AI 詞彙百科：常見 AI 名詞的中文意思與白話解釋
目前收錄 27 個 AI 名詞，每週二、四、六新增。
代理式 AI
Agentic AI 中文叫代理式 AI，指會自己拆目標、規劃步驟、呼叫工具、失敗還會重試的 AI 系統，這篇講它跟 AI Agent 差在哪。
AI AgentAI 代理
AI Agent（AI 代理）是配了指令、工具與執行迴圈的 AI，你給它目標，它自己動手做完再回報。這篇講它跟聊天機器人差在哪。
Attention注意力機制（Attention Mechanism）
Attention 中文叫注意力機制，是 AI 讀每個字時算出前後哪些字該多看一眼的方法，也是 Transformer 的地基。這篇講 Q、K、V。
Chain-of-Thought思考鏈（Chain-of-Thought Prompting）
思考鏈（Chain-of-Thought）是讓 AI 把推論過程一步一步寫出來、而不是直接給答案的技巧。這篇講它為什麼有效、跟推理模型差在哪。
Context Window上下文視窗
上下文視窗（Context Window）是 AI 一次看得見的文字總量上限，提問、附檔、對話紀錄和回答都算在裡面，塞太滿會出問題。
Embedding向量嵌入
Embedding（向量嵌入）是把文字、圖片轉成一長串數字的技術，讓電腦用距離判斷兩件事像不像。這篇講 1536 維與向量資料庫。
Fine-tuning模型微調
模型微調（Fine-tuning）是拿訓練好的大模型再餵特定領域資料繼續訓練，讓它更擅長某個任務。這篇講微調跟 RAG 差在哪。
Function Calling函式呼叫
Function Calling（函式呼叫）是讓 AI 用結構化 JSON 指定要呼叫哪個外部功能、帶什麼參數的機制，真正執行的是你的程式。
HallucinationAI 幻覺（AI Hallucination）
AI 幻覺（Hallucination）是 AI 生成看起來合理、語氣肯定，事實上卻不存在或不正確的內容。這篇拆解成因與真實翻車案例。
InferenceAI 推論（AI Inference）
AI 推論（Inference）是模型訓練完之後真正拿來回答問題的過程，你每次跟 ChatGPT 對話都在跑推論，也是 AI 最燒錢的一塊。
JailbreakAI 越獄（AI Jailbreak）
AI 越獄（Jailbreak）是用特製說法繞過模型安全規範，讓它講出原本會拒絕的內容。這篇講它跟提示詞注入的關係與為什麼修不掉。
LLM大型語言模型（Large Language Model）
LLM 中文叫大型語言模型，是讀過海量文字、靠預測下一個字生成內容的 AI 模型，ChatGPT、Claude、Gemini 都是它的外殼。
LoRA低秩適應微調（Low-Rank Adaptation）
AI 的 LoRA（低秩適應）是凍住大模型權重、只多訓練一組小矩陣的微調方法，小顯示卡也調得動大模型，跟無線通訊 LoRa 無關。
MCP模型上下文協定（Model Context Protocol）
MCP（Model Context Protocol，模型上下文協定）是讓 AI 應用用同一種方式連上外部工具與資料的開放協定，這篇講它跟函式呼叫差在哪。
MoE混合專家模型（Mixture of Experts）
MoE 中文叫混合專家模型，是讓 AI 每次只叫醒一小部分參數運算的架構，DeepSeek、Qwen 都靠它把上千億參數跑出小模型成本。
Multi-modal多模態（Multimodal AI）
Multimodal 中文叫多模態，指同一個 AI 模型能同時處理文字、圖片、聲音、影片再一起推理。這篇講原生多模態跟外掛拼接的差別。
Pre-training預訓練
預訓練（Pre-training）是拿海量文字讓 AI 反覆做文字接龍、把語言規律與常識壓進參數的第一階段訓練，也是知識截止日的由來。
Prompt提示詞
Prompt 中文意思是提示詞，就是你丟給 AI 的那段輸入，包含指示、背景資料、範例與輸出格式。這篇講系統提示詞與官方建議寫法。
Prompt Injection提示詞注入
Prompt Injection（提示詞注入）是把假指令藏進 AI 會讀到的內容，騙它當成命令執行的攻擊手法，OWASP 連兩版都排第一名。
Quantization量化
AI 模型量化（Quantization）是把模型數字從 16 位元改成 4 位元存放，用一點準確度換回體積與速度，8B 模型從 15GB 壓到 4.6GB。
RAG檢索增強生成（Retrieval-Augmented Generation）
RAG 中文叫檢索增強生成，意思是讓 AI 回答前先去指定資料裡找依據再作答。這篇講它的三個步驟、跟微調差在哪、為什麼壓得住幻覺。
Reasoning Model推理模型
推理模型（Reasoning Model）是會先打一份思考草稿、再把答案講給你聽的 AI 模型。這篇講它跟一般模型差在哪、草稿為什麼要付錢。
RLHF人類回饋強化學習（Reinforcement Learning from Human Feedback）
RLHF 全名人類回饋強化學習，是用人類的偏好選擇來教 AI 講話的訓練法。這篇拆解它的三個階段，以及獎勵模型是怎麼來的。
Token詞元
AI 的 Token 是模型把文字切開後的最小處理單位，也是 AI 服務計費與長度上限的基準。這篇講它跟加密貨幣代幣的差別與中文換算。
Tool Calling工具呼叫
Tool Calling（工具呼叫）是讓 AI 開口要求外部工具查資料、跑程式的機制，模型只決定叫哪個工具，真正動手的是你的程式。
Transformer變換器架構
Transformer 是 2017 年一篇論文提出的神經網路架構，把整句話一次攤開讀完，ChatGPT、Claude、Gemini 都蓋在它上面。
Vector Database向量資料庫
向量資料庫（Vector Database）專門存放向量這種一長串數字，用相似度而非精確比對找資料。這篇講它跟一般資料庫差在哪。