AI 工程与自动化参考库
讲 Prompt、RAG、Agent、工作流、向量数据库这些 AI 世界的高频词。
本参考库定位
帮助普通人看懂 AI 产品和 AI 工程。
核心词（节选）
全部词条
29 个词条，读得完
点进任一词条查看通俗解释、类比、使用场景与对 AI 的提问模板。
工作流
把一串步骤固定下来自动跑。每天 8 点抓新闻 → 让 AI 总结 → 发到微信群 —— 就是一个工作流。
Prompt
你丢给 AI 的那段话。同样一个 AI，不同人写的 prompt 差 10 倍效果。
系统提示词
放在对话最前面、用户看不到的那段“设定”。定 AI 的角色、语气、能做什么不能做什么。
上下文
AI 这一刻“看得到”的全部信息：系统提示 + 你当前问的 + 之前聊过的 + 你塞给它的资料。
Token
AI 给文字打的“小票”。费用按 token 算、能装多少也按 token 算。中文 1 个字 ≈ 1-2 token。
上下文窗口
模型一次能“看”的最大 token 数。GPT-4o 是 128K，Claude 是 200K，Gemini 可达 2M。
Embedding
把文字/图片变成一串数字（向量）。相似意思的两段文字，它们的数字也挨得近。
向量数据库
专门存 embedding 向量、按语义相似度找东西的数据库。做 RAG 必备。
检索增强生成
AI 回答前“先查书再答”。给 AI 搜一下你的资料、把相关段落塞进去、它才不会瞎编。
Agent
会自己拆目标、调工具、一步步把事做完的 AI。不只是聊天 —— 是真去做事。
工具调用
AI 除了说话，还能“按按钮”：查数据库、发邮件、下单、搜网页，都是工具调用。
微调
在现成模型上用自己的数据再训练一下。让 AI 学会你的风格、术语、专属答题方式。
推理
模型“真正干活”的那一刻：接输入、吐输出。训练是学习，推理是考试。
幻觉
AI 一本正经地编假话。编不存在的函数名、编假论文、编假法条，还讲得头头是道。
流式输出
AI 一个字一个字地吐出来。ChatGPT 那种打字机效果 = 流式。体验好 10 倍。
多模态
AI 同时能处理文字、图片、音频、视频。GPT-4o / Gemini / Claude 现在都是多模态的。
AI 记忆
AI 跨多次对话还能“记得”你。ChatGPT 的记忆、Cursor 记得项目架构，都是这个。
Prompt 注入
用户偷偷塞一段话让 AI “忽略原来指令听我的”。AI 版的 SQL 注入。
Few-shot
给 AI 看 2-5 个范例再让它做事。效果比光讲规则好 10 倍。
思维链
让 AI 先写“推理过程”再给答案。一句“让我们一步步想”能让复杂题准确率翻倍。
编程代理
能读取项目、修改文件、运行命令并根据结果继续工作的 AI 开发助手。
项目上下文
AI 需要知道的项目背景，包括技术栈、目录结构、当前目标、已有规则和限制。
代码上下文
和当前问题直接相关的代码片段、文件路径、调用关系和报错位置。
上下文文件
专门写给 AI 看的项目说明文件，记录目标、规则、命令、架构和注意事项。
任务拆分提示词
让 AI 把一个大需求拆成小任务的提示词，避免一口气生成混乱的大改动。
验收提示词
让 AI 根据需求检查功能是否完成的提示词，重点是结果是否符合用户目标。
调试提示词
把报错、复现步骤、环境和最近改动一起交给 AI，让它按证据排查问题。
代码审查提示词
让 AI 站在审查者角度检查代码风险，而不是继续盲目添加功能。
Cursor
带 AI 能力的代码编辑器，可以围绕项目文件提问、生成代码和修改代码。