隨著生成式 AI 技術快速滲透各行各業，AI 專有名詞如「LLM」、「Prompt」、「Embedding」、「Function Calling」等詞彙頻繁出現在新聞、簡報與教學中。對於剛接觸 AI 的學習者、企業決策者或中高齡使用者而言，建立清晰的基本概念，是邁向數位素養與應用實踐的第一步。
本文將用白話方式解釋 20 個核心 AI 名詞，並分類為三大層次：基礎理解、提示語技術、進階應用。讀完這篇，你將不再被術語嚇退，而能清楚知道每個詞的角色與應用場景。
✅ 一、基礎理解篇：打穩 AI 知識地基
- 大語言模型（LLM）
全名 Large Language Model，是一種可理解、生成語言的大型神經網路模型，像是 ChatGPT、Claude、Gemini 都屬於此類。 - 提示語（Prompt）
指我們給 AI 的輸入指令，用來引導它思考、回應或產出內容。 - 嵌入（Embedding）
把文字轉成 AI 可理解的數字向量，有助於進行語意搜尋、分類與比對。 - 符元（Token）
AI 處理文字的最小單位，可能是單字、標點或詞根，是成本與效能計算的重要單位。 - 上下文（Context）
指 AI 在對話中能夠理解前後語境，讓回應更貼近意圖。 - 電腦調用（Computer Use）
指 AI 能主動控制電腦資源，例如打開應用程式、進行瀏覽等操作。
🧠 二、提示語技術篇：掌握語言的控制力量
- 樣本提示法（Zero / One / Few Shot）
Zero-shot 是「無範例」直接要求；One-shot 提供一個範例；Few-shot 給幾個範例以提升準確性。 - Markdown（特殊符號）
一種輕量級標記語法，用於控制文字格式（如粗體、列表、標題），AI 可用來產出格式化文本。 - 提示語框架（CLEAR / STAR / BAB / CRISPE 等）
結構化編寫提示語的模版，如同「邏輯模板」，幫助 AI 回應更精準。 - 提示技巧（RE2 / CoT / ToT）
包含：- RE2（反覆重構）：讓 AI 修正與精煉自身回答。
- CoT（Chain of Thought）：引導 AI 一步步思考推理。
- ToT（Tree of Thought）：引入多分支選項再決策，提升複雜任務效能。
🚀 三、進階應用篇：從助手進化為夥伴
- AI 調用（A2A, AI to AI）
多個 AI 模型可互相呼叫，協同完成任務，例如一個模型分析情緒、另一個產出文案。 - Function Calling（函式呼叫）
模型可主動呼叫 API 或外部函數來查天氣、抓資料、連接資料庫等，極大拓展 AI 功能。 - 模型功能擴充（MCP, Multi-capability Plugin）
插件化架構，讓模型具備如圖像辨識、程式編譯、瀏覽器操作等複合能力。 - AI代理人（AI Agent）
結合 LLM、工具與流程控制能力，可自主決策、執行任務，例如自動收信整理、報告生成。 - 代理原生（Agentic AI）
下一代 AI 架構，強調主動性、自我規劃與多任務持續執行，是打造自主 AI 助手的關鍵。 - RPA（機器人流程自動化）
Robotic Process Automation，可自動化點選、複製貼上等重複作業，AI Agent 常與其整合。 - LLM OS（大型語言模型作業系統）
將 AI 模型包裝成作業系統級的接口平台，可執行插件、排程任務與多流程協調。 - 模型對齊（Alignment）
指 AI 行為是否符合人類價值與使用意圖，是 AI 安全治理的核心指標。 - 模型測試（LMArena / TMMLU+）
評估語言模型準確性、邏輯性與常識能力的標準測試平台，常見於模型發表時使用。 - 通用人工智慧（AGI, Artificial General Intelligence）
相對於只能完成單一任務的窄 AI（Narrow AI），AGI 追求能像人類一樣通用學習與適應。
🧩 小結：掌握名詞 ≠ 學會使用，關鍵是實作
這 20 個詞是你進入 AI 世界的「語言地圖」，但關鍵不只是記得意思，更是「知道怎麼用」。以下是三個行動建議：
- 從「Prompt」開始練習：每天設計一組提示語，觀察 AI 產出是否符合預期。
- 選一個工具來實作 Function Calling 或 Agent 任務，例如透過 ChatGPT 加 Google Calendar API 管理排程。
- 建立自己的名詞卡片庫（用 Notion / Heptabase），讓知識可以快速調用與更新。
