AI 百科
用简明语言解释 AI 工具选型时常见的概念，并给出相关工具入口。
大模型
通过大规模数据训练，能够理解和生成文本、代码、图像或多模态内容的 AI 模型。
选择大模型时通常关注推理能力、上下文长度、多模态能力、价格、延迟、API 稳定性和数据合规。
智能体
能拆解任务、调用工具、执行流程并根据结果继续决策的 AI 应用。
智能体比聊天机器人更强调工具调用、工作流、权限、日志和失败兜底，适合企业自动化和知识库场景。
RAG
检索增强生成，通过外部知识库检索相关内容，再交给模型生成答案。
RAG 适合企业知识库、客服问答、文档助手和行业资料检索。关键是文档切分、召回质量、引用来源和权限隔离。
文生图
根据文字提示词生成图片，常用于插画、海报、商品图和视觉创意。
文生图效果取决于模型、提示词、参考图、风格控制和后期编辑能力，商用前要确认授权。
文生视频
根据脚本或提示词生成视频片段，适合创意验证、广告分镜和短视频素材。
当前文生视频仍需要多次生成和剪辑筛选，正式商用要关注版权、人物肖像和平台条款。
提示词
给 AI 的任务说明，通常包含角色、目标、上下文、约束和输出格式。
好的提示词不是越长越好，而是让模型清楚知道任务、输入、判断标准和交付格式。
向量数据库
用于存储和检索文本、图片、音频等内容向量表示的数据库，是 RAG、语义搜索和知识库问答常见基础设施。
选择向量数据库时要看索引性能、过滤条件、权限、多租户、部署方式、成本和生态集成。企业知识库场景还要关注数据隔离、备份和可观测性。
模型评测
通过测试集、指标、人工标注和自动评分，比较模型、Prompt、RAG 或 Agent 在真实任务中的表现。
模型评测不能只看公开榜单。团队应建立自己的业务样本，关注准确性、相关性、忠实度、延迟、成本、安全和失败案例，并在版本更新时持续回归。
提示词工程
围绕任务目标、上下文、约束、样例和输出格式设计 Prompt，让模型更稳定地完成任务的方法。
提示词工程不只是写长提示。更重要的是明确输入、角色、判断标准、边界、示例和复核方式。团队场景还要管理版本、权限和效果记录。
AI 工作流
把多个 AI 步骤、工具调用、数据处理和人工审核节点串联起来，形成可重复执行的业务流程。
AI 工作流适合内容生产、客服分流、资料整理、销售线索处理和内部自动化。上线前要明确触发条件、失败兜底、权限边界和日志记录。
多模态 AI
能够处理文本、图片、音频、视频或文件等多种输入输出形态的 AI 能力。
多模态 AI 常用于图片理解、文档解析、语音对话、视频生成和跨媒体创作。选型时要看输入格式、输出质量、上下文长度、延迟、隐私和商业授权。
AI 搜索
结合搜索引擎、网页读取、摘要生成和来源引用，让用户直接获得结构化答案的信息检索方式。
AI 搜索适合资料初筛和研究，但高风险信息仍要回到原始来源核验。判断工具可靠性时，应关注引用来源、更新时间、覆盖范围和追问能力。
AI 代码助手
辅助开发者完成代码补全、解释、重构、测试生成、错误排查和任务执行的 AI 工具。
AI 代码助手能提升效率，但生成代码必须经过测试、审查和安全检查。团队使用时要关注代码隐私、仓库权限、模型配置和日志审计。
AI 内容检测
用于识别 AI 生成文本、深度伪造内容、抄袭改写或平台内容风险的检测能力。
检测结果通常是概率判断，不应作为唯一证据。教育、媒体、法务和平台治理场景应结合原始素材、人工复核和申诉流程使用。
