AI 听起来很高大上？

别怕，今天我们用“大白话”，把最火的 20 个 AI 术语讲明白。

你不需要会编程、不需要看论文，只要会吃饭、打游戏、发微信，就能看懂！

AI 智能体与推理方法

1. ReAct：边想边干的 AI

你是不是那种炒菜时一边尝一边加料的人？

AI 也学你这套，叫 ReAct。

它不是先想完再动手，而是边干边想，边想边干。

🧠→🍳→🧠→🍽️

像炒菜一样：尝一口，觉得淡，加盐；再尝，不行，再加点酱油。

图片展示了ReAct边想边干的AI工作流程。流程以循环形式呈现，包含思考、行动、评估、调整四个环节。思考环节由人脑图标表示；行动环节以铲子和锅的图标呈现；评估环节用放大镜和文件夹图标标识；调整环节以扳手和齿轮图标体现。该图与上下文紧密相关，直观说明了ReAct AI边干边想、边想边干的工作机制。

2. Reflexion：会“复盘”的 AI

AI 做完事后会自己反思：“我这次哪搞砸了？”

然后记下来，下次别再犯。

就像你打王者输了，回头看录像：“我不该冲塔的！”

这就是 Reflexion。

图片展示了ReAct（边想边干的AI）的工作流程。流程以循环形式呈现，包含四个步骤：执行任务（绿色箭头）、反思结果（绿色箭头）、识别错误（黄色箭头）、记录错误（橙色箭头）、避免未来错误（红色箭头）。该图与上文介绍ReAct边想边干的特点相呼应，直观呈现了其在执行任务后不断反思、识别、记录并避免错误的循环过程。

3. Tree of Thoughts（ToT）：脑子里长出一棵“思维树”

AI 遇到难题时，会像走迷宫一样列出各种可能的路线，然后试着走一走，看哪条最靠谱。

🌳 思维树长这样：

开始
├─ 想法1 → 失败
└─ 想法2
    ├─ 步骤A → 成功！
    └─ 步骤B → 又失败
图片展示了思维树的概念。画面中，一个人站在两组台阶前，左侧台阶旁标注“想法1：导致失败，不应追求”，右侧台阶旁标注“想法2：导致成功，应追求”。这与上文提到的AI遇到难题时像走迷宫列出各种可能路线，然后尝试看哪条最靠谱的内容相呼应，直观呈现了思维树中不同想法的对比，帮助理解AI在解决问题时的思考过程。

4. CoT（Chain of Thought）：写草稿的 AI

AI 不直接告诉你答案，而是像小学生做题那样写出“过程”。

比如你问：“2 + 3 × 4 = ?”
它会说：“先算乘法 3×4=12，再加 2，答案是 14。”
是不是比“14”更靠谱？

图片展示了两种AI处理方式的对比。左侧蓝色圆圈内有闪电图案，标注“直接答案”，下配文字“快速但不透明”；右侧绿色圆圈内有台阶图案，标注“逐步过程”，下配文字“可靠且透明”。中间“VS”符号表示对比。该图与上下文紧密相关，上下文在介绍AI智能体与推理方法时，提到AI处理方式有直接答案和逐步过程两种，此图直观呈现了这两种方式的特点，帮助理解AI处理的两种不同模式。

5. AutoGPT：自带主意的 AI

你只说一句“我想开家咖啡店”，它就开始：

  1. 查地段
  2. 设计 logo
  3. 写宣传文案
  4. 发朋友圈预热

你啥都没教它，它就自己动了。这就是 AutoGPT，AI 里的“卷王”。

2023年就有的概念，由此引出各种AI Agent产品

图片展示了AutoGPT启动咖啡店的五个步骤。启动咖啡店是初始想法，研究地点确定咖啡店的理想地点，设计标志创建咖啡店的视觉品牌，撰写宣传文案为咖啡店制作引人入胜的营销内容，预热社交媒体在社交媒体上宣传咖啡店。这些步骤以圆圈形式排列，用箭头连接，表明各步骤的先后顺序，直观呈现了AutoGPT在启动咖啡店过程中的操作流程。

6. Agent：AI 助理

AI Agent 是那种你一说话，它就理解你想干嘛，然后立马去做的 AI。

你说：“订张明天去上海的高铁票。”

它：查票 → 选座 → 扣款 → 发你邮箱。

是不是比你对象还靠谱？

现在仍不够成熟，但已经越来越多落地产品雏形，比如Manus、Fellou、扣子空间、Devin等。

图片展示了AI Agent与人工干预的对比。左侧为蓝色图标，标注“AI Agent”，下方文字为“自动化任务并提高效率”；右侧为绿色图标，标注“人工干预”，下方文字为“确保准确性和控制”。中间有“VS”标识，表明两者对比。该图与上下文介绍的AI智能体相关，上下文提到AI智能体已越来越多落地产品雏形，如Manus、Fellou等，此图可能是在阐述AI智能体与人工干预在某些方面的区别。

7. SWE-agent：程序员专属 AI

SWE 是 “Software Engineer”（软件工程师）的缩写。

现在最热的赛道，各种AI编程工具都是这类型。
比如Cursor、Windsurf、Trae等。

你说：“帮我写个能算 BMI 的网页。”

它：写 HTML、写 JS、还顺手加个美化按钮。

你说：“我想改成英制单位。”

它：改完还加了个单位切换按钮。

这就是 SWE-agent，码农的福音，老板的噩梦。

AI 是怎么“上学”的？

8. SFT：老师手把手教

AI 看着人类写的“标准答案”学会怎么做事。

广告媒流（小程序）-AI生图

就像你小时候学作文，老师给你一篇范文：“我的妈妈”，你照着写。

图片展示了监督学习的学流程 自动生成 addCriterion习 addCriterion

9. RLHF：AI 有教练打分

AI 做完题，人类打分：“这个回答不够礼貌，扣 2 分！”

它就知道下次要说“您好”，而不是“你听我说”。

图片展示了RLHF（通过人类反馈优化AI行为）和SFT（通过监督训练AI模型）两种AI

10. LoRA：只换件外套就能换风格

AI 不用整形，只加点“小插件”就能变身。

就像你穿个西装去面试，穿个卫衣去蹦迪，身体没变，气场变了。

图片展示了LoRA和整形两种改变风格的方式。左侧蓝色圆圈内是LoRA图标，下方文字为“通过小小插件改变风格”；右侧红色圆圈内是整形图标，下方文字为“通过彻底改变来改变风格”。中间有“VS”标识，表明两者对比。该图与上下文紧密相关，上下文在介绍AI技术时，将LoRA比喻为“只加点‘小插件’就能变身”，并用此图直观呈现LoRA通过小插件改变风格，与整形通过彻底改变来改变风格的对比，帮助理解LoRA技术。

11. Prompt Tuning：换句话说就能改变 AI 行为

你说：“写一个爱情故事。”

它写了个“霸总爱上我”的套路文。

你换成：“写一个发生在养老院的爱情故事，温馨又感人。”

它立刻写出一对老年人重逢的故事，还配上夕阳和轮椅。

这就是 Prompt Tuning，AI 听“话术”行事。

图片展示了 addCriterion图片展示的是Prompt addCriterion图片展示的是Prompt Tuning（提示调优）的工作流程。流程包括提出初始提示、接收AI响应、评估响应、修改提示、迭代等环节，以循环形式呈现。

AI 的身体构造

12. LLM：语言界的“卷王”

LLM 就是像 GPT-4.5、Claude 这样的大语言模型。

它读了几百万本书、几亿条微博，能写诗、写代码、写情书。

你说一句“我今天有点丧”，它能回你十种鸡汤。

13. Transformer：AI 的大脑结构图

Transformer 是 AI 的“脑回路”。

它能记住你前面说过啥，理解你现在说啥，预测你接下来要说啥。

就像你说：“我今天…”

它就知道你可能接“心情不好”，不会接“我是一只小老虎”。

图片展示了Transformer的功能机制。中心是“Transformer”标识，周围有四个环节。蓝色环节是“记住先前的输入”，绿色环节为“理解当前输入”，另一个绿色环节是“预测下一个输入”，黄色环节是“生成响应”，各环节间以箭头相连，呈循环状。这与上下文表述一致，直观呈现了Transformer能记住前面所说、理解当下内容、预测接下来话语并生成响应的“脑回路”功能。

14. MoE：AI 的专家团

MoE 就是 AI 里有一堆“专家”，每次只叫最合适的那个出来工作。

就像你拉个群问：“我牙疼咋办？”
牙医朋友冒泡：“别怕，我来。”

图片展示了工程师、财务顾问、牙医三者之间的关系。左侧绿色方块代表工程师，其文字说明为“解决技术问题，提供创新解决方案”。中间橙色方块代表财务顾问，其文字说明为“提供财务建议，管理财务策略”。右侧蓝色方块代表牙医，其文字说明为“解决牙齿问题，提供专业建议”。三者通过箭头相连，形象地呈现了他们各自的专业领域及服务内容。

15. Multimodal：啥都能看懂的 AI

发张图，它能说“这是只在阳台上晒太阳的橘猫”。

发段音频，它能听出你在唱《小幸运》。

文字、图片、声音、视频，它全都能懂，简直是 AI 界的“全能王”。

图片展示了Multimodal（多模态）AI的能力。上方有三条箭头指向下方四个板块，分别是图像理解、音频分析、文本处理、视频分析。图像理解板块说明识别图像中的对象和场景；音频分析板块说明分析音频内容并识别歌曲；文本处理板块说明理解文本含义并提取关键信息；视频分析板块说明分析视频内容并识别动作。该图与上下文紧密相关，直观呈现了Multimodal AI能处理多种类型信息的特点。

AI 怎么考核？

图片展示了AI考核的三种方式。上方文字说明基准测试使用标准题库衡量AI智能，i.i.d.假设评估独立题目的现实性，Chatbot Arena通过盲选比较AI性能。下方有一个人物形象，站在由多个台阶构成的V形结构中，台阶上标注着“基准测试”“i.i.d.假设”“Chatbot Arena”。该图与上下文紧密相关，直观呈现了AI考核的不同方式及其特点。

16. Benchmark：AI 的“高考题”

AI 要证明自己牛，就得做标准题库。

比如“看图写话”“逻辑推理”“翻译句子”，做得越好，说明越聪明。

17. i.i.d.：考试题都不一样？

i.i.d. 假设每道题都互不相关，用于测试大模型能力。

但现实哪有这么理想？

就像你前一题问“鲁迅是谁”，后一题问“他写过啥书”，你前面答错了，后面也就凉了。

i.i.d. 是英文 independent and identically distributed 的缩写

18. Chatbot Arena：AI 版《蒙面歌王》

想象一个舞台，两个 AI 被“蒙上面具”，你不知道谁是谁。

主持人出题，比如：“写一首关于春天的诗。”

两个 AI 分别作答，评委（人类）只看内容，不知道是谁写的，然后投票选出更喜欢的那个。

这就像《蒙面歌王》：
• 你听歌，不看脸
• 只凭感觉选出你最喜欢的声音

其他重要概念

19. Zero-shot / Few-shot：没学过也能蒙对

Zero-shot 就是 AI 完全没见过这类题，还能答对。
Few-shot 是只看几个例子就学会。

就像你从没做过寿司，看一遍视频就会了，朋友都说你天赋异禀。

图片以靶心和箭头为视觉中心，展示AI学习能力相关概念。靶心旁有箭头指向，箭头右侧依次是表示AI学习能力的图标及文字“AI学习能力：AI适应新任务的能力”，下方分别为“Few - shot学习：仅通过几个例子学习”和“Zero - shot学习：无先前经验学习”。图片与上下文关系紧密，用直观图示解释了文本中提到的Zero - shot和Few - shot概念，即AI无经验答对题和看几个例子就学会的能力。

20. Hallucination（幻觉）：AI 瞎编故事

你问：“中国第一位总统是谁？”
它说：“李白。”
你问：“证据呢？”
它说：“我梦见的。”

这就是 AI 的幻觉，编得像真的，但根本没发生。

Hallucination 的英文发音是：/həˌluːsɪˈneɪʃən/
中文版发音：哈-露-斯-内-神
图片展示了正确的AI和幻觉AI的对比。左侧为“正确的AI”，以100%准确回应，呈现为机器人头部图标及声音波形；右侧为“幻觉AI”，以0%虚构回应，以人脑图标呈现。该图与上下文紧密相关，上下文在介绍AI幻觉概念时，通过此图直观说明正确的AI能准确回应，而幻觉AI会虚构回应，帮助读者更好地理解AI幻觉这一重要概念。

最后一句话

AI 不神秘，它只是换了一种方式模仿人类。

你越像个普通人，它越像个聪明人。

如果你想继续看“AI 科普”，记得点赞+收藏！

以上内容是用Dia浏览器 + Napkin.ai 生成图片完成。

为加速中国AI普及和落地而努力。