名詞速查表
看到看不懂的詞，來這裡查。每個詞條：一句話解釋 + 一個比喻 + 你什麼時候會遇到。
基礎概念
生成式 AI（Generative AI）
能產生新內容（文字、圖片、聲音、影片）的 AI，而不只是分類或預測。 比喻： 不是幫你「找出」答案，而是幫你「寫出」答案。
大型語言模型（LLM, Large Language Model）
讀過大量文字、擅長預測「下一個字」的模型。ChatGPT、Claude、Gemini 背後都是它。 比喻： 一個讀遍全網、非常會接話的人。 → 詳細說明
Token（詞元）
模型處理文字的最小單位。中文大約 1 個字 1~2 個 Token。 你會遇到： 所有長度限制與計費都用它算。
上下文視窗（Context Window）
模型一次能「看到」的內容上限，包含你的提問和它的回答。 你會遇到： 對話太長時它開始忘記前面 → 開新對話或重貼重點。
參數（Parameters）
模型內部的「旋鈕」數量，常用來表示模型規模（如 7B、70B）。 注意： 參數多不一定比較好用，別被數字綁架。
訓練資料截止日（Knowledge Cutoff）
模型訓練資料的時間終點。之後發生的事它不知道。 你會遇到： 問最近的新聞它答不出來 → 開啟搜尋功能。
使用相關
提示詞（Prompt）
你輸入給 AI 的那段話。 → 怎麼寫好
提示工程（Prompt Engineering）
有系統地設計提示詞以取得穩定、高品質輸出的方法。 白話： 學會怎麼把話講清楚。
幻覺（Hallucination）
AI 產生流暢、自信但不正確的內容。 比喻： 一個為了不冷場而編故事的人。 → 辨識與查證
溫度（Temperature）
控制輸出隨機性的參數。低＝保守穩定，高＝發散有創意。
系統提示（System Prompt）
在對話開始前先設定好的規則與角色，使用者通常看不到。 你會遇到： 自訂 GPT、Claude Projects 的「指示」欄位就是這個。
少量範例（Few-shot）
在提示詞中給幾個範例，讓 AI 模仿你要的風格。 這是投報率最高的技巧之一。
思考鏈（Chain of Thought, CoT）
要求 AI 一步一步推理再給結論，提升複雜任務的準確度。
推理模型（Reasoning Model）
回答前會先在內部「多想一會兒」的模型，適合數學、邏輯、除錯。 代價： 比較慢、通常比較貴。
多模態（Multimodal）
能同時處理文字、圖片、聲音、影片的模型。 你會遇到： 直接把截圖或 PDF 丟給 AI 讀。
進階與技術
RAG（檢索增強生成）
讓 AI 先去指定的資料庫找資料，再根據找到的內容回答。 比喻： 開書考試。答案來自你給的書，不是它的記憶。 好處： 大幅降低幻覺，而且答案可追溯。 → 怎麼做
向量資料庫（Vector Database）
RAG 背後用來「以語意搜尋」的資料庫。 比喻： 不是比對關鍵字，而是比對「意思像不像」。
AI Agent（智慧代理）
給它一個目標，它會自己拆解步驟、使用工具、檢查結果的 AI。 比喻： 從「問一句答一句的助理」變成「交辦一件事的同事」。
MCP（Model Context Protocol）
一種讓 AI 安全連接外部工具與資料來源的開放標準。 比喻： AI 世界的 USB 接頭規格。
微調（Fine-tuning）
用你自己的資料再訓練模型，讓它更符合特定需求。 注意： 多數情況下你需要的是 RAG 或好的提示詞，而不是微調。
API
讓不同程式互相呼叫的介面。自動化串接的基礎。
開源模型（Open-weight Model）
模型權重公開、可以自行下載執行的模型。 好處： 資料不出你的機器，隱私度最高。
本機執行（Local / On-device）
模型直接跑在你自己的電腦或手機上，不經過雲端。
護欄（Guardrails）
限制 AI 輸出範圍的安全機制，避免產生有害或不當內容。
對齊（Alignment）
讓 AI 的行為符合人類意圖與價值觀的研究與工程領域。
工具與應用
Vibe Coding
用自然語言描述需求，讓 AI 產生程式碼的開發方式。 → 入門
自訂助理（GPTs / Projects / Gems）
預先設定好角色、規則與參考資料的 AI 助理，省去每次重複說明。
深度研究（Deep Research）
AI 花數分鐘到數十分鐘，自行搜尋多個來源後產出有引用的報告。
提示詞注入（Prompt Injection）
惡意內容藏在網頁或檔案裡，誘使 AI 執行非預期的指令。 你會遇到： 讓 AI 讀取不明來源的網頁時要小心。
去識別化（De-identification）
把資料中的個人識別資訊換成代號後再使用。 → 怎麼做
歡迎來信告訴我們：kdchang.labs@gmail.com，我們會補上。