小白科普版
第 12 课 · 词汇小词典 + 系列回顾
常听到但没人讲清楚的词一次理清，加一份三十秒自检
系列讲到这里，你已经比大多数人更懂 AI Agent 了。这最后一课，把常听到但没人讲清楚的词一次性理清，再帮你确认一下真的学到了。
AI 常用词汇小词典
| 词汇 | 大白话解释 |
|---|---|
| 大模型 / LLM | 读过海量文字、特别会接话的程序（第 1 课） |
| Prompt（提示词） | 你跟 AI 说的那句话，说得越清楚，它猜得越准 |
| AI Agent | 装上了手和眼睛、能自己动手办事的 AI（第 5 课） |
| 幻觉 | AI 一本正经地讲错话，它在接话，不是在查资料（第 4 课） |
| 工具 / Tool | Agent 的手，比如查数据库、发邮件这些具体动作 |
| 多模态 | 不仅能读文字，还能看图片、听声音的 AI |
| RAG（检索增强） | 让 AI 先去翻你给它的资料，再回答，减少瞎编 |
| 上下文 / Context | 这次对话里它能看到的全部内容，会有上限 |
| 工作流 / Workflow | 把一件事拆成好几步，每步交给合适的工具或 AI 去做 |
| Token | AI 处理文字的最小单位，可以粗略理解为字数计量单位，也是计费单位 |
| 推理模型 | 回答前会先「想一会儿」的模型，更准但更慢更贵（第 3 课） |
| 人工介入 / HITL | 关键步骤必须由人确认才能继续（第 8 课） |
系列回顾
- 第 1 课：AI = 特别会接话的人，不是万能查询机
- 第 2 课：普通程序靠规则，大模型靠理解，好产品把两者结合
- 第 3 课：五条边界：不知道你没说的、不知道最近的、算不准、没真判断力、记不住
- 第 4 课：幻觉不可根除，但圈硬信息、查最贵的、开新对话验证能挡掉大部分
- 第 5 课：Agent = 大模型 + 观察思考行动循环 + 工具
- 第 6 课：Agent 已经在真实产品里跑起来了
- 第 7 课：这一波是能不能动手办事的跨越，模型和工程两条线同时成熟
- 第 8 课：值钱的是设计规则、检查结果的能力，按可逆性分级逐步放权
- 第 9 课：规则明确度决定能不能做，出错代价决定该不该自己做
- 第 10 课：用自己的活试三家，看说人话、会追问、够老实、数据放心
- 第 11 课：三个实验对应观察、再观察、给目标
三十秒自检
不看上面的内容，用自己的话回答这五个问题。答不上来的，回去补对应那一课。
多了一个能反复跑的观察思考行动循环，和一堆能真正动手的工具。（第 5 课）
规则明确度和出错代价。代价维度是一票否决的：规则再明确，不可逆的事也要人来确认。（第 9 课）
你没给背景。它不知道你没告诉它的事，这是五条边界里最常撞到的一条。（第 3 课）
算用它的人的。这是目前最需要说清楚的一点，也是为什么绿区也要抽查。（第 9 课）
五道全答上来了，你现在对 AI 的理解已经超过绝大多数人。
接下来往哪走
- 我是产品、运营、设计、财务等岗位，想在日常工作里把 AI 用起来提效：去超级普通版，按岗位查，全是能一键复制的提示词
- 我对这套技术本身感兴趣，甚至想转行做这个方向的工程师：去程序员基础版，从零搭建一个真正的 Agent
- 我就是单纯觉得有意思：这份读物会持续更新，欢迎常回来看看
最后一句
这份读物没教你任何一个具体工具的操作，是故意的。
工具半年就换一批，但怎么把需求说清楚、怎么判断该不该交出去、怎么检查结果对不对这三样，五年后依然管用。它们才是这十二课真正想给你的东西。