# 术语对照表

## 目录

- [术语列表](#术语列表)

## 概览

本术语表定义了文章中常见术语的中英文对照，确保配图时使用的术语与原文一致。

## 术语列表

| 英文术语 | 中文翻译 | 说明 |
|---------|---------|------|
| Token | Token | 保留原词，通常指大模型的基本处理单位 |
| AI Agent | AI 智能体 | 或简称"智能体"，指能够自主决策和执行的人工智能系统 |
| Vibe Coding | 凭感觉编程 | 一种依靠直觉而非严格规范的编程方式 |
| AI Wrapper | AI 套壳 | 仅在已有 AI 能力基础上做简单封装的应用 |
| LLM | 大语言模型 | Large Language Model 的缩写 |
| Prompt Engineering | 提示词工程 | 优化与 AI 交互的提示词的技术 |
| Fine-tuning | 微调 | 在预训练模型基础上进行针对性训练 |
| RAG | 检索增强生成 | Retrieval-Augmented Generation 的缩写 |
| Zero-shot | 零样本 | 不提供示例直接让模型完成任务 |
| Few-shot | 少样本 | 提供少量示例引导模型完成任务 |
| Hallucination | 幻觉 | 模型生成不准确或不真实内容的现象 |
| Context Window | 上下文窗口 | 模型能够处理的最大文本长度限制 |
| Temperature | 温度 | 控制生成文本随机性的参数 |
| Embedding | 嵌入 | 将文本转换为向量表示的技术 |
| Vector Database | 向量数据库 | 存储和检索向量数据的专用数据库 |
| Semantic Search | 语义搜索 | 基于语义相似度而非关键词匹配的搜索 |
| Chain of Thought | 思维链 | 引导模型逐步推理的技术 |
| Tool Use | 工具使用 | 模型调用外部工具完成任务的能力 |
| Multi-modal | 多模态 | 能够处理多种类型数据（文本、图像、音频等）的能力 |
| Transformer | Transformer | 一种重要的深度学习架构 |
| Attention Mechanism | 注意力机制 | Transformer 的核心技术之一 |
| Neural Network | 神经网络 | 模拟人脑神经元连接的计算模型 |
| Deep Learning | 深度学习 | 基于多层神经网络的学习方法 |
| Machine Learning | 机器学习 | 让计算机从数据中学习的方法 |
| Artificial Intelligence | 人工智能 | 机器模拟人类智能的领域 |

## 使用建议

### 配图时的术语处理

1. **中文优先**：配图中的文字说明优先使用中文术语
2. **英文保留**：对于广泛使用的英文术语（如 Token、Prompt），可以直接使用
3. **一致性**：同一篇文章内，术语的翻译保持一致
4. **简明性**：配图文字简洁，避免过长术语

### 场景示例

**示例 1**：
- 原文：AI Agent 能够理解自然语言并执行任务
- 配图文字：AI 智能体理解自然语言并执行任务

**示例 2**：
- 原文：通过 Fine-tuning 优化模型性能
- 配图文字：通过微调优化模型性能

**示例 3**：
- 原文：使用 RAG 技术增强问答准确性
- 配图文字：使用检索增强生成(RAG)技术

### 新术语处理

如果在文章中遇到本表未列出的术语：
- 优先使用文中提供的中文翻译
- 如无翻译，可根据通用惯例翻译
- 保持与原文风格一致

## 扩展建议

对于特定领域的文章，可根据领域补充相关术语：
- 技术领域：添加技术术语对照
- 商业领域：添加商业概念对照
- 设计领域：添加设计术语对照