术语表

每个术语尽量用一句话定义，再给出继续阅读入口。面试或写方案时，先说清“它解决什么问题”，再说技术细节。

术语	简明定义	深入阅读
Token	模型处理文本的基本单位，可能是词、子词或字符片段。	Prompt 基础
Context Window	单次请求中模型可看到的 token 上限，影响长文档、对话历史和工具结果放置。	上下文工程
Embedding	把文本、图片等映射成向量，用于相似度检索和聚类。	Embedding
RAG	生成前先检索外部知识，把检索结果放入上下文再回答。	RAG 全景
Chunk	为检索把原文切成较小片段；大小、重叠和元数据会影响召回。	文档切分
Rerank	对初步召回结果重新排序，提高最终上下文质量。	重排序
Tool Calling	模型按 schema 生成工具调用参数，由系统执行外部函数或 API。	工具调用
Agent	以模型为控制器，结合规划、记忆、工具和反馈执行多步任务的系统。	Agent 全景
MCP	Model Context Protocol，用统一协议连接 AI 应用与外部工具/数据源。	MCP 概念
SFT	Supervised Fine-Tuning，用高质量指令/答案数据让模型学习目标行为。	SFT
LoRA	Low-Rank Adaptation，通过低秩增量矩阵进行参数高效微调。	LoRA、论文
DPO	Direct Preference Optimization，用偏好对直接优化模型偏好。	DPO、论文
RLHF	Reinforcement Learning from Human Feedback，用人类偏好训练奖励模型并优化策略。	RLHF
Multimodal	同时处理文本、图像、音频或视频等多种模态。	多模态全景
Evaluation Set	用来比较模型/提示/检索版本的一组固定样本和期望结果。	评估指标

常见混淆