AI 学习之路之「AI 世界入门词典：小白必备概念清单」

大模型、Token、RAG、Agent、MCP……一篇把 AI 世界最常见的概念用大白话讲清楚，小白入门必读。

你有没有这种体验：

打开一篇 AI 教程，第一段就看到「大模型」「Token」「RAG」「Agent」「MCP」……每个字都认识，连在一起完全不知道在说什么。

然后你关掉网页，告诉自己「AI 这东西太复杂了，不适合我。」

其实不是你的问题。是没人好好跟你解释过这些词。

这篇文章就做一件事：把 AI 世界里最常见的概念，用你能听懂的话说清楚。不需要记住所有的，先看一遍，有个印象。等后面遇到具体工具的时候，再回来查。

1 底层技术概念

这部分是 AI 的「发动机」。你不需要会造发动机，但大概知道它怎么转，用起来会顺很多。

大模型（LLM）

全称 Large Language Model，直译「大型语言模型」。

类比：超级学霸。 想象一个学生，把互联网上几乎所有的书、文章、代码、对话全读了一遍——几万亿字。他不只是「记住」了这些内容，还学会了语言背后的逻辑：怎么推理、怎么写作、怎么回答问题。

这个「超级学霸」，就是大模型，你也可以认为他是一个「超级大脑」。

它跟搜索引擎有本质区别。搜索是帮你找链接，你自己再从链接去找答案。大模型是直接理解你的问题、生成答案。你问它「帮我写一封请假邮件」，它不会给你一堆链接，而是直接把邮件写出来。

大模型到底哪家强

大家现在能用到的 ChatGPT、Claude、Gemini、豆包、千问……背后跑的，都是各家的大模型，可以说每一家 AI 公司背后都有专属于自己的「超级大脑」。

虽然都是「超级大脑」，但是「超级大脑」也有第一和第二的区别，虽然每家都说自己家的很强，但是目前世界公认的前三是 Google 家的 Gemini，OpenAI 家的 GPT 以及 Anthropic 家的 Opus。

大模型没有绝对的第一，但是却分细分领域，举个类比，都是全世界顶级的医学教授，但是有的在呼吸科，有的专精肿瘤科。都是「超级大脑」，不同的大模型在不同的领域有它独自的优势，所以大家可以看到很多公司都会有一系列的大模型，比如在图片处理，在视频领域等细分场景，必须用到专属的大模型。

Token

这是 AI 领域大模型处理文字的最小单位，也是很多人看不懂账单的原因。

你可以把他类比为互联网时代的「手机流量」。你用手机上网，消耗的是「流量」，单位是 MB、GB。

AI 时代处理文字，消耗的是「Token」。你跟它说的每一句话、它给你的每一句回复，都会被切成一个个 token 来处理。

怎么理解？ 可以把 token 想成「字砖」。

大模型不是一个字一个字读的，而是一块一块地读。中文里，大概每 1-2 个汉字是一个 token；英文里，大概每 3-4 个字母是一个 token。

举个例子，「我今天吃了一碗拉面」大概是 8-10 个 token。

基本上对中文来说，大概 1000 个 Token ≈ 1500 到 2000 个汉字。

Token 很重要，有两个原因：

第一，计费。用 API 调用 AI，按 Token 收费。知道换算关系，才不会被账单吓到。

目前为止，大多数 AI 服务，收费就是按 token 算的。基本按照每消耗百万 token 来计价，不同的大模型价格不一样，一般来说国内的便宜些，价格从几块到十几块，国外的会贵些，价格几刀到十几刀。

第二，它决定了记忆上限。每个大模型都有「上下文窗口」，就是它一次能处理的最大 token 数。超出这个范围，它就「忘了」前面说的话。

这也是为什么有时候你跟 AI 聊得太长，它开始「失忆」——不是它变笨了，是装不下了。

上下文窗口（Context Window）

类比：工作台的大小。 你在桌上工作，桌子越大，能同时摆的资料越多，做事越方便。桌子太小，资料放不下，就得不停地换来换去。

AI 的「工作台」就是上下文窗口，单位是 Token。如果一个模型支持「128K 上下文」，意思是它能同时「看到」大约 12 万个 Token 的内容——相当于一本十几万字的书。

这就是为什么有些 AI 能帮你读一整份报告，有些只能处理几段话。工作台大小不一样。

多模态（Multimodal）

为什么很多人在使用一些最基础的大模型时候，只能给他文字聊天，你给他发一张图片，或者视频，他就理解不了了，那是因为有些模型是单纯的文本模型，他只能理解文字。

类比：人的感官。 你既能看文字，也能看图片，还能听声音、看视频。早期的 AI 只能处理文字，就像一个只用眼睛但不看图的人。

多模态就是让 AI 也能「看图」「听声音」甚至「看视频」。现在主流的大模型基本都支持多模态——你可以把一张截图发给它，让它帮你分析内容；或者上传一段录音，让它整理成文字。

训练 vs 推理

这两个词经常出现在 AI 新闻里，很多人搞混。

类比：学习和考试。

训练是 AI 学习的阶段。用海量数据「喂」给模型，让它慢慢学会各种规律和知识。这个过程需要消耗大量算力和时间，是 Google、OpenAI、Anthropic 这些公司做的事。

推理是 AI 用学到的知识回答你的问题。你每次打开 ChatGPT 或 Claude 提问，用的就是推理能力。

对普通用户来说，你只需要关心推理——也就是怎么把问题问好，怎么让 AI 给出更好的答案。训练那部分，交给专门的公司去做就行。

2 使用层概念

这部分是你真正会用到的。搞懂这些，用 AI 能顺很多。

Prompt（提示词）

这个词出现频率最高，但解释得清楚的人不多。

类比：给员工布置任务。 你跟一个新员工说「帮我弄一下报告」，他不知道你要什么风格、什么内容、多少字、给谁看——结果大概率不符合预期。

但如果你说「帮我写一份面向高管的季度总结，300 字以内，重点突出销售增长和市场份额，语气正式」，员工就能做出你想要的东西。

Prompt 就是你给 AI 的这套说明。说得越清楚，AI 的输出越准确。这也是为什么同样一个问题，有的人问出来的答案比你好——他们的 Prompt 写得更好。

简单来说，你喂给 AI 的 Prompt 越细致，越明确，AI 才能给你想要的答案，Prompt 最本质的目的就是让 AI 理解你的核心诉求。

后面会有专门一篇文章教 Prompt 怎么写。

RAG（检索增强生成）

全称 Retrieval-Augmented Generation，名字唬人，原理不复杂。

先说一个普通大模型的问题：它的知识是有截止日期的。训练完就定住了，之后发生的事它不知道。更麻烦的是，它有时候不知道自己不知道——你问它一个它没学过的问题，它可能一本正经地「编」一个答案出来。这就是常说的「AI 幻觉」。

RAG 就是为了解决这个问题而生的。

类比：给 AI 配一个专属资料员。 你问 AI 一个问题，它不是直接从脑子里调答案，而是先把问题交给「资料员」，资料员去翻你指定的文件堆，找到最相关的内容，再递给 AI——AI 基于这些资料来回答你，有据可查，不胡编。

举几个你真实会遇到 RAG 的场景：

场景一：你上传一份合同让 AI 分析。 这份合同 AI 之前从没见过，但它能逐字检索合同内容，回答你「第 8 条违约条款具体说了什么」——这就是 RAG 在工作。

场景二：公司内部客服机器人。 很多企业把产品手册、FAQ、内部规范全丢进一个知识库，让 AI 基于这些资料回答员工或客户的问题。AI 不会乱答，因为它只从这堆资料里找答案。

场景三：NotebookLM。 你把几篇论文或报告上传进去，然后问「这几篇文章的核心观点有什么矛盾」——它能跨文档检索比对，给你一个有依据的总结。这个工具后面会专门介绍。

简单说：普通大模型靠「记忆」答题，RAG 靠「查资料」答题。查资料的比只靠记忆的，准确多了。

这就是为什么当下很多人都要整理一个专属于自己的资料库，本质就是依赖 RAG。

Agent（智能体）

这是近一两年最火的词，也是 AI 未来的方向。

你用过豆包吗？打开豆包，你可以跟它聊天、问问题、让它帮你写东西。这是大多数人对 AI 的印象——一个对话框，你问它答。

但这只是 AI 最初级的形态。

类比：有手有脚的大脑。 普通大模型是一个「只会说话的大脑」——你问豆包「帮我查一下今天有没有适合我的招聘信息」，它最多告诉你去哪里找，但它自己打不开招聘网站、刷不了职位列表、也没法替你投简历。

再比如你让豆包帮你查一份报告，然后想要把这份报告以 pdf 的形式，排好版，保存在你的电脑桌面。这个豆包做不到，因为他没法直接操作你的电脑，他只是一个超级大脑，只能告诉你答案，但没法给你干活，但是智能体就可以。

Agent 不一样。它是「大脑 + 手脚」——能自己联网、自己点击网页、自己打开文件、自己写代码并运行、甚至自己帮你发邮件。你只需要说「帮我找北京地区 3 年经验的产品经理岗位，筛选出月薪 3 万以上的，整理成表格发我」，Agent 会真的去做完这整件事。

你不用一步步告诉它怎么做，它自己规划步骤、自己执行、自己把结果交给你。

现在大家常说的龙虾，本质是来自于 GitHub 一个开源的智能体框架 OpenClaw，国内的各种龙虾都是基于他的变种。

而当下全球公认最强的 AI 智能体就是 Claude Code，他什么都好，就是贵以及老封号，不给中国地区使用，但是如果你想要深度学习并且用 AI 帮你做事，无论如何要想办法使用 Claude Code。

Skill / Tool（工具调用）

Agent 能干活，靠的是各种「技能」和「工具」。

类比：工具箱里的不同工具。 锤子负责敲钉子，扳手负责拧螺丝，电钻负责打孔。每个工具干一件专门的事。

AI 的 Tool 也是一样。搜索工具负责联网搜索，代码执行工具负责跑程序，文件读取工具负责读你的文档。Agent 根据任务需要，自动选择调用哪个工具。

举个例子，如果你想要让 AI 帮你把电脑上的文件改个名，就需要用到一个「文件操作」的工具。

大家只需要理解这个概念，当下大部分工具都有现成的，想用什么自己去找就行，不需要自己额外创造工具。

你不需要知道这些工具怎么实现，但知道「AI 能调用工具」这件事，就能理解为什么有些 AI 能直接帮你干很多事，而有些只能聊天。

MCP（模型上下文协议）

全称 Model Context Protocol，2024 年底由 Anthropic 提出，现在已经成为行业标准。

类比：USB 接口。 以前每个设备都有自己专属的充电口，手机一个、相机一个、平板一个，充电器带一堆。USB-C 出来之后，一根线通用所有设备。

MCP 做的是同样的事——它定义了一套标准协议，让 AI 和各种外部工具、数据源「即插即用」。开发者只需要按 MCP 标准写一个接口，任何支持 MCP 的 AI 都能调用这个工具。

举个简单的例子就知道了，AI 可以操作你电脑的文件，因为电脑是一个系统级别，但是你想让你的 AI 工具，打开微信，打开浏览器，打开编辑器，那默认是做不到的，就好比，你让微信帮你打开美团，那肯定不行，因为这相当于每个 app 之间的操作，但是你让 siri 帮你打开美团就可以做到。

所以如果你想让你的 AI 智能体连接各种电脑上的 app，就需要借助 MCP。

对普通用户来说，MCP 意味着：未来你的 AI 助手能连接越来越多的服务——日历、邮件、代码编辑器、知识库——而且接入成本越来越低。

3 小白必备工具清单

上面介绍了 AI 领域的基础概念，这是你进入 AI 领域系统学习的第一步，那么在进入下一章节之前，我想让大家提前准备一些工具，这里列了个清单。

魔法上网

这个称呼大家懂就好，目前虽然国内的一些大模型也可以用，但是如果你想体验全球最顶尖 AI 模型/工具，魔法上网是必备的，这里没法给大家推荐，自行去搜索或者问身边的朋友，就一点，一定要用付费的，免费不稳定太耽误事。

markdown

markdown 你可以理解为是一种轻量的文档编辑格式，他可以让你用简单的符号就能排版出漂亮的文档。目标是让你专注写作，不用纠结格式。

AI 领域的文件格式几乎都是依赖于 markdown，所以这里大家自行去搜索了解下 markdown 的基本语法，这里就不单独介绍了，因为很简单，你五分钟就可以上手，比如我这篇教程就是用的 markdown 写作的。

Obsidian

Obsidian 是一款本地运行的 Markdown 笔记软件，所有数据存在你自己的电脑上，不上传云端，隐私有保障。

跟普通笔记软件不一样，它支持笔记之间相互关联，形成一张「知识网络」。后面我们会专门介绍怎么用 Claude 配合 Obsidian 搭建你的 AI 第二大脑——这是目前个人知识管理里最值得折腾的一套组合。

官网直接下载，免费，全平台可用。

Gemini

Google 家的 AI，可以理解为 Google 版的 ChatGPT。

它的优势在两块：一是跟 Google 全家桶打通，Gmail、Google Docs、Google Drive 都能直接接入；二是支持超长上下文，处理大文档表现很稳。

需要魔法上网，有 Google 账号就能用。如果你已经重度依赖 Google 生态，Gemini 值得体验一下。

之所以介绍 Gemini，是想让大家以后遇到问题不要再问豆包了，从现在开始，习惯使用 Gemini 提问，他更专业更强大。

NotebookLM

Google 出品的文档分析工具，功能听起来简单，但用起来很惊艳。

你把几篇 PDF、报告、文章丢进去，它就能帮你跨文档回答问题、整理矛盾观点、生成学习指南。最绝的一个功能是「Audio Overview」——它能把你上传的所有资料，自动生成一期播客，两个 AI 主播有来有回地帮你把核心内容讲一遍。

后面会有专门一篇文章介绍它的玩法。需要科学上网，在这之前，希望大家先了解自己体验下。

Workbuddy

腾讯云出品的 AI 办公助理，定位是「职场版智能体」。

不只是聊天，它能帮你生成文档、做数据分析报告、甚至调度多个 AI 子任务协同完成一件事。国内直接可用，对不想折腾科学上网的用户来说，是一个值得尝试的 Agent 入口。

之所以介绍这个工具，是因为对于如果没体验过任何强大 AI 智能体的人来说，这就是一个最简单最方便，成本最低的体验一个完整 AI 智能体的最好方式，注册就送一些额度，配合每天签到几乎够你用的了。

如果你现在已经在用 Claude，也别看不起 Workbuddy，Workbuddy 是腾讯旗下，意味着他收录了腾讯生态的强大数据，比如他收录了公众号各种优质创作者的数据，如果你用它来做公众号写作，那么选择上面的「内容创作专家」，他可以帮你写一篇很高质量的文章。

没有任何 AI 使用经验和技术背景的同学，我强烈建议你从这个工具开始体验你的 AI 之路，后续更高级别的 Cli 模式，在配置安装环境这块，直接扔给他搞定，可以节省你很大效率。

你甚至可以尝试着用 Workbuddy 帮你处理文档，内容写作，ppt 制作，报表处理等大部分的职场日常工作，他虽然没有 Claude 那么强大，但是他几乎免费，而且对于职场人士遇到的问题基本都可以搞定。

体验过之后，咱们循序渐进。

4 小结

这篇文章涉及的词不少，但不需要现在就全记住。

先留个印象：大模型是超级学霸，Token 是 AI 的流量，上下文窗口是工作台大小，多模态是让 AI 有感官，Prompt 是给 AI 的任务说明，RAG 是开卷考试，Agent 是有手有脚的 AI，MCP 是 AI 世界的 USB 接口。

后面每篇文章都会用到这些概念，到时候自然就熟了。

下一篇，咱们继续循序渐进，一步步来。

本文由 kuzhang 整理