AI 新闻里的黑话越来越多，这篇整理了 20 个高频术语，用人话解释。今天先发前 10 个。
模型与训练类
参数（Parameters）：模型内部可以被学习的「旋钮」。数量常被当作模型规模的代名词，比如 7B 就是 70 亿个。
预训练（Pre-training）：让模型在海量文本上「读书」的阶段，学的是语言和世界的通用规律。
微调（Fine-tuning）：在预训练基础上，用小而精的数据把模型「教」成某个领域的专家。
RHF / 对齐（Alignment）：让模型的回答符合人类偏好的过程——有用、诚实、无害的那部分努力。
MoE（混合专家）：模型内部有很多「专家」模块，每次只激活一小部分。好处是用更少的计算量办更多的事。
推理与应用类
Token：模型处理文本的最小单位，中文大约一个字 1~2 个 token。计费、上下文长度都按它算。
Prompt：你发给模型的输入。提示工程就是琢磨怎么把话说得更清楚。
幻觉（Hallucination）：模型一本正经地编造事实。根源在于它本质在做「合理的续写」而非「查证事实」。
RAG（检索增强生成）：先查资料再回答，给模型外挂一个「开卷考试」的能力。
Agent：能自主拆解任务、调用工具、多步执行的 AI，从「聊天」到「干活」的升级。
剩下 10 个词（上下文窗口、量化、蒸馏、思维链……）放下篇，敬请期待。