法审计、技术研发内置治理模块、公众教育AI伦理普及。欧盟AI法案、OECD AI原则、伦理审查委员会、可解释AIXAI技术。MCPModel Context Protocol由Anthropic提出的开放协议标准化大语言模型LLM与外部数据源、工具的交互方式。数据互通连接数据库/API、工具调用动态执行操作、上下文增强预设模板引导响应、安全认证OAuth支持。企业应用集成如连接内部数据库、代码开发自动提交Git操作、智能客服实时调用业务系统、数据分析动态查询。JSON-RPC 2.0协议、客户端-服务器架构、预构建服务器如GitHub/Postgres连接器。Agent智能体Autonomous Agent能自主感知环境、决策并执行任务的AI系统具备目标驱动和持续学习能力。自主性无人工干预、环境感知多模态数据采集、动态决策实时调整策略、多智能体协作分布式架构。自动驾驶路径规划、智能家居中枢控制、工业自动化机器人调度、虚拟助手任务自动化执行。反应式架构快速响应、慎思式架构逻辑推理、混合式架构如自动驾驶系统、通信模块多Agent交互。RAGRetrieval Augmented Generation结合外部知识检索与大语言模型生成通过动态注入上下文提升内容准确性和时效性。知识时效性实时更新、减少幻觉依赖事实数据、领域适配接入专业数据库、可解释性追溯信息来源。搜索引擎增强回答、企业知识库动态问答、法律/医疗专业领域咨询、新闻聚合实时信息整合。稠密向量检索如BGE模型、混合检索TF-IDF向量、LLM生成器GPT-4/ERNIE-Bot、提示模板设计。TransformerGPT(Generative Pre-trained Transformer)中“T”转换器基于自注意力机制的序列模型架构是现代大型语言模型的核心架构。由Google在2017年提出的革命性神经网络架构自注意力机制、并行计算、长距离依赖处理、可扩展性强。自然语言处理的重要神经网络结构机器翻译、文本生成、问答系统、语音识别、计算机视觉等。GPT系列、BERT、ViT、Llama等。GPTGenerative Pre-trained Transformer生成式预训练转换器由OpenAI开发的基于Transformer架构的大型语言模型通过海量文本数据预训练具备生成连贯自然文本的能力。1. 生成式模型根据上下文生成类似人类写作的文本支持从简单补全到复杂创作的多场景应用。2. 预训练与微调结合先在大规模无标签文本上预训练再通过少量标注数据微调适应特定任务。3. Transformer架构采用自注意力机制捕捉长距离依赖支持并行计算。4. 多模态扩展最新版本如GPT-4o支持文本、图像、音频、视频的跨模态交互。5. 涌现能力参数规模扩大从1.17亿到1750亿带来自主推理、复杂任务处理等能力。1. 内容创作新闻稿、小说、广告文案等高质量文本生成。2. 智能客服通过ChatGPT等对话系统提供实时交互。3. 代码开发辅助编程如GitHub Copilot、代码补全与优化。4. 医疗与法律辅助诊断、合同审查、法规检索。5. 教育与金融个性化学习材料生成、市场预测与风险评估。6. 图像与多模态图像描述生成、跨模态检索、语音交互如GPT-4o的实时语音对话。1. Transformer架构核心组件通过自注意力机制和前馈神经网络处理序列数据。2. 预训练技术在BooksCorpus、WebText等大规模语料库上进行无监督学习。3. 微调策略通过添加任务特定输出层快速适应问答、分类等任务。4. RLHF人类反馈强化学习优化模型输出减少偏见和有害内容。5. 稀疏注意力机制降低计算复杂度支持更长上下文如GPT-4的32K tokens。6. 多模态融合GPT-4o整合图像、音频、视频处理能力实现跨模态交互。GANGenerative Adversarial Network生成对抗网络由生成器和判别器组成的网络通过对抗训练生成新的数据样本。生成器与判别器对抗、生成逼真数据、数据增强、无监督学习。图像生成、视频生成、数据增强、风格迁移等。PyTorch、TensorFlow、Stable Diffusion等。Fine-tuning微调模型优化技术在预训练模型的基础上使用特定领域的数据进一步训练使模型适应特定任务。提升模型性能、适应特定任务、依赖预训练模型、数据效率高。法律咨询、医疗诊断、特定领域的智能客服、企业知识库等。LLM系列、LangChain、Llama Factory等。COTChain of Thought通过分步推理提升模型性能的技术引导模型生成中间推理步骤增强逻辑性和可解释性。逐步推理、中间步骤生成、提升复杂问题解决能力复杂问题求解如数学、逻辑推理、大语言模型训练少样本提示Few-shot Prompting、LangChain、o1模型REACTReasoning and Acting结合推理与行动的智能体架构通过“感知-决策-执行”循环动态解决问题。反应性、自主性、适应性、动态调整策略实时决策如自动驾驶、智能客服、复杂任务规划LangChain、AutoGen、CrewAIPDDLPlanning Domain Definition Language用于描述自动化规划问题的标准化语言定义领域动作、状态和问题初始状态、目标。标准化、动作与状态定义、支持复杂规划机器人规划、物流优化、任务自动化Fast Downward规划器、PDDL Thrift框架TOKEN-身份验证数字标识符NLP文本处理的最小单元如单词、子词。身份验证唯一性、时效性、安全性NLP文本分割基础、支持多语言处理身份验证Web应用、API、NLP自然语言处理、机器翻译JWTJSON Web Token、SentencePiece、BPE分词器TEMPERATURETemperature控制生成模型输出随机性的参数通过调整概率分布的平滑程度平衡创造性与确定性。动态调整输出多样性、平衡创造性与准确性文本生成、图像生成等生成式模型PyTorch、TensorFlow、Hugging Face TransformersModel Alignment模型对齐调整人工智能模型使其行为和目标与人类的意图、价值观和伦理原则相一致的过程让模型“听话”朝着我们希望的方向发展并避免产生不希望的或者有害的结果Perception/Reasoning感知(Perception)和推理(Reasoning)mlopsmachine learning operations机器学习运营FDEForward Deployed Engineer前沿部署工程师二线交付解决方案工程师Harness马具挽具背带保护带连接模型与实际应用的中间层公式为 Agent Model HarnessLLMWIKI个人知识库构建范式核心理念是让大语言模型担任知识编译器将原始材料持续编译维护成结构化的 Markdown 维基而非传统 RAG 模式的临时检索由前特斯拉 AI 总监、OpenAI 创始成员 Andrej Karpathy 于 2026 年 4 月提出Obsidian一款本地优先的知识管理和笔记软件支持双向链接、插件扩展等功能postgreSQL一种特性非常齐全的自由软件的对象-关系型数据库管理系统ORDBMSLOOP project循环工程就是不再靠人一句句给AI写提示词而是设计一套让AI自己定目标、干活、检查、返工的闭环系统。你只需要设定一个可验证的终点AI会在循环里不断试错直到达标。AI SDDAI 时代的规范驱动开发Specification-Driven Development核心是“先定规范再由 AI 生成代码”用结构化文档约束 AI 行为解决 AI 编程中需求理解偏差和代码不可控的问题 。