AI编码术语通俗解释

AI编码领域的术语常常令人困惑，从模型、推理到上下文窗口，每个概念背后都有清晰的逻辑。最近，一份名为《AI编码词典》的开源项目在开发者社区中流行起来，它用通俗的语言解释了这些术语，帮助开发者真正理解AI工具的工作方式。

项目作者指出，AI本身是一个不断变化的标签，不同时代指代不同技术：1950年代的符号推理、1980年代的专家系统、2020年代的大语言模型。这种“AI效应”导致许多讨论各说各话，解决方法是使用更精确的术语。

词典将术语分为多个章节。首先是“模型”部分，模型是仅做下一词预测的参数集合，本身无状态。模型需要被“框架”包裹才能执行代理任务，框架负责编排多次模型请求。训练是模型提供者通过海量文本调整参数的一次性过程，训练结束后参数冻结，用户无法在会话中改变它们。推理则是每次请求时模型运行的过程，用户按token付费，成本与输入输出token数量直接相关。

“努力度”是调节模型推理深度的旋钮，从低（机械编辑）到高（复杂调试）分为多个等级，高努力度会消耗更多token且响应更慢。上下文窗口是会话中模型能“看到”的全部信息，随着对话进行，注意力会退化，导致模型忽略早期内容。为解决这个问题，出现了“记忆系统”和“自动压缩”等机制。

其他重要概念包括“工具调用”（模型调用外部功能）、“代理模式”（模型自主执行任务）、“幻觉”（模型生成非事实内容）以及“同调奉承”（模型迎合用户观点）。项目还介绍了“氛围编码”、“AFK”（无人值守）等工作模式。

这份词典不仅适合初学者，对有经验的开发者同样有价值。理解这些术语能帮助开发者更准确地诊断问题、优化提示词，并合理管理API成本。项目在GitHub上已获得2.5k星标，持续更新中。