AI編碼術語通俗解釋

AI編碼領域的術語常常令人困惑，從模型、推理到上下文視窗，每個概念背後都有清晰的邏輯。最近，一份名為《AI編碼詞典》的開源專案在開發者社群中流行起來，它用通俗的語言解釋了這些術語，幫助開發者真正理解AI工具的工作方式。

專案作者指出，AI本身是一個不斷變化的標籤，不同時代指代不同技術：1950年代的符號推理、1980年代的專家系統、2020年代的大語言模型。這種“AI效應”導致許多討論各說各話，解決方法是使用更精確的術語。

詞典將術語分為多個章節。首先是“模型”部分，模型是僅做下一詞預測的引數集合，本身無狀態。模型需要被“框架”包裹才能執行代理任務，框架負責編排多次模型請求。訓練是模型提供者透過海量文本調整引數的一次性過程，訓練結束後引數凍結，使用者無法在會話中改變它們。推理則是每次請求時模型執行的過程，使用者按token付費，成本與輸入輸出token數量直接相關。

“努力度”是調節模型推理深度的旋鈕，從低（機械編輯）到高（複雜除錯）分為多個等級，高努力度會消耗更多token且響應更慢。上下文視窗是會話中模型能“看到”的全部資訊，隨著對話進行，注意力會退化，導致模型忽略早期內容。為解決這個問題，出現了“記憶系統”和“自動壓縮”等機制。

其他重要概念包括“工具呼叫”（模型呼叫外部功能）、“代理模式”（模型自主執行任務）、“幻覺”（模型生成非事實內容）以及“同調奉承”（模型迎合使用者觀點）。專案還介紹了“氛圍編碼”、“AFK”（無人值守）等工作模式。

這份詞典不僅適合初學者，對有經驗的開發者同樣有價值。理解這些術語能幫助開發者更準確地診斷問題、最佳化提示詞，併合理管理API成本。專案在GitHub上已獲得2.5k星標，持續更新中。