搞懂这些名词 并了解其实现方式和原理。你基本就入门了：
AGI（类人AI）：类似人类思维的AI。
CoT（链式思维）：AI一步步思考。
AI Agents（AI代理）：自动化决策的程序。
AI Wrapper：简化与AI模型的互动。
AI Alignment（AI对齐）：确保AI遵循人类价值观。
Fine-tuning（微调）：使用特定训练数据来改进AI。
Hallucination（幻觉）：AI编造的信息。
AI Model（AI模型）：用于任务的训练AI。
Chatbot（聊天机器人）：模拟人类对话的AI。
Compute（计算）：AI模型的处理能力。
Computer Vision（计算机视觉）：AI理解图像和视频的能力。
Context（上下文）：AI为更好响应保留的信息。
Deep Learning（深度学习）：通过多层神经网络学习的AI。
Embedding（嵌入）：AI的词汇数字化表示。
Explainability（可解释性）：理解AI决策背后的逻辑。
Foundation Model（基础模型）：可适应任务的大型AI模型。
Generative AI（生成式AI）：创建文本、图像等内容。
GPU（图形处理单元）：用于快速AI处理的硬件。
Ground Truth（真实数据）：AI学习的验证数据。
Inference（推理）：AI对新数据做出的预测。
LLM（大型语言模型）：用大量文本数据训练的AI。
Machine Learning（机器学习）：AI通过数据经验改进。
MCP（模型上下文协议）：AI内部数据访问的标准。
NLP（自然语言处理）：AI理解人类语言。
Neural Network（神经网络）：受大脑启发的AI模型。
Parameters（参数）：AI学习的内部变量。
Prompt Engineering（提示工程）：创建输入以指导AI输出。
Reasoning Model（推理模型）：有逻辑推理能力的AI。
Reinforcement Learning（强化学习）：AI通过奖励与惩罚学习。
RAG（检索增强生成）：结合搜索与生成的AI。
Supervised Learning（监督学习）：在标记数据上训练的AI。
TPU（张量处理单元）：AI处理专用芯片。
Tokenization（分词）：将文本分割成词片。
Training（训练）：通过调整参数教AI。
Transformer（变换器）：用于语言理解的AI架构。
Unsupervised Learning（无监督学习）：AI在无标签数据上发现模式。
Vibe Coding（情绪编码）：通过语言捕捉情绪并预测输出。
Weights（权重）：影响AI学习的值。
