AI领域常用词汇

LLM（LargeLanguage Model，大语言模型）

能理解和生成自然语言的巨型AI模型，通过海量文本训练。例子：GPT-4、Claude、DeepSeek、文心一言、通义干问。

• G（Generative）生成式: 根据上文预测之后应该出现哪个文本，从而形成连续的文本输出

• P（Pre-trained）预训练: 通过大规模的文本数据进行预训练，让大模型可以理解人类语言的语法、词性。

• T（Transformer）Transformer: 深度学习的一种神经网络模型。多数AIGC模型都依赖于此

感知能力：海量文本训练，接收用户输入文本，，PDF，图片==>OCR==>转成文本，但是会损失很多信息，如颜色布局，色调等

机器学习

基于数据，通过统计和优化方法训练模型。包括监督学习、无监督学习和强化学习等子领域。应用: 游戏AI、推荐引擎

深度学习（DeepLearning）

解释：模仿人脑神经网络结构的机器学习方法，需要大量数据和算力。

例子：图像识别、语音转文字。

神经网络（NeuralNetwork)

解释：由多层"虚拟神经元"组成的计算模型，AI学习的基础架构。

NLP（NaturalLanguageProcessing，自然语言处理）

解释：让计算机理解、生成人类语言的技术。

应用：机器翻译、情感分析。

多模态（Multimodal)

能同时处理文本、图像、语音等多种类型数据的AI。

例子：GPT-4V 可以分析图片内容并回答问题。

1. 视觉感知：端到端视觉感知，输入图片，直接能获取所有信息

2. 多模态感知：包括声音语气语调，视频时序等信息

3. 推理能力：利用CoT和ToT思维链，模型思考问题前，进行问题拆解

4. 工作流+多智能体：各个AI各司其职协作完成任务，缺点是任务分工还是人为定好的

5. 模型即Agent-深度搜索：模型自主决定什么时候搜索或整理信息

检索增强生成（RAG）

对大型语言模型输出进行优化，使其能够在生成响应之前引用训练数据来源之外的权威知识库。

例子：RAG广泛应用于各种自然语言处理任务，包括问答系统、知识图谱构建、智能客服等，能够显著提升大模型在实际业务场景中的表现。

更多更专业的名词可参考Spring AI Alibaba 项目的介绍：Chat Client，里面有可运行的代码，工具(Function Calling) 向量存储(Vector Store)

AI Agent

Agent直译过来就是代理，结合AI来看就是 智能体，核心：实现AI自主完成任务==>收到任务指令==>感知环境+独立思考+主动实践

行动能力

1. 初级-大模型函数调用：模型感觉要调用某个工具==>生成一段API调用文本==>过滤器识别==>找到对应的功能函数去调用==>返回答案

2. 训练模型控制浏览器(manus操作网页来源)

3. MCP模型上下文协议：统一各个API工具接口的格式，比如股票接口和计算器接口 都有TypeC格式去接入模型

记忆能力

1. 增加上下文长度

2. RAG(检索增强生成)==>延长模型对话记忆==>中途总结前面的对话+偶尔回顾==>记忆模块

3. DeepSeek稀疏注意力机制

manus

1. 规划+工具==>生成待办事项todo

2. 调用搜索工具搜索网页，待办事项打勾

DeepSeek

• 基础模型（V3）：通用模型，高效便捷，适用于绝大多数任务， “ 规范性”任务 ，聪明且听话

• 深度思考（R1）：文本推理模型，复杂推理和深度分析任务，如数理逻辑推理和编程代码，聪明但不听话

• 联网搜索：RAG（检索增强生成），知识库更新至24年7月

如何提问？

• 基础模型（V3）：“过程-结果”清晰（指令）

• 深度思考（R1）：目标清晰，结果可以模糊（推理）

提示词结构

1. 定义AI的角色： 经验丰富的数据分析师 具备十年销售经验的SaaS系统商务

2. 期望达成什么目标效果： 通过该文案吸引潜在客户，促成消 费……通过该报告为相关企业管理 者提供……策略支撑

3. 具体任务描述： 写一份关于XXX活动的小红书宣推文案 写一份关于XX事件的舆论分析报告 （XX活动/事件相关背景信息如下……）

4. Objective（操作要求） 字数要求、段落结构、用词风格、 内容要点、输出格式…

Manus能力

1. 展示窗口

2. 调用搜索工具

3. 浏览网页

4. 命令行

5. 多轮搜索

6. 编程和部署

Spring AI

一个大模型应用框架。目标：将人工智能领域无缝接入Spring 生态体系，快速改造传统项目

为什么选择 SpringAI？

目前大模型应用开发最常见的框架就是LangChain，然而LangChain是基于Python语言，虽然有LangChain4j，但是对于大量使用Spring生态的应用来说，适配性就稍微差了些；

而Spring公司推出的SpringAI框架，充分利用了Spring框架中AOP、IOC的能力，可以与现有的Java项目无缝融合，非常方便；

• JDK版本至少是JDK17，SpringBoot也必须是3.x的版本；

• 如果是比较老的项目，也可以考虑采用LangChain4j，它要求的最低JDK版本为JDK8。

• SpringAI官方文档：Spring AI Reference