术语表
按主题归组的术语速查;「相关」列链接到首次深入讲解该术语的知识点。
| 术语 | 英文 | 简释 | 相关 |
|---|---|---|---|
| AI 产品管理 | AI Product Management | 在概率性模型能力上构建确定性产品价值的学科 | kp-001 |
| 生成式人工智能 | Generative AI | 以生成文本、图像、音视频等内容为核心能力的 AI | kp-001 |
| 大语言模型 | LLM (Large Language Model) | 以海量文本训练、以理解与生成为主能力的模型 | kp-002 |
| 多模态 | Multimodal | 跨文本、图像、音频等多种输入输出形态统一处理的模型 | kp-002 |
| 检索增强生成 | RAG (Retrieval-Augmented Generation) | 先检索知识库再作答以提升事实性的架构 | kp-002 |
| 工具调用 | Function Calling | 模型决定调用外部接口完成动作的机制 | kp-002 |
| 微调 | Fine-tuning | 用自有数据继续训练以调整模型行为 | kp-008 |
| 人工智能体 | Agent | 给定目标后自主拆解、调用工具、执行任务的 AI 形态 | kp-003 |
| 副驾驶 | Copilot | 人主 AI 辅、人决策 AI 建议的产品形态 | kp-003 |
| 嵌入式 AI | Embedded AI | 无感融入既有产品流程的 AI 形态 | kp-003 |
| 提示词 | Prompt | 输入给模型、承载产品逻辑的指令文本 | kp-013 |
| 系统提示词 | System Prompt | 定义角色、边界、输出契约与安全策略的高优先级指令 | kp-013 |
| 结构化输出 | JSON Schema Output | 要求模型按 schema 返回并程序校验的输出契约 | kp-013 |
| 上下文窗口 | Context Window | 模型单次可处理的最大输入长度 | kp-013 |
| 温度 | Temperature | 控制输出随机性的采样参数 | kp-025 |
| Token | Token | 模型计价与计量的最小文本单位 | kp-025 |
| 推理 | Inference | 用训练好的模型生成输出、消耗算力的过程 | kp-025 |
| 延迟 | Latency | 从请求到返回的耗时,常看 P99 分位 | kp-022 |
| 幻觉 | Hallucination | 模型一本正经地输出错误事实、编造来源或越界作答 | kp-024 |
| 提示注入 | Prompt Injection | 在输入或检索内容中夹带指令以劫持模型的攻击 | kp-024 |
| 越狱 | Jailbreak | 通过话术绕过模型安全策略的攻击 | kp-024 |
| 红队测试 | Red Teaming | 以攻击者视角系统化寻找模型漏洞的安全工程 | kp-024 |
| 评测集 | Eval Set / Golden Set | 固化版本、分层采样、标注标准的标准化考卷 | kp-021 |
| 评分标准 | Rubric | 评测中定义「什么是好」的可复现评分规则 | kp-021 |
| LLM 评审 | LLM-as-a-Judge | 用强模型按评分标准给开放输出打分并定期人评校准 | kp-020 |
| 精确率 | Precision | 判为中里面真中的比例 | kp-012 |
| 召回率 | Recall | 真的中面被判中的比例 | kp-012 |
| 采纳率 | Acceptance Rate | 用户接受或未修改 AI 输出的比例,核心产品层指标 | kp-022 |
| 灰度发布 | Canary Release | 按比例逐步放量并按门槛放行或回滚的发布机制 | kp-022 |
| 影子流量 | Shadow Traffic | 新版本并行处理真实请求但不呈现给用户的演练方式 | kp-022 |
| A/B 测试 | A/B Testing | 双版本分流对比的实验方法,AI 场景需防反馈回流 | kp-022 |
| 哨兵指标 | Sentinel Metrics | 敏感先行、越线即告警的小指标集 | kp-022 |
| Badcase | Bad Case | 线上错误案例,闭环管理为六步流程 | kp-023 |
| 降级 | Fallback | 失败时切换到更弱但可用的替代路径 | kp-017 |
| 静默降级 | Silent Degradation | 不告知用户而悄悄更换结果来源,仅限无感功能 | kp-017 |
| 自动化光谱 | Automation Spectrum | 从展示到全自动的五档人机分工连续体 | kp-016 |
| 人机协同 | Human-in-the-Loop | 关键节点保留人工决策的协同模式 | kp-016 |
| 置信度 | Confidence | 模型对自身输出的可靠程度,产品中行为化表达 | kp-015 |
| 冷启动 | Cold Start | 飞轮与数据尚未建立时的启动方案 | kp-014 |
| 合成数据 | Synthetic Data | 模型生成的训练或评测数据,需与真实样本混合 | kp-014 |
| 待完成任务理论 | Jobs-to-be-Done (JTBD) | 以情境-动作-结果的任务陈述定义需求的方法 | kp-010 |
| 产品需求文档 | PRD | 能力规格、验收、降级、成本、合规的产品合同 | kp-011 |
| 最小可行产品 | MVP (Minimum Viable Product) | 以最小范围验证核心假设的早期版本 | kp-007 |
| 数据飞轮 | Data Flywheel | 使用-反馈-改进-增长的自增强回路 | kp-009 |
| 护城河 | Moat | 竞品难以复制的可持续优势,排序为工作流>反馈数据>静态数据 | kp-009 |
| 单位经济模型 | Unit Economics | 单次/单人维度的收入成本毛利测算 | kp-025 |
| 毛利率 | Gross Margin | (收入−变动成本)/收入,AI 产品普遍低于传统 SaaS | kp-025 |
| 模型路由 | Model Routing | 按任务难度把请求分流到不同大小模型的降本手段 | kp-027 |
| 语义缓存 | Semantic Cache | 按语义相似度命中缓存答案的成本优化手段 | kp-027 |
| 算法备案 | Algorithm/GenAI Filing | 中国面向公众生成式服务的备案与安全评估义务 | kp-030 |
| 欧盟人工智能法案 | EU AI Act | 按风险四级分配义务的欧盟统一立法 | kp-030 |
| 生成内容标识 | AI Content Labeling | 对 AI 生成内容做显式与隐式标识的合规义务 | kp-030 |
术语均来自知识库正文,英文为原文首现写法。