AI 开发核心词典：先看你正在做什么
如果你正在让 AI 改代码，却先读到 CDN、Docker、OAuth，很容易越看越乱。不是你理解能力有问题，而是按英文字母排列不符合真实的工作顺序。
这页不要求你从头背到尾。先选择自己现在正在做的事，只看这个场景里会遇到的词。
每个词条应该怎么看
每张卡片都按同一个顺序回答六个问题：
- 我会在什么具体场景遇到它？
- 它在这个场景里负责什么？
- 我应该按哪几步使用？
- 有没有一个可以照着理解的具体例子？
- 做对以后，我会看到什么结果？
- 它最容易和什么概念搞混？
不需要背。比如你正在接入模型，就先选择“我在连接外部服务”；准备上线时，再看“我在保存和上线”。同一个词在真实工作中遇到三次，比一次背三行定义更容易记住。
按你的当前任务查词
第一步：选你现在正在做的事
当前场景有 9 个需要认识的词。 先看“遇到场景”，需要时再展开。
Prompt交给 AI 的任务单你会在这种时候遇到它你打开 Codex、Cursor 或聊天工具，准备让 AI 新增功能、修改页面或排查错误。
展开看具体怎么用
Prompt交给 AI 的任务单你打开 Codex、Cursor 或聊天工具，准备让 AI 新增功能、修改页面或排查错误。
把你脑中的目标、现状和完成标准说清楚，减少 AI 自己猜测。
- 先写最终想得到什么
- 告诉 AI 应该查看哪些文件和报错
- 说明哪些地方不能改
- 写出怎样才算完成
你要修复手机菜单，不要只写“菜单有问题”，而要把设备、现象和验收结果写出来。
目标：修复手机端侧边栏无法滚动。
现状：iPhone 打开菜单后，只能看到前半部分。
范围：只改导航样式，不改课程内容。
验收：375px 宽度下可以滚动到底并点击最后一项。AI 能先定位导航样式，再按明确尺寸验证，而不是顺手重做整个页面。
Prompt 不是越长越好。没有目标和验收的长段文字，仍然可能让 AI 猜错。
LLM / 模型负责理解和生成内容的大脑你会在这种时候遇到它你在 AI 产品里选择模型，或者发现同一个 Prompt 换模型后回答不同。
展开看具体怎么用
LLM / 模型负责理解和生成内容的大脑你在 AI 产品里选择模型，或者发现同一个 Prompt 换模型后回答不同。
读取这次提供的文字和代码，再生成回答、代码或下一步工具调用。
- 在产品里选择适合当前任务的模型
- 把相关文件和要求提供给它
- 用构建、测试或真实结果验证回答
你把一段报错和相关组件交给模型，它分析后建议修改第 42 行；真正是否修好，要运行页面确认。
你会得到解释或代码建议，但结果不自动等于正确。
ChatGPT、Cursor 是产品；模型是产品背后的生成引擎。两者不是同一个东西。
Agent / 代码代理能查看文件并连续办事的 AI 助手你会在这种时候遇到它任务不只是回答一个问题，而是要跨多个文件修改、运行构建、发现错误后继续修。
展开看具体怎么用
Agent / 代码代理能查看文件并连续办事的 AI 助手任务不只是回答一个问题，而是要跨多个文件修改、运行构建、发现错误后继续修。
围绕模型增加文件、终端和其他工具，让它能执行一连串步骤。
- 给出目标和允许修改的范围
- 让 Agent 先查看现有项目
- 审查它准备修改什么
- 完成后查看差异和验证结果
你说“给所有课程页增加可点击目录并验证构建”。Agent 会读取主题配置、创建组件、修改样式、运行构建，再报告结果。
本地文件真的发生变化，并且你能看到修改清单和验证结果。
Agent 不是一个模型名称。它是“模型、工具和连续工作流程”的组合。
Context WindowAI 这一次能同时看到的工作桌你会在这种时候遇到它对话很长以后，AI 忘记前面的要求；或者项目太大，AI 没读到真正相关的文件。
展开看具体怎么用
Context WindowAI 这一次能同时看到的工作桌对话很长以后，AI 忘记前面的要求；或者项目太大，AI 没读到真正相关的文件。
限制一次请求里能放多少对话、文件、工具结果和回答。
- 只提供当前任务相关的文件
- 长日志只保留第一条关键错误
- 大任务分成几个可验证阶段
- 必要时重新说明当前目标
不要粘贴 3 万行日志。提供“点击保存后出现的第一条 401”、对应请求和相关文件，AI 更容易找到问题。
重要信息不容易被无关内容淹没，回答更聚焦。
AI 没提到某个文件，不一定是能力不够，也可能是工具根本没有把文件放进 Context。
Token模型计算文字量的单位你会在这种时候遇到它模型平台显示输入、输出用量，或者提示内容太长、达到上下文限制。
展开看具体怎么用
Token模型计算文字量的单位模型平台显示输入、输出用量，或者提示内容太长、达到上下文限制。
衡量模型处理了多少文字；API 费用和长度限制经常按 Token 计算。
- 查看平台的输入和输出用量
- 删除重复日志和无关文件
- 不要用固定字数公式精确换算 Token
你提交一个长 Prompt、5 个代码文件和一段日志，这些输入加上 AI 的回答都会占用 Token。
平台会显示本次请求的用量，可能同时计算费用。
模型 Token 是文字单位；登录 Token 是身份凭证。只是英文名字相同。
Inference / 推理模型处理这一次任务的过程你会在这种时候遇到它你调用模型 API，平台显示推理请求、推理延迟或推理 Endpoint。
展开看具体怎么用
Inference / 推理模型处理这一次任务的过程你调用模型 API，平台显示推理请求、推理延迟或推理 Endpoint。
让已经训练好的模型读取当前输入并产生这一次输出。
- 准备 Prompt 和相关上下文
- 发送给已经部署的模型
- 等待模型生成结果
- 检查输出是否满足任务
训练像一个人多年学习；你现在问它“解释这段代码”，它现场回答的这一次过程就是推理。
得到一份新的文字、代码、图片描述或工具调用请求。
调用模型生成一次答案不是训练模型。你没有因为问一个问题就重新训练它。
Hallucination / 幻觉AI 说出了听起来像真的错误内容你会在这种时候遇到它AI 提到一个项目里不存在的文件、编造函数名，或把过时信息当成最新事实。
展开看具体怎么用
Hallucination / 幻觉AI 说出了听起来像真的错误内容AI 提到一个项目里不存在的文件、编造函数名，或把过时信息当成最新事实。
这不是你要主动使用的功能，而是使用生成式 AI 时必须防范的风险。
- 要求 AI 先搜索文件再下结论
- 让它区分事实和推测
- 运行代码或查官方资料
- 不要因为语气肯定就跳过验证
AI 说“修改 src/auth.ts”，但项目里根本没有这个文件。先搜索文件列表，而不是照着创建一个新的。
验证后，你能确认它引用的文件、函数和结论真实存在。
回答很流畅、很自信，不代表它已经查看过证据。
Tool Calling模型填写一张工具调用单你会在这种时候遇到它AI 需要读取文件、查询天气、搜索资料或运行命令，而不是只生成一段文字。
展开看具体怎么用
Tool Calling模型填写一张工具调用单AI 需要读取文件、查询天气、搜索资料或运行命令，而不是只生成一段文字。
让模型用结构化参数说明要调用哪个工具，再由有权限的产品真正执行。
- 产品把可用工具说明交给模型
- 模型选择工具并填写参数
- 产品检查权限后执行
- 结果返回模型继续回答
你问“这个项目有多少 Markdown 文件”。模型请求调用文件搜索工具，工具返回 71，模型再把结果解释给你。
你会看到工具调用记录，以及基于真实结果生成的回答。
模型提出调用，不等于它自动拥有权限；真正执行的是承载模型的产品。
RAG先查资料，再带着资料回答你会在这种时候遇到它你要做公司知识库问答，希望 AI 根据指定文档回答，而不是只靠模型记忆。
展开看具体怎么用
RAG先查资料，再带着资料回答你要做公司知识库问答，希望 AI 根据指定文档回答，而不是只靠模型记忆。
从资料库检索与问题最相关的内容，再把这些内容放进模型的 Context。
- 把文档整理并建立可检索索引
- 用户提问时先搜索相关片段
- 把片段和问题一起交给模型
- 在答案旁保留来源
员工问“年假有几天”。系统先从员工手册找到年假条款，再让模型根据该条款回答。
答案更贴近指定资料，并能指出依据来自哪份文档。
RAG 不会让模型永久学会你的资料；每次回答时仍需要重新检索。
学完测试
本地页面已经改好，现在准备让其他人通过公开网址访问。你应该先查哪个场景？
答案：选择“我在保存和上线”。先依次理解 Git、Build 和 Deploy：Git 保存版本，Build 生成可发布文件，Deploy 才把这个版本发布给真实用户。