人工智能（Artificial Intelligence，简称AI）：
是指通过计算机系统模拟人类智能的技术，本质就是通过算法和数据，让计算机具备学习、推理决策等类人能力
AI应用：
是指把人工智能的能力运用到实际的业务中，并且离开大语言模型就无法正常运转，比如Sora、豆包、智能客服app
AI算法：
是指计算机模仿人类思考、学习、判断时，遵循的数学公式+执行流程，是实现这些能力的具体方法和逻辑。（人工智能要靠AI算法实现）
Copilot模式和Agent模式
- Copilot翻译过来是副驾驶，这种模式是人主导，AI提供建议，给出答案或参考方案，最终决策和控制权完全由人类掌握。举例：豆包的一问一答形式
- Agent翻译过来是代理，这里指智能体，这种模式是AI自主进行任务规划并调用工具完成执行。举例：Codex根据用户要求自动修改代码文件
vibecoding
直译过来是氛围式编程，实际上就是以自然语言驱动的软件开发方式。开发者通过描述需求，大模型自动生成和修改代码，直到满足人的需求。
人工智能、机器学习、深度学习三者的关系：
- 人工智能（AI）：目的是让机器拥有类人的智能
- 机器学习（Machine Learning）：是人工智能的核心实现方式。它通过数据训练模型，让机器自动学习规律，而不是依赖人工编写规则。虽然不依赖人工规则，但传统机器学习还是需要依赖某些特征值。比如电商平台需要依赖用户搜索和购买记录。
- 深度学习（Deep Learning）：是机器学习的一个重要分支。是一种基于多层神经网络，让机器自动从海量数据中学习特征和规律，从而实现感知、理解与生成的高级机器学习方法。比如人脸识别解锁，通过之前记录的人脸数据来判断当前人脸。
- 三者关系：深度学习是机器学习的重要分支，机器学习是人工智能的核心实现方式。
LLM
全拼是Large Language Model，中文叫大语言模型，是一种基于海量文本数据训练，能够理解和生成人类语言的人工智能模型。
prompt（提示词）
分为系统提示词和用户提示词，是提供给LLM的文本或指令，用于引导模型生成特定输出
Token（词元）
- 概念：是LLM处理文本时的最小语义单位。是将文本拆解成模型可理解的离散单元。
- 来源：通过LLM的分词器将文本拆分而来，不同模型的分词器不同，同一个词在不同模型中可能被拆分成不同的Token。
- 分类：Prompt Token（Input Token：输入Token） ；Completion Token（Output Token：输出Token）
- 在LLM中的作用：计费单位；上下文长度限制（模型有最大上下文窗口，超过上限模型就无法处理，会截断或报错）；决定模型理解能力（切分越合理，模型越能理解语义。同时Token数量直接影响推理速度、显存占用、成本）