关键概念与术语表

📚

帮助您快速理解 AI 大模型相关的专业术语

提示

本文档采用通俗易懂的语言解释各类技术术语，即使没有技术背景也能轻松理解。

核心概念

🤖 大模型（Large Language Model, LLM）

💡

通俗解释：大模型就像一个"超级聪明的AI大脑"，通过学习海量的文本数据，能够理解和生成人类语言，完成各种智能任务。

大模型的特点：

✓ 规模庞大：包含数十亿甚至数万亿个参数（可以理解为"知识点"）

✓ 能力全面：可以处理文本、代码、翻译、问答等多种任务

✓ 持续学习：通过训练不断提升智能水平

常见的大模型：GPT、Claude、Kimi、通义千问、文心一言等

🔤 Token（令牌）

📊

通俗解释：Token 是 AI 处理文本的最小单位，类似于文本的"计量单位"。

Token 计算方式

语言	Token 计算方式	示例
中文	通常 1-2 个汉字 = 1 个 Token	"你好世界" ≈ 4 个 Token
英文	通常 1 个单词 = 1-2 个 Token	"Hello World" ≈ 2 个 Token
代码	根据字符和结构计算	`print("Hello")` ≈ 4-5 个 Token

信息

为什么要了解 Token？

因为 AI 服务的计费通常基于 Token 使用量。输入和输出的文本越长，消耗的 Token 越多，费用也就越高。

实际例子：如果您向 AI 提问"今天天气怎么样？"（约8个Token），AI 回答"今天天气晴朗,气温25度,适合外出。"（约20个Token），那么这次对话总共消耗约 28 个 Token。

🔗 API（应用程序接口）

🔌

通俗解释：API 是软件之间沟通的"桥梁"，让您的应用程序能够调用七牛云的 AI 服务。

类比理解

🏪 API 就像餐厅的"菜单"

您（应用程序）通过菜单（API）向厨房（AI服务）点餐（发送请求），然后获得菜品（AI响应）。

实际作用

通过 API，您可以在自己的网站、APP 或软件中集成 AI 功能，而无需自己开发复杂的 AI 系统。

七牛云支持的 API 类型：

OpenAI API：兼容 OpenAI 的接口标准

Anthropic API：兼容 Anthropic（Claude）的接口标准

标准 REST API：通用的网络接口协议

🧠 推理（Inference）

🔮

通俗解释：推理是指 AI 模型根据输入的问题或指令，经过"思考"后给出答案的过程。

推理过程示例

问题："帮我写一封感谢信"

输入阶段 → 用户提交问题

推理阶段 → AI 分析请求，生成内容

输出阶段 → 生成完整的感谢信文本

备注

推理服务 就是提供这种 AI"思考"和"回答"能力的云端服务。

🎯 Prompt（提示词）

✍

通俗解释：Prompt 是您给 AI 的"指令"或"问题"，也就是您输入的内容。

Prompt 的质量直接影响 AI 的回答质量！

对比示例

类型	示例	评价
❌ 不好的 Prompt	"写点东西"	太模糊，AI 不知道写什么
✅ 好的 Prompt	"请帮我写一篇300字的产品介绍，产品是智能手表，重点突出健康监测功能"	清晰明确，AI 能准确理解需求

提示

撰写好 Prompt 的技巧：

明确任务目标

提供足够的背景信息

指定输出格式或风格

给出具体的约束条件

高级特性

🤖 MCP（Model Context Protocol，模型上下文协议）

🔧

通俗解释：MCP 是一种让 AI 获得"超能力"的技术，通过它可以为 AI 添加各种工具能力。

类比理解

如果把 AI 比作一个聪明的助手，那么 MCP 就是给这个助手配备各种"工具箱"：

🔍 搜索工具箱：让 AI 能够上网查找最新信息

📊 数据工具箱：让 AI 能够分析和处理数据

📁 文件工具箱：让 AI 能够读取和编辑文件

📧 通讯工具箱：让 AI 能够发送邮件或消息

实际应用场景：

AI 可以实时获取股票价格（使用金融数据工具）

AI 可以帮您预订餐厅（使用预订系统工具）

AI 可以生成并保存文档（使用文件处理工具）

🔧 Agent（智能体）

🤹

通俗解释：Agent 是一个能够自主完成复杂任务的"AI 助手"，它不仅能回答问题,还能主动使用工具解决问题。

普通 AI vs Agent 的区别

对比项	普通 AI	Agent（智能体）
工作方式	被动回答问题	✅ 主动执行任务
能力范围	文本生成为主	✅ 可使用多种工具
任务复杂度	单步简单任务	✅ 多步复杂任务
自主性	需要明确指令	✅ 能够自主规划步骤

Agent 工作示例

任务："帮我整理上周的销售数据并发送报告给老板"

执行步骤：

从数据库读取上周销售数据

分析数据并生成图表

撰写分析报告

通过邮件发送给老板

✅ 任务完成！

🌐 联网搜索

🔍

通俗解释：让 AI 能够访问互联网，获取最新的实时信息。

对比示例

❌ 没有联网功能

问："今天北京的天气如何？"

答："抱歉，我无法获取实时天气信息..."

✅ 有联网功能

问："今天北京的天气如何？"

答："今天北京晴，气温 15-25℃，空气质量良好。"

适用场景：

查询实时信息（天气、新闻、股票等）

获取最新资料（最新技术文档、政策法规等）

验证事实信息（核对数据、确认消息真伪等）

💭 深度思考（Chain of Thought）

🧩

通俗解释：让 AI 像人类一样"一步步思考"，而不是直接给出答案，从而提高复杂问题的回答质量。

示例对比

问题："小明有 15 个苹果，吃了 3 个，又买了 8 个，送给朋友 5 个，他还剩多少个？"

❌ 普通模式

"小明还剩 15 个苹果。"（直接回答，容易出错）

✅ 深度思考模式

让我一步步计算：

初始：15 个苹果

吃了 3 个：15 - 3 = 12 个

买了 8 个：12 + 8 = 20 个

送给朋友 5 个：20 - 5 = 15 个

最终答案：15 个苹果

优势：

减少计算错误

逻辑推理更严谨

答案过程更透明

💬 上下文记忆（Context Memory）

🧠

通俗解释：AI 能够"记住"之前的对话内容，实现连贯的多轮对话。

对话示例

第一轮

👤 您："我想去日本旅游"

🤖 AI："日本是个美丽的国家！您打算什么时候去呢？"

第二轮

👤 您："明年春天"

🤖 AI："春季去日本非常合适，可以欣赏樱花！推荐您去东京、京都和大阪。"

第三轮

👤 您："需要准备什么？"

🤖 AI："去日本旅游需要准备：1. 护照和签证 2. 适合春季的衣物 3. 日元现金 4. 翻译软件..."

💡 注意：AI 记住了"去日本"和"明年春天"的上下文信息

应用价值：

更自然的对话体验

无需重复说明背景

支持复杂的多轮交互

计费相关术语

💰 按量计费

含义：根据实际使用的资源量（Token 数量）来收费，用多少付多少。

类比：就像水电费一样，用了多少度电就交多少钱，不用就不收费。

优势：

✓ 成本可控，适合使用量不稳定的场景

✓ 无需预付费，降低使用门槛

✓ 灵活扩展，按需使用

📦 资源包

含义：预先购买一定量的 Token 额度，享受折扣优惠。

类比：就像办理健身卡年卡一样，一次性购买比每次单独付费更优惠。

适合人群：

✓ 使用频率较高的用户

✓ 追求性价比的用户

✓ 有稳定使用需求的企业

🔀 融合 Token

含义：一种通用的 Token 额度，可以在多个不同的 AI 模型之间共用。七牛云的AI大模型融合资源包 Token 数是以 DeepSeek-V3.1 基准的数量，在使用其他模型时扣减 Token 数将基于不同价格按比例抵扣（即用越贵的模型扣除倍数高、输出上下文比输入更长时扣除倍数高、用越便宜的模型扣除系数越低）。通过统一的抵扣标准，让您能够在不同价位的 AI 模型间自由切换，享受便捷的计费体验。请登录七牛云小程序或主站控制台及时查看 Token 消耗数、请求记录，也可以通过 API 查询 Token 实时用量。

类比：就像充值了一张"通用购物卡"，可以在多个商店使用，不局限于某一家。

优势：

✓ 灵活切换不同模型

✓ 避免单一模型额度浪费

✓ 简化账户管理

技术架构术语

🔐 端到端加密

🔒

通俗解释：数据在传输过程中全程加密，只有发送方和接收方能看到内容，中间任何人都无法窃取。

保护内容：

API 密钥

用户输入的问题

AI 返回的答案

所有敏感业务数据

📡 REST API

🌐

通俗解释：REST API 是一种网络通信标准，让不同的软件系统能够通过互联网进行交互。

工作原理（简化版）

您的应用发送请求 → "请帮我生成一篇文章"

七牛云 AI 服务接收请求并处理

AI 返回响应 → 生成的文章内容

您的应用展示结果给用户

特点：

标准化：遵循统一的规范

简单易用：容易理解和实现

跨平台：支持各种编程语言

📚 SDK（软件开发工具包）

🛠

通俗解释：SDK 是官方提供的"工具箱"，包含了各种现成的代码和工具,让开发者更方便地使用 AI 服务。

对比示例

❌ 不使用 SDK

需要编写大量代码处理网络请求封装

需要处理数据格式转换

需要实现错误处理逻辑

需要完成认证授权流程

⏱️ 开发时间长，容易出错

✅ 使用 SDK

只需几行代码：

⚡ 快速开发，稳定可靠

支持的语言：Python、Java、JavaScript、Go 等

模型相关术语

🎛️ 参数（Parameters）

🔢

通俗解释：参数是构成 AI 模型的"知识单元"，参数越多，模型通常越"聪明"。

模型规模	参数量	能力特点
小模型	几亿	响应快，成本低，适合简单任务
中模型	数十亿	平衡性能与成本
大模型	数百亿～数万亿	能力最强，适合复杂任务

备注

参数越多的模型，通常计算成本也越高，调用费用也相应增加。

🔄 微调（Fine-tuning）

🎯

通俗解释：在通用大模型的基础上，针对特定领域或任务进行专门训练，使其更擅长处理特定问题。

类比理解

就像一个全科医生（通用模型），经过专门培训后成为心脏病专家（微调模型），在心脏疾病领域更加专业。

应用场景：

📝 企业客服：训练成专门回答公司产品问题的AI

⚖️ 法律助手：训练成精通法律条文的专业AI

🏥 医疗顾问：训练成熟悉医疗知识的辅助AI

🌡️ 温度（Temperature）

🎲

通俗解释：温度参数控制 AI 回答的"创意程度"或"随机性"。

温度对比

温度范围	特点	适用场景
低温度（0-0.3） 🧊	回答稳定、保守、准确	数据分析、代码生成
中温度（0.5-0.7） 🌤️	回答平衡、自然	日常对话、问答
高温度（0.8-1.0） 🔥	回答创意、多样、随机	创意写作、头脑风暴

关键概念与术语表