学习 AI 基础概念

RAG 将语言模型与检索系统结合，让 AI 在回答前先搜索知识库，从而减少幻觉并保持内容时效性。

Token 是 LLM 处理的原子单位——不是完整单词，而是子词片段。理解 token 有助于编写更好的提示词并控制 API 成本。

提示词快速且免费；微调永久调整模型行为。知道何时选择各方法可以为你节省数千美元和数周工作。

AI Agent 将 LLM 与工具、记忆和规划循环结合，自主完成多步骤任务。理解架构有助于选择合适的 Agent 产品。

嵌入将文本、图像或音频转换为捕捉语义含义的数字列表。它们驱动语义搜索、推荐系统和 RAG 系统。

Transformer 是每个现代 LLM 背后的神经网络架构。自注意力机制让模型权衡每个词对其他每个词的相关性——实现长程理解。

上下文窗口是 LLM 一次能看到的总文本量——包括你的输入和它的输出。理解它有助于避免"遗忘"问题，更有效地使用 AI 工具。

多模态 AI 在单个模型中处理多种类型的输入——文本、图像、音频和视频。GPT-4o 和 Gemini 1.5 Pro 是典型代表。

AI 幻觉是指语言模型生成听起来合理但事实上不正确的信息。理解为什么会发生这种情况有助于你更安全地使用 AI 工具。

函数调用让 LLM 通过输出你的应用程序执行的结构化 JSON 来触发外部动作——搜索网络、运行代码、查询数据库。