概念速查表——AI 核心概念一图尽览

作者：小傅哥
博客：https://bugstack.cn (opens new window)

沉淀、分享、成长，让自己和他人都能有所收获！😄

大家好，我是技术UP主小傅哥。

这是 AI LLM 系列文章的概念速查表和知识串联篇。把前面所有文章讲的概念串成一个完整的故事，一张表存下来，下次看到这些词，你就不会再发怵了。

一、把整个故事串起来

graph TB
    subgraph 1.数据准备
        A1[整个互联网文本]
    end

    subgraph 2.基础表示
        B1["Tokenizer 切分"]
        B2["Embedding 把词变坐标"]
    end

    subgraph 3.架构核心
        C1["Self-Attention 每个词看其他词"]
        C2["Transformer 几十层堆叠"]
    end

    subgraph 4.训练
        D1["预训练: 完形填空"]
        D2["SFT: 学会聊天"]
        D3["RLHF: 符合人类偏好"]
    end

    subgraph 5.涌现的能力
        E1[语言]
        E2[推理]
        E3[代码]
        E4[翻译]
    end

    subgraph 6.局限
        F1[幻觉]
        F2[知识过时]
        F3[数学差]
    end

    subgraph 7.工程对策
        G1["RAG 开卷考试"]
        G2["Function Calling 用工具"]
        G3["Agent 自主完成任务"]
    end

    A1 --> B1 --> B2 --> C1 --> C2 --> D1 --> D2 --> D3 --> E1
    D3 --> E2
    D3 --> E3
    D3 --> E4
    E1 --> F1
    E1 --> F2
    E1 --> F3
    F1 --> G1
    F2 --> G1
    F3 --> G2
    G1 --> G3
    G2 --> G3

二、核心概念速查表

概念	一句话解释	详细文章
Token	AI 眼里的最小单位，像字也像词	Token 与 Embedding
Embedding	把词变成多维空间里的坐标，坐标近 = 意思近	Token 与 Embedding
Self-Attention	每个词去"环顾"句子里的其他词，理解关系	注意力机制
Transformer	把 Attention 堆叠几十层形成的大脑结构	注意力机制
预训练	喂海量文本做完形填空，让模型学到语言和知识	模型训练三步曲
SFT	用高质量对话样本，教模型怎么聊天	模型训练三步曲
RLHF	用人类偏好反馈，让模型变得更"懂人"	模型训练三步曲
涌现	模型大到某个临界点，新能力突然出现	涌现
幻觉	AI 编造看似合理但实际错误的内容	幻觉
RAG	检索增强生成 = 让 AI 开卷考试	幻觉
Function Calling	让 AI 会调用外部工具	Agent 时代
Agent	会用工具、能完成任务的 AI	Agent 时代

三、理解程度自测

读完这个系列的文章，根据你的理解程度，可以分成三档：

档位	你应该能说出
入门	AI 是文字接龙，会胡说，得自己核对
进阶	AI 把词变成坐标，靠注意力理解上下文，靠预训练+SFT+RLHF 三步学习
熟手	我知道大模型 + RAG + Agent + MCP（后续分享） + Skills（后续分享） 怎么组合，能跟工程师讨论方案

如果你看完只到了"入门"档，也没关系——把整个系列收藏，过一周再读一遍，你会发现很多之前没注意的细节变清晰了。

四、系列文章目录

序号	文章	核心内容
1	AI 的前世今生	从 1956 到 2025，70 年 AI 编年史
2	文字接龙的本质	AI 的核心机制：猜下一个字
3	Token 与 Embedding	AI 眼里的文字世界，语义坐标
4	注意力机制	AI 怎么"看懂"一整句话
5	模型训练三步曲	预训练、微调、对齐
6	涌现	为什么"大"模型才有用
7	幻觉	为什么 AI 会"胡说八道"
8	Agent 时代	AI 不只是聊天
9	未来展望	未来三年 AI 会变成什么样
10	实践解读	6 个真实场景用理论解释
11	概念速查表	本文

愿你不仅会用 AI，也理解 AI；不仅不被它取代，还能驾驭它。 🚀