文章名詞彙編
AI 名詞一詞一篇:定義、白話比喻、易混淆對照與實際用例,配酒Ann 的圖解。
提示詞快取把重複出現的前綴存起來,下次命中就不必重算,首字時間變短、費用也通常降低。
2026/7/24 生成與推論 約 4 分鐘
三個都是 AI 的記憶系統,但目的、內容、運作方式完全不同。Memory 記住你,知識庫記住資料,RAG 需要時去查。
2026/7/23 易混淆對照 約 4 分鐘
基礎模型是在大規模資料上預訓練出來的通用底座,再透過微調或提示,適配到各種下游任務。
2026/7/21 模型與訓練 約 3 分鐘
負載平衡器把大量請求平均分配到多台後端伺服器,並自動把異常的伺服器移出名單。
2026/7/19 開發與網路 約 4 分鐘
氛圍編碼是用自然語言描述想要的結果,讓 AI 寫程式,你負責判斷與驗收的開發方式。
2026/7/13 開發與網路 約 3 分鐘
LLM 靠直覺快思,一邊想一邊講;推理模型會先在底層長考、反覆檢查,想通了才一次把答案吐出來。
2026/7/11 易混淆對照 約 4 分鐘
注意力機制讓模型在處理每個字的時候,動態決定要參考句子裡哪些字、各分配多少權重。
2026/7/9 模型與訓練 約 4 分鐘
規模法則描述模型參數量、訓練資料量與運算量放大之後,模型表現如何隨之改善的經驗規律。
2026/7/9 模型與訓練 約 4 分鐘
動手做自動化之前的自檢表。六個問題逐項確認,把「流程跑不起來」的原因從猜測變成排查。
2026/7/8 酒Ann 方法論 約 5 分鐘
SDK 是一組開發工具的集合,含程式庫、工具、文件與範例,把底層 API 包成好用的函式。
2026/7/8 開發與網路 約 4 分鐘
知識蒸餾是讓大模型把知識轉移給小模型的壓縮技術,讓小模型用極低算力發揮接近大模型的實力。
2026/7/5 模型與訓練 約 4 分鐘
遷移學習是把已經訓練好的模型知識,應用到另一個相關任務上的技術,省資料也省時間。
2026/7/4 模型與訓練 約 4 分鐘
KV Cache 是 AI 推理時的高速緩存記憶體,把前面聊過的語義特徵暫存起來,讓模型不必每次從頭重讀整條歷史。
2026/7/3 生成與推論 約 4 分鐘
順序流程是最基礎的工作流型態,任務依固定順序執行,前一步的產出作為下一步的輸入,穩定可控。
2026/6/29 Agent 與工作流 約 4 分鐘
引用來源是讓 AI 在回答時附上資料出處,使用者可以點進去驗證,把回答從憑印象變成有根據。
2026/6/29 RAG 與知識庫 約 4 分鐘
多 AI 協作是讓多個 Agent 各司其職、相互配合,共同完成單一 AI 做不完的複雜任務。
2026/6/28 Agent 與工作流 約 3 分鐘
隨機種子是決定 AI 隨機過程起點的數字。固定種子與其他參數,就有機會重現同一個結果。
2026/6/27 生成與推論 約 4 分鐘
持有人權杖是一段代表授權的長字串,伺服器不管你是誰,只要持有有效的權杖就允許存取對應資源。
2026/6/27 開發與網路 約 4 分鐘
網路爬蟲是自動化造訪網頁、取得原始 HTML 資料的技術。它負責搬磚,不負責理解內容。
2026/6/23 開發與網路 約 4 分鐘
混合搜尋是同時使用關鍵字比對與語意向量檢索,再把兩邊結果融合重排,讓 RAG 檢索又精準又完整。
2026/6/20 RAG 與知識庫 約 4 分鐘
Agentic System 是具備目標導向、自主規劃、工具使用與記憶能力的 AI 系統,會一路做到任務完成。
2026/6/19 Agent 與工作流 約 4 分鐘
Prompt 品質公式把輸出品質拆成三個相乘的變數:Context 上下文、Task 任務描述、Prompt 技術。
2026/6/19 提示工程 約 4 分鐘
深偽是用深度學習合成或竄改人臉、聲音與影片的技術,看起來像真的,但內容並非真實發生。
2026/6/17 多模態與應用 約 4 分鐘
吞吐量是 AI 每秒能處理或生成多少個 Token,數字越高代表回覆越流暢、整體效率越好。
2026/6/16 生成與推論 約 3 分鐘
ControlNet 是加在擴散模型旁的條件控制網路,用邊緣、深度或人體姿勢等條件圖鎖住構圖再生成。
2026/6/15 多模態與應用 約 3 分鐘
模型剪枝是移除權重接近零、對輸出幾乎沒貢獻的連結,在幾乎不影響準確率下讓模型更小更快。
2026/6/13 模型與訓練 約 4 分鐘
AI 是讓電腦模擬人類處理資訊的技術,能感知、學習、推理、決策並行動,目標是協助與延伸人的能力。
2026/6/13 模型與訓練 約 4 分鐘
GPU 原本用來渲染遊戲畫面,卻因為擁有數千個小核心、極度適合並行計算,成為訓練 AI 的算力晶片。
2026/6/12 模型與訓練 約 4 分鐘
Agent 是能理解目標、自主規劃、調用工具、執行任務,並根據回饋持續優化,最終完成目標的 AI 系統。
2026/6/9 Agent 與工作流 約 4 分鐘
提示詞注入是用精心設計的輸入操控 AI,讓它忽略原本的系統規則,洩漏機密或做出不該做的事。
2026/6/9 提示工程 約 4 分鐘
說明摘要控制法是定期把對話中的關鍵資訊、共識與進度整理成一份結構化摘要,當作後續對話的基準。
2026/6/4 上下文與記憶 約 4 分鐘
API 串接走官方管道拿結構化資料,網頁意圖解析是抓下畫面再讓 AI 看圖說故事。
2026/6/2 易混淆對照 約 4 分鐘
RLHF 人類回饋強化學習,是用人類的偏好當獎勵信號,把模型調成更有用、更安全、更符合人類價值的技術。
2026/6/2 模型與訓練 約 4 分鐘
結構化輸出是先定義好資料結構,再要求模型嚴格照這個格式回答,讓輸出可以直接被程式接走。
2026/6/1 生成與推論 約 4 分鐘
以圖生圖是給 AI 一張原始圖與提示詞,讓它參考構圖、姿勢或風格,改寫出一張新的圖片。
2026/5/31 多模態與應用 約 3 分鐘
Merge 是把多條分支的結果交叉整合成一份有優先順序的結論,分支只是素材,匯合才產生價值。
2026/5/23 Agent 與工作流 約 4 分鐘
Tone 語氣是說話或寫作的風格。相同內容用不同語氣,會讓對方產生完全不同的感受與反應。
2026/5/22 提示工程 約 4 分鐘
元提示是先請 AI 幫你寫出一份好的提示詞,再拿那份提示詞去做事,把要什麼跟怎麼講分開處理。
2026/5/18 提示工程 約 4 分鐘
即時推播是事件驅動,來源端主動把資料推給你;定時排程是時間驅動,你自己按時去問有沒有新資料。
2026/5/16 易混淆對照 約 4 分鐘
強化學習是讓 AI 在環境中不斷嘗試、根據結果拿到獎賞或懲罰,慢慢學會最大化長期報酬的訓練方式。
2026/5/14 模型與訓練 約 4 分鐘