AI术语表

模拟人类智能的技术，包括机器学习、深度学习、自然语言处理等，让计算机能够执行通常需要人类智能的任务。

基于大规模文本数据训练的深度学习模型，能够理解和生成自然语言，如GPT、DeepSeek、通义千问等。

人工智能的一个分支，让计算机通过数据和经验自动学习和改进，而不需要显式编程。

机器学习的一个分支，使用多层神经网络来学习数据的复杂模式，是大语言模型的技术基础。

人工智能的一个分支，研究计算机与人类语言之间的交互，包括文本理解、文本生成、机器翻译等。

一种基于自注意力机制的深度学习架构，是当前大语言模型的核心架构，能够高效处理序列数据。

给大语言模型的输入指令或问题，用于引导模型生成期望的输出。提示词的质量直接影响模型输出效果。

设计和优化提示词的技术和方法，通过精心设计的提示词来引导大模型生成更准确、更相关的输出。

大语言模型生成的看似合理但实际上不正确或无依据的内容，是大模型应用中需要重点治理的问题。

控制大模型输出随机性的参数，温度越高输出越随机多样，温度越低输出越确定保守。

大语言模型处理文本的基本单位，通常是词或子词。模型的输入输出长度都以Token为单位计算。

检索增强生成技术，先从知识库中检索相关信息，再基于检索结果生成答案，能够有效减少幻觉，提高答案准确性和可追溯性。

专门存储和检索向量数据的数据库，能够高效进行相似度搜索，是RAG系统的核心组件。

将文本、图片等数据转换为高维向量表示的过程，使得语义相似的数据在向量空间中距离更近。

基于语义理解的检索方式，不仅匹配关键词，更理解查询的意图和上下文，能够返回语义相关的结果。

以图结构组织知识的技术，用节点表示实体，用边表示实体之间的关系，能够直观展示知识之间的关联。

能够自主感知环境、做出决策并执行行动的AI系统，通常具备规划、推理、工具调用、记忆等能力。

多个智能体协作完成复杂任务的系统，不同智能体可以有不同的角色和能力，通过协作提升整体能力。

大模型调用外部工具或API的能力，如搜索、计算、数据库查询等，让模型能够获取实时信息和执行具体操作。

将多个AI任务和人工节点按一定逻辑组织成工作流的过程，实现复杂业务流程的自动化。

在AI工作流中设置人工审核节点，关键决策由人来确认，确保AI输出的准确性和安全性。

将AI系统部署在客户自有的服务器或数据中心，数据完全在客户内部，不经过外部服务，确保数据安全和隐私。

统一管理和调度多个大模型的中间层，提供统一API、智能路由、负载均衡、降级熔断、成本控制等能力。

中国的网络安全等级保护制度，根据系统重要性分为五个等级，要求不同等级的系统满足相应的安全要求。

信息技术应用创新产业，旨在实现信息技术领域的自主可控，包括芯片、操作系统、数据库、中间件等基础软硬件的国产化。

对敏感数据进行处理，使其在不影响使用的情况下无法识别真实信息，保护数据隐私和安全。

概念验证，在正式项目前进行的小规模验证项目，用于验证技术方案的可行性和效果，通常周期为4-6周。

服务等级协议，服务提供商与客户之间约定的服务质量标准，包括可用性、响应时间、解决时间等指标。

投资回报率，衡量项目投资收益的指标，计算公式为（收益-成本）/成本，用于评估项目的经济效益。

最小可行产品，用最少的功能快速验证产品价值的产品开发策略，避免过度开发和资源浪费。

持续集成/持续交付，一种软件开发实践，通过自动化构建、测试和部署，实现快速、可靠的软件交付。