AI 术语词典
提示词、Token、幻觉、智能体：刚开始使用 AI 工具的人，很快就会被一些没人解释的术语绊住。这里用通俗的语言讲解其中最重要的那些，每个术语都配有一个实际例子，并链接到相关的工具和教程。术语按主题分类，方便你更容易看清它们之间的联系。通过总览，你可以直接跳转到每个词条。
人工智能指的是能够完成以往需要人类思考才能完成的任务的计算机程序，例如理解语言、识别图像、撰写文本或为决策做准备。这类程序不是按照固定规则一步步编写出来的，而是从海量的例子中学习规律。你很可能早就在使用 AI 了，比如手机上的人脸识别、流媒体平台的影片推荐，或者邮箱里的垃圾邮件过滤。入门时要明白一点：AI 并不像人一样思考，也没有自我意识。它更像一个极其勤奋的规律发现者，根据经验判断接下来什么最合适。如今最知名的类型是生成式 AI，它能根据你的要求生成新内容。
示例： 如果你的智能手机自动把照片归类为“海滩”或“狗”，背后就是 AI。像 ChatGPT 这样的 AI 助手更进一步：它能理解你的问题，并用完整的句子回答。
另见： 生成式 AI, 大语言模型（LLM）, 五大热门：最受欢迎的AI模型
生成式 AI 会创造新的内容，而不只是对已有内容进行分类或识别。只需一段简短的描述，就能生成文本、图像、音乐、视频、人声或程序代码。对新手来说，这是最常直接打交道的那部分 AI：聊天助手属于这一类，图像生成工具和歌曲创作工具也一样。想象一位研究过成千上万份食谱的厨师，只要你开口，他就能为你搭配出一道新菜。他不会照抄某一份食谱，而是把学到的东西重新组合。正因如此，生成的结果常常好得惊人，但也可能包含错误或前后矛盾之处。因此，在发布或转发重要内容之前，一定要自己检查一遍。
示例： 在 Midjourney 中输入“雨中一家温馨的咖啡馆，水彩风格”，就能得到几张全新的图片。用 Suno，甚至几行文字就能变成一首带人声演唱的完整歌曲。
另见： 大语言模型（LLM）, 图像生成, 音乐与歌曲
LLM 这个缩写指的是大语言模型：一种用海量文本训练出来的 AI 程序，因此能够理解和生成语言。它的核心工作其实简单得惊人：一点一点地预测接下来最可能出现的文本片段是什么。由于它在训练中学到了无数的关联，就能由此写出完整的信件、摘要或程序代码。LLM 是 ChatGPT、Claude 或 Google Gemini 等聊天助手背后的引擎。可以把它比作手机输入法的联想词功能，只不过规模和能力都大得难以想象。对你来说，这意味着：LLM 的表达流畅而有说服力，但它并不会自动知道一句话是否属实。
示例： 当你请 Claude 把一条写给房东的气话改得更客观冷静时，后台工作的就是 LLM。它根据学到的语言规律，一个片段接一个片段地写出新版本。
另见： Token（词元）, 上下文窗口, 五大热门：最受欢迎的AI模型
和 AI 助手交流时，你用的是再普通不过的日常语言，可以打字也可以说话，它会回答你的问题或替你完成任务。知名的例子有 ChatGPT、Claude、Google Gemini 和 Microsoft Copilot。企业网站上那些老式聊天机器人只会播放预设好的回答，而现代助手不同，即使是表述不太寻常的请求也能理解，还会结合之前的对话内容。你可以把它想象成一位多才多艺的帮手：能写作、解释、翻译、做计划，还能帮你理清思路。如今许多助手还可以上网搜索、读取文件或生成图片。哪一款最适合你，取决于你的任务、预算以及你对数据保护的要求。
示例： 向 Microsoft Copilot 提出的一个典型请求：“帮我写一段礼貌的回绝，周六的生日聚会我去不了，我生病了。”几秒钟后，你就得到一段文字，只需稍作修改就能发出去。
另见： 五大热门：最受欢迎的AI模型, ChatGPT、Claude、Gemini 还是 Mistral：哪款适合你？, 大语言模型（LLM）
训练数据是 AI 用来学习的例子，比如文本、图片、录音或程序代码。根据模型不同，这些数据可能是来自公开网页、书籍、授权内容及其他来源的庞大集合。这对你有两个实际影响。第一，模型只知道截至某个截止日期之前数据里有的内容；更新的事件，它只有在额外联网搜索时才能得知。第二，数据决定了 AI 擅长什么，以及它会沿袭哪些偏见。就像学生一样，它只知道课本里写过的东西。此外，有些服务商还会用你的聊天记录继续训练模型；根据服务商和套餐的不同，你可以关闭这一做法。
示例： 如果你问一个不能联网搜索的 AI 助手昨天某场足球赛的结果，它不可能知道。这场比赛根本还没出现在它的训练数据里。
另见： 退出模型训练（Training Opt-out）, 偏见（Bias）, AI 工具的数据保护：哪些可以输入，哪些不该输入
当 AI 把错误或凭空捏造的内容说得信心十足，仿佛是确凿的事实时，我们就称之为幻觉。之所以会这样，是因为语言模型并不是在查询一个经过核实的知识库，而是在生成听起来合理的表述。典型的例子包括编造的引言、错误的年份、根本不存在的研究，或者打不开的链接。对新手来说，这是最重要的陷阱，因为即使答案是错的，听起来也同样流畅、令人信服。这就像聚会上的某位客人，宁可编个故事，也不愿承认自己不知道。所以，在继续使用之前，请核实数字、人名和来源。
示例： 假设你让 ChatGPT 推荐三本关于花园池塘的专业书，并注明作者和出版社。其中一本根本不存在，尽管书名和出版社听起来完全可信。简单搜索一下就能揭穿这个错误。
Bias 意为偏差，指的是 AI 系统性地偏向或亏待某些群体、观点或视角。原因通常在于训练数据：数据里经常出现的，AI 就当作常态；数据里缺少的，它就容易忽略。如果数据反映的是陈旧的刻板印象，AI 也会不知不觉地照单全收。在日常生活中，这在图像生成工具上尤其明显，但在文本、招聘广告或争议话题的摘要中也会出现。打个比方：只读一份报纸的人，很容易对世界形成片面的看法。所以要留意结果是否显得片面，必要时有意识地把提示词写得更多元一些。
示例： 如果你让图像生成工具生成“一张管理者的照片”，结果往往主要是穿西装的男性。如果你具体描述心目中的人物，结果就会更加多样。
能够理解或生成多种类型信息的 AI 被称为多模态 AI，它处理的不仅是文本，还有图像、口语、音频或视频。早期的语言模型只能读和写。如今，你可以给许多助手看一张照片、发一条语音消息或上传一个 PDF 文件，然后得到相应的回答。这对你很实用，因为你不必再费力地把一切都用文字描述出来：一张卡住的自行车锁的照片，有时比三段文字描述还管用。可以把它比作一个能同时看、听和读的人。至于某个工具具体能处理哪些格式、其中哪些在免费版中可用，各家服务商不尽相同。
示例： 一张冰箱里食材的照片就够了：Google Gemini 能识别图中的食物，并给你推荐合适的菜谱，你不用把每样食材一一打出来。
你用来告诉 AI 该做什么的每一条输入，都叫提示词（Prompt）：可以是一个问题、一个请求，也可以是一份详细的工作说明。它可以只有一个词，也可以是好几段话，附带例子和上传的文件。提示词是你最重要的工具，因为回答的质量在很大程度上取决于你表达得有多清楚。想想请装修师傅干活：只说“把浴室弄漂亮点”，结果往往出人意料；而附上尺寸和你喜欢的颜色的详细描述，才能得到你想要的效果。在图像、视频和音乐工具中，提示词同样用来描述要生成的内容。好的提示词会说明目标、背景以及希望得到的回答格式。
示例： 与其写“写点关于狗的东西”，不如在 ChatGPT 中输入：“写一段简短有趣的 Instagram 文案，主角是一只讨厌下雨的腊肠犬，并附上三个合适的话题标签。”结果马上就贴切多了。
另见： 新手写提示词：这样让 AI 给出更好的回答, 提示词工程（Prompt Engineering）, 系统提示词（System Prompt）
提示词工程是一门技巧，指的是把给 AI 的指令写得恰到好处，从而稳定地得到好结果。听起来很技术，其实主要就是清晰的沟通。有几个要素已被证明行之有效：给 AI 设定一个角色、交代背景、准确说明任务、规定想要的格式，必要时再附上一个例子。同样重要的是不断打磨：如果第一次的回答不合适，就具体说明哪里要改，而不是简单地重新提问。这既不需要编程知识，也没有什么秘诀。这和工作中分派任务很像：会布置任务的人，收到的成果也更好。写得好的提示词值得保存下来反复使用。
示例： 角色、背景和格式决定成败。你对 Claude 写道：“你是一名旅行顾问。请为两个人规划五天的里斯本行程，预算有限，用表格列出每日安排和预估费用。”
许多 AI 聊天的背后都有一条基础指令，也就是系统提示词。早在你发出第一条消息之前，它就规定了 AI 总体上应该如何表现。服务商会通过它设定语气、安全规则或当前日期等内容。你通常看不到这条指令，但它会影响每一个回答。这就像新员工入职培训：在接待第一位客户之前，他们已经了解了公司规章和待人接物的方式。对你来说有意思的是：在许多助手中，你可以通过个性化指令或项目之类的设置，自己设定类似的内容。自建的带品牌语气的助手也是同样的原理。这样你就不必在每次聊天中重新介绍自己是谁。
示例： 你在 ChatGPT 的设置里一次性写下：“我在一所中学教数学，请回答得简短，用中文，不要用晦涩的术语。”之后每一次新对话都会自动遵循这些要求。
上下文窗口指的是 AI 在一次对话中能同时关注多少文本，包括你的消息、它的回答以及上传的文件。这个容量用 Token 来衡量，大小因模型而异。想象一张书桌：桌上的所有东西，AI 都能考虑到。桌面一旦太满，较早的纸张就会滑落下去，AI 便会忘记早先的细节，或者前后矛盾。在很长的聊天或很厚的文档中，你可能会发现，一开始约定好的规则突然被忽略了。这时，不妨开一个新聊天，并附上一段之前内容的简短总结。对于大量文档，还有 RAG 这样的解决方案。
示例： 如果你连续几周都在同一个聊天里写学期论文，AI 迟早会不再遵守一开始定下的引用格式。过长的聊天记录已经把上下文窗口占满了。
另见： Token（词元）, 与你的文档对话（知识库）, RAG（检索增强生成）
AI 在处理文本之前，会把它拆成一个个小片段，也就是 Token。一个 Token 可以是一个短词、一个音节，甚至只是一个标点符号。像“第三者责任保险”这样较长的词，通常由多个 Token 组成。Token 对你很重要，因为许多限制都是以它为单位计算的：上下文窗口能装下多少文本、一个回答最长能有多长，以及通过 API 使用要花多少钱。你可以把 Token 想象成拼出句子的乐高积木。用词时要注意：有些工具，比如 Leonardo AI，也把自己的免费额度叫作 Token。这时指的是生成图片的计费点数，而不是文本片段。
示例： 在 Claude 里放一份很长的合同，再加上许多追问：由于 AI 每次回答都要重新处理整个对话记录，你会消耗大量 Token，比只问简短问题更快达到上限。
另见： 上下文窗口, 使用限额, 大语言模型（LLM）
温度用来控制 AI 的回答是更可预测还是更富变化。温度低时，模型几乎总是选择可能性最大的表述，回答会显得客观而千篇一律。温度高时，它会更常选用不寻常的词语。这显得更有创意，但也增加了胡言乱语和幻觉的风险。可以拿音乐家来比较：温度低时，他严格照谱演奏；温度高时，他自由即兴。在普通的聊天应用中，这个值通常是固定预设的，你也看不到。在开发者界面中或通过 API 使用时，你往往可以自己设置。在聊天中，你可以通过“请客观地回答”或“俏皮一点”这样的要求达到类似效果。
示例： 如果你多次让 ChatGPT 为你的咖啡馆想一句口号，每次都会得到不同的建议。原因之一就是温度：系统有意加入了一定的随机性。
另见： 提示词工程（Prompt Engineering）, API, 幻觉
使用限额指的是你在一定时间内可以使用某个 AI 工具的上限。它可以是每个时间段内的消息条数、每天固定数量的积分，也可以是对特别耗费资源的功能的限制。例如，Claude 免费版的限额以每五小时为一个周期，Perplexity 则是每天三次 Pro 搜索。之所以有这些限制，是因为每一个 AI 回答都要消耗真实的算力。可以把它想象成手机套餐里的流量：用完了，你就得等待，或者只能用降速后的服务。付费套餐通常会提高上限，但真正完全不限量的也很少。所以，安排重要任务时要留出一些余量。
示例： 你用 ChatGPT 免费版为生日请柬制作图案。大约生成两三张图片后，工具就提示你今天的额度已经用完。这时只能等待，或者换一个工具。
另见： 免费 AI 工具：你真正能免费得到什么，限制又在哪里, 免费还是订阅：AI 订阅什么时候真正值得, Freemium（免费增值）
Deep Research 是多家服务商对一种模式的叫法：在这种模式下，AI 不会在几秒内回答问题，而是花上几分钟时间自主进行调研。它会自己拟定搜索词，阅读大量网页，比对信息，最后交给你一份结构清晰、注明出处的报告。如果一个话题平时需要你打开十个浏览器标签页，比如产品比较或市场概况，这种模式就很值得一用。可以把它比作一位被你派去图书馆的助手，回来时带着一份资料汇编。Google Gemini 和 ChatGPT 等都提供这种模式，其他检索工具也有类似功能。免费版通常只能有限次使用。尽管如此，你仍应抽查并核实其中的来源。
示例： 在 Google Gemini 的深度研究模式中，你问：“为一栋 1985 年建成的独栋住宅比较热泵和颗粒燃料供暖。”几分钟后，你就会收到一份分门别类的报告，列出优缺点并附有来源链接。
推理模型会先思考再回答：它们会在内部把任务拆成若干中间步骤，检验可能的解题思路，并舍弃错误的方向，而不是立刻动笔。这要多花几秒到几分钟，但在数学、逻辑、规划、代码或棘手的比较上，结果通常明显更好。这就像一个人在面对一道难算的题时，先拿起草稿纸。在许多 AI 助手中，你会以开关或模式的形式遇到这一原理，名称如“思考”或“Thinking”。写一封简短的邮件时，这通常不值得开启。由于思考过程要消耗更多算力，免费套餐中往往适用更严格的使用限额，具体因服务商而异。
示例： 如果你在思考模式下问 ChatGPT，按你的用量，三个手机套餐中哪一个两年下来最便宜，模型会一步步算出各个方案，而不只是估算。
另见： 五大热门：最受欢迎的AI模型, ChatGPT、Claude、Gemini 还是 Mistral：哪款适合你？, 大语言模型（LLM）
微调是指用自己的例子对一个已经训练好的 AI 模型进行再训练，使它长期更好地掌握某项特定任务或某种特定风格。想象一位受过专业训练的厨师，到一家新餐厅学习招牌菜谱：她早就会做菜了，现在只是做最后的打磨。对新手来说，最重要的是分清界限。只给 AI 提供规则、模板或文件的人，比如通过系统提示词，并没有改变模型本身，也算不上微调。真正的再训练通常需要大量精心整理的例子、技术知识和预算。所以在日常使用中，用好的指令或 RAG 往往能更快达到目的。
示例： 带有你品牌语气的自定义 GPT 并不是微调：你只是给 ChatGPT 提供了指令和示例文本。只有当有人用你过去成百上千条客户回复来再训练模型时，才算是微调。
开放权重模型（Open Weight）指的是这样一种 AI 模型：它训练完成的权重，也就是以数字形式保存的学习成果，可以免费下载。严格意义上的开源（Open Source）则更进一步：除此之外，训练代码、训练数据的说明以及自由许可证也都会公开。在日常使用中，这两个概念经常被混为一谈。打个比方：开放权重就像一个可以带走的成品蛋糕，开源则连配方也一并给你。Meta、Mistral 或 DeepSeek 等服务商都发布过这类模型。对你来说，最重要的是它们无需订阅就能在自己的硬件上运行。是否允许商业使用，由各自的许可证规定。如果你通过服务商的应用使用同一个模型，你输入的内容仍然会发送到对方的服务器上。
示例： Stable Diffusion 可以免费下载，并在你自己的电脑上使用：无需订阅，不耗积分，你的提示词也不会发给任何服务商。这正是开放模型带来的可能。
另见： 本地 AI, 在手机上离线使用 AI（本地 LLM）, 图像生成
当一个 AI 模型直接在你自己的设备上运行，也就是在笔记本电脑、台式机或智能手机上，而不是在服务商的云端时，就称为本地 AI。最大的好处是：你的文本、照片和录音不会离开设备，很多功能甚至不需要联网、也不需要订阅就能使用。这就像在自家厨房做饭，而不是叫外卖：掌控更多，但你需要合适的厨具。本地模型通常比大型云端助手小，所以回答有时比较简单，而且根据模型大小，需要大量内存或一块好显卡。这主要得益于开放模型。对于敏感资料，本地 AI 往往是最有利于保护隐私的方案。
示例： 用 Whisper（本地），你可以直接在笔记本电脑上把一段保密的客户谈话转成文字。录音不会被上传，也不会按分钟收费。
另见： 在手机上离线使用 AI（本地 LLM）, AI 工具的数据保护：哪些可以输入，哪些不该输入, 开源模型与开放权重模型
API 是 Application Programming Interface 的缩写，中文叫应用程序编程接口。它指的是两个程序之间进行沟通的一种有固定规范的方式。用餐厅来打个比方：你不会自己走进厨房，而是把点单交给服务员，由他把做好的饭菜端给你。在 AI 工具中，只要有另一个应用在没有聊天窗口的情况下调用语言模型，比如在自动化流程中，就会用到 API。对新手来说很重要的一点是：API 通常与聊天订阅分开计费，大多按 Token 用量收费。为此所需的 API 密钥要像密码一样对待，绝不能公开分享。
示例： 如果你用 Zapier (Free) 把每一条新的联系请求自动转给 ChatGPT，走的就是 API：你只需一次性填入自己的 API 密钥，之后每一份回复草稿都会在完全不打开聊天窗口的情况下生成。
Embedding 的本质，是把文本、图像或声音转换成一长串能够反映其含义的数字。意思相近的内容会得到相近的数字，因此彼此靠得很近。想象一张巨大的“含义地图”：“狗”和“小狗”几乎紧挨着，“报税”则离得很远。这样，即使用词完全不同，AI 也能找到相关的内容。作为新手，你几乎不需要自己生成 Embedding。但凡是能按意思而不是按确切字词进行搜索的地方，你都会遇到它，比如和自己的文档对话、推荐功能，或者 RAG。
示例： 如果你在文档聊天中问“我要搬走的话，需要提前多久通知？”，AI 借助 Embedding 能找到租房合同中关于解约通知期的段落，尽管那里用的是完全不同的字词。
另见： RAG（检索增强生成）, 与你的文档对话（知识库）, 检索与知识
RAG 是 Retrieval-Augmented Generation 的缩写，意译过来就是：先查资料，再作回答。AI 会先在某个知识来源中查找相关段落，比如你的文档或互联网，然后在此基础上组织回答，通常还会注明出处。这就像开卷考试，而不是凭记忆答题。这一点对新手很重要，因为这样一来，AI 就能利用那些从未出现在其训练数据中的最新或非常专门的信息。此外，幻觉的风险也会降低，但不会完全消失。所以，涉及重要内容时，请亲自查看所注明的来源。
示例： 如果你把课程讲义上传到 Gemini Notebook，并询问最重要的学习理论，工具会先找出相关段落，然后在回答中用编号标注出处。
扩散模型生成图像的方式，是从纯粹的随机噪声出发，一步步把画面“雕琢”出来。在训练中，它们会看到数以百万计的图片被加入越来越多的噪声，并学会把这些噪声再去除掉。生成时，模型从一片类似雪花屏的画面开始，由你的提示词引导，决定其中会浮现出哪些形状和颜色。这有点像一扇起雾的窗户慢慢变清晰，直到一幅景象显现出来。Stable Diffusion 的名字里就带着这个原理，许多其他图像和视频生成工具也采用这种或相近的方法。这也解释了为什么同一个提示词每次都会生成不同的图片，以及为什么步数（Steps）或种子（Seed）等设置会影响结果。
示例： 如果你在 Stable Diffusion 中把同一个提示词运行四次，会得到四张不同的图片，因为每一张都从不同的噪声开始。记下 Seed 值，就能用相同的设置重现你最喜欢的那张图。
另见： 图像生成, 文生图（Text-to-Image）, 视频生成
文生图的意思是：你用文字描述一幅画面，AI 在几秒钟内据此生成一张全新的图片，风格从照片级写实到手绘都有。这就像打电话给一位插画师，告诉她你想要什么。描述越精确，结果越贴切：主体、风格、光线、视角和画幅都应该写进一个好的提示词里。你会在顺带能画图的聊天助手里遇到这项技术，也会在专门的图像生成工具中遇到。图中的文字，并不是每个工具都能处理得同样好。用于商业用途之前，还要查看你所用套餐的条款，并且在涉及真实人物、Logo 和受保护的角色形象时要格外谨慎。
示例： 在 ChatGPT（图像）中输入“雨夜里一家温馨的咖啡馆，水彩风格，横幅”，几秒钟内就会生成一张图片，你可以用后续提示词进一步调整，比如“窗户里多一些暖光”。
另见： 图像生成, 扩散模型, 新手写提示词：这样让 AI 给出更好的回答
利用 Inpainting（局部重绘），你可以有针对性地替换或移除图片的某一部分：标记出那个位置，必要时描述那里应该出现什么，AI 就会按照周围环境把它补上。Outpainting（扩图）则是把图片扩展到原有边缘之外，比如要把一张竖幅图变成宽幅的横图时。这就像一位修复师把画作上受损的地方天衣无缝地补全，或者像拼图超出了原来的边框继续往外拼。在日常生活中，你会在修图应用里以“移除对象”“生成式填充”或“扩展图像”等名称遇到这两种功能。它们非常适合用来处理度假照片、产品图和社交媒体格式。请仔细检查结果中的手、文字和边缘。
示例： 在 Cleanup.pictures 中，你只需把度假照片里的一位路人抹掉，AI 就会补上他身后的海滩和天空。接着用 Adobe Photoshop 把同一张图扩展成横幅，用作 YouTube 视频封面。
图像放大，英文叫 Upscaling，指的是用 AI 把图片或视频提升到更高的分辨率。传统的放大只是把现有的像素拉开，结果会变得模糊、满是像素块。而 AI 放大工具会补充合理的细节，比如发丝、布料纹理或树叶，因为它学过这些东西通常长什么样。这有点像一位经验丰富的画师，把一张小草图干净利落地临摹成大幅作品。这对老家庭照片、产品图或你想打印出来的 AI 图片很实用。但要记住：新增的细节是编造出来的。因此，在涉及人脸、文字或用于证明某件事的照片时，结果可能与原图有出入。
示例： 用 Upscayl 把一张 2010 年拍的小尺寸手机照片放大到四倍，之后往往就清晰到可以冲印成 A4 尺寸，而且完全免费。
AI 语音输出，简称 TTS（Text-to-Speech，文本转语音），能把书面文字变成口语。现代的声音听起来几乎不再像机器人：它们懂得停顿、重音得当，并且视工具而定，可以用欢快、平静或客观的语气说话，通常还支持多种语言。想象一位随时待命的播音员，一字不差地朗读你的脚本。你可以把 TTS 用于视频配音、博客文章的音频版、播客，或者在学习时作为朗读辅助。发布之前要留意许可证，因为在许多服务商那里，能否把录音用于商业用途取决于你的套餐。专业术语和人名最好事先试听一下。
示例： 把讲解视频的脚本粘贴到 ElevenLabs (Free) 中，选好一个声音，几秒钟后你就能得到一段现成的配音音频文件，直接拖进视频剪辑里。
语音转文字（Speech-to-Text）把口语转换成书面文字，这也叫转写。AI 会听一段录音或一场实时对话并记录下来，通常还附带时间戳，并标明当前是谁在说话。这就像一位不知疲倦、从不走神的记录员。你会在手机的语音输入功能、自动字幕、播客文字稿，以及会后自动生成摘要的会议工具中遇到这项技术。质量在很大程度上取决于录音：背景噪音、方言或多人同时说话都会导致错误，人名也常常被写错。另外，在录制一段对话之前，所有参与者都应该知情并同意。
示例： 如果让 Fathom 参加你的视频会议，它会记录下整场对话，把发言对应到每位发言人，并在会后给你发送一份包含已约定任务的摘要。
声音克隆会为一个真实的声音制作数字副本。为此，你需要上传语音录音；视工具而定，几段简短的样本就够了，但要得到非常自然的效果，通常需要更长、更干净的录音。之后，AI 就能用这个声音说出任何文本，往往还能说其他语言。这就像一位模仿高手，听你说几句话后就能惟妙惟肖地模仿你。对于想给视频配音、又不想每次都亲自录音的创作者来说，这很实用。但正是这种能力也让这项技术存在风险，比如被用于诈骗电话和深度伪造。所以，只克隆你自己的声音，或者你已获得明确许可的声音。正规的服务商通常会要求你对此进行确认。
示例： 给 ElevenLabs 提供几分钟你自己声音的录音，之后它就能用你的声音朗读每一份新脚本，如果你愿意，还可以用英语或西班牙语朗读。
Deepfake 是用 AI 生成或篡改的视频、图片或录音，能让真实人物以假乱真地说出或做出从未发生过的事。这个名字由机器学习方法“深度学习”（Deep Learning）和英文中表示伪造的“Fake”组合而成。Deepfake 会被滥用于诈骗、虚假新闻或让人难堪的图片等。不自然的嘴部动作、闪烁的边缘、奇怪的手或不协调的光线都可能露出马脚，但这类破绽正越来越少。所以，更可靠的是保持健康的怀疑：核查来源和前后背景，并直接向当事人求证。在欧盟，EU AI Act 规定此类内容必须加以标识。
示例： 如果有自称家人的人惊慌失措地给你打电话，说马上需要钱，那可能是音频 Deepfake。先挂断，再用你知道的号码打回去，确认之前不要转任何钱。
另见： AI 标识与水印, 声音克隆（Voice Cloning）, 视频生成
AI 智能体是一种不只回答任务、还能分多个步骤自主完成任务的 AI 系统。它会做计划，使用网页搜索、浏览器或文件等工具，检查中间结果，并一直推进到目标达成。普通的 AI 助手像一个问讯台，而智能体更像一位帮手：你交给他一项任务，他就会动身去办。在日常生活中，你会在 ChatGPT、Gemini 或 Claude 的智能体模式中，以及工作流自动化工具中遇到智能体。对新手很重要的一点是：智能体和任何 AI 一样会犯错。给它们设定清晰的边界，让它们在购物或发送消息之前先征求你的同意，并检查最终结果。
示例： 如果你让 Manus 比较里斯本三家每晚低于 120 欧元的酒店，这个智能体会自己打开预订网站，收集价格和评价，最后交给你一张完整的对比表。
工作流自动化指的是让重复性的流程按照固定规则自动运行：一旦发生某件事，就会自动执行某个特定操作。这个原理你在每天晚上自动开灯的定时开关上就见过。Zapier、Make 或 n8n 等工具可以把邮件、表格和日历等应用连接起来，大多只需点击操作，而不用写程序代码。有了 AI，这类流程会灵活得多，因为语言模型可以在中途理解、分类或总结文本。与 AI 智能体不同，工作流不会自由决策，而是严格按照你设定的步骤执行。这让它变得可预测。最好从一个小小的日常流程开始，并留意各个工具的免费额度。
示例： 收到一封带发票的邮件时，Zapier 中的一个流程会识别附件，让 ChatGPT 读取金额、日期和开票方，然后自动把所有信息填进表格，你什么都不用动手。
另见： AI智能体与自动化, 票据与发票数据提取, 用 AI 自动化你的邮箱
MCP 这个缩写背后是一项开放标准，AI 助手可以通过它与其他程序和数据源沟通，比如日历、笔记应用、数据库或文件。人们常把 MCP 比作 USB-C：一个统一的接口取代了许多各不相同的专用线缆。谁把某个工具以 MCP 服务器的形式提供出来，就能让许多 AI 应用同时使用它。MCP 最初由 Claude 背后的公司 Anthropic 开发。自 2025 年底起，这一标准由 Linux 基金会旗下的 Agentic AI Foundation 负责维护，ChatGPT、Claude、Cursor 和 Gemini 等都支持它。对你来说，MCP 通常以设置中的连接器（Connector）或集成的形式出现。只连接你信任的服务，因为 AI 会在那里获得真实的访问权限。
示例： 如果你通过 MCP 服务器把 Claude 和 Notion 里的笔记连接起来，它就能在那里搜索页面、新建条目，你不用再在窗口之间来回复制内容。
Agent Skills 是由专业知识和操作说明组成的包，AI 智能体会在需要时加载它们，以便始终用同一种可靠的方式完成某项特定任务。从本质上说，一个技能就是一个文件夹，里面有一个名为 SKILL.md 的文件。文件中写着名称、简短描述和操作说明，还可以附带模板或小脚本。智能体起初只读取名称和描述，只有当某项任务与之相符时，才会调取完整的说明。这样，上下文窗口就不会被占满。想象一个装满菜谱卡片的文件夹，厨师可以从中准确抽出需要的那一张。这种格式源自 Anthropic，如今已成为一项开放标准。MCP 负责打通与程序的连接，而技能提供的是如何使用这些程序的知识。
示例： 在 Claude Code 中安装 LinkedIn 代理后，只需输入命令 /li-post 并附上一个简短的想法：这个技能就会给出三种开头钩子（Hook）的写法，以及一份符合你个人写作风格的完整草稿。
另见： LinkedIn 代理：用 Claude 技能写帖子、评论与私信, MCP（模型上下文协议）, AI 智能体（AI Agent）
Vibe Coding 指的是用日常语言编程：你向 AI 描述你的应用或网站应该具备哪些功能，由它来编写相应的代码。你不必弄懂每一行代码，只需检查结果能否正常运行，并给出“把按钮放大一点”或“把条目永久保存下来”之类的反馈。这个说法因 AI 研究者 Andrej Karpathy 在 2025 年初提出而广为人知。借助 Lovable、Bolt.new 或 v0 等工具，即使不懂编程，也能把一个想法迅速变成原型。这就像一位建筑师，你一边讲，他一边就画了出来。不足之处在于：错误和安全漏洞很容易被忽略。一旦涉及真实的客户数据或付款，就应该请有经验的人检查代码。
示例： 如果你在 Lovable 中写下“帮我做一个网页应用，让我的体育俱乐部可以登记训练时间”，几分钟内就会生成一个可点击的初版，你可以通过聊天继续完善它。
另见： 无需编程也能做出可用的应用, 网站搭建, 编程与开发
Freemium 是一种定价模式：你可以免费使用工具的基础版本，想要更强的功能时才需要付费。这个词由 free（免费）和 premium（高级）组合而成。几乎所有知名的 AI 工具都采用这种模式：免费档位有使用限额，比如每天固定数量的消息、积分或图片，或者缺少最强的模型以及高质量下载之类的附加功能。这就像超市里的试吃装，目的是让你想买下整包。用来试用的话，Freemium 再理想不过。不过还是要看清楚细则，因为有些免费套餐会加水印、不允许商业使用，或者视服务商而定，会把你输入的内容用于训练。
示例： Perplexity 免费为你提供每天 3 次 Pro 搜索。如果你每天需要更多深入的调研，就可以升级到 Perplexity Pro / Max，起价为每月 20 美元。
GDPR，全称《通用数据保护条例》，是一部欧盟法律，规定了个人数据可以如何被收集、存储和使用。这里指的是所有能对应到某个人的信息，比如姓名、电子邮件地址、照片或健康数据。自 2018 年 5 月起，它在整个欧盟适用，并赋予你查阅权和删除权等权利。在使用 AI 工具时，一旦你输入他人的数据，比如客户邮件或求职申请，它就与你相关了。对企业来说，这时通常需要：有合法依据，与服务商签订数据处理协议，并留意数据在哪里被处理。一个恰当的比方是通信保密：别人的信件，你也不会随便转交出去。如有疑问，请咨询你公司的数据保护官。
示例： 在让 ChatGPT 总结一封投诉邮件之前，你先把姓名、地址和客户编号替换成“客户 A”这样的占位符。总结一样有用，但个人数据不会落到服务商手里。
另见： AI 工具的数据保护：哪些可以输入，哪些不该输入, 退出模型训练（Training Opt-out）, EU AI Act（欧盟《人工智能法案》）
退出模型训练指的是一项设置，你可以借此规定自己的聊天记录和上传的文件不被用作未来 AI 模型的训练数据。许多服务商会用用户的对话来改进模型，在免费和个人套餐中往往是默认开启的。根据服务商不同，相应的开关位于隐私或数据控制设置中。在企业版和团队版套餐中，用客户数据进行训练通常从一开始就被排除在外。这就像下单时那个“不接收广告邮件”的勾选框：很多时候你得自己去勾。重要的是：退出并不会删除任何东西。对话仍可能被保存一段时间，比如用于防范滥用。所以，真正敏感的数据根本就不该放进聊天里。
示例： 在 ChatGPT 中打开设置，进入数据控制，关闭让你的聊天内容为所有人改进模型的那个选项。据服务商说明，此后新的对话将不再被用于训练。
AI 标识指的是公开说明一张图片、一段视频、一段音频或一段文字全部或部分由 AI 生成。它可以是可见的，比如加上“AI 生成”之类的注明；也可以是不可见的，通过文件中的数字水印和来源数据实现，之后可由软件读取。在欧盟，自 2026 年 8 月起，EU AI Act 中的透明度义务开始适用：生成式 AI 的提供者通常必须以机器可读的方式标记生成结果，而发布 Deepfake 的人必须予以披露。大型社交媒体平台也要求加上此类标签。和“广告”标注类似，这关乎信任。但要记住：水印有时可以被去除。所以，没有标签并不能证明某样东西是真的。
示例： 如果你发布一张用 Midjourney 生成、看起来像真实照片的图片，上传时要开启平台的 AI 标签，并在帖子正文里另外写上“由 AI 生成”。
EU AI Act，中文称欧盟《人工智能法案》，是欧盟第一部全面规范人工智能的法律。它按风险对 AI 进行分级，类似于对玩具或医疗器械的做法：潜在危险越大，义务就越严格。该法案自 2024 年 8 月起生效，各项规定分阶段实施。自 2025 年 2 月起，社会评分等特定做法被禁止；自 2025 年 8 月起，针对大型通用模型的义务开始适用；自 2026 年 8 月起，又增加了 AI 标识等透明度义务。对于求职者筛选或信贷审批等高风险领域，欧盟各机构已于 2026 年商定，把最严格的义务推迟到 2027 年 12 月，部分推迟到 2028 年 8 月。承担义务的主要是服务提供者和企业。对你来说，这意味着：更多透明度，但不保证 AI 不出错。
示例： 如果你在某个网店的网站上和客服机器人聊天，按照 AI Act 的规定，通常必须让你清楚地知道，你是在和 AI 而不是和真人对话。