准 AI 顾问需要掌握的 16 个专业术语（以及 4 个应避免使用的词汇）
从 Token 和 RAG 到 MCP 与 Evals，这 16 个术语能让准 AI 顾问展现出专业水准；此外还有 4 个会暗中削弱客户信任的流行词。
以下是这 16 个术语：大语言模型（large language model）、Token（令牌）、上下文窗口（context window）、推理（inference）、提示词（prompt）、系统提示词（system prompt）、检索增强生成（retrieval-augmented generation）、微调（fine-tuning）、嵌入（embedding）、智能体（agent）、MCP、编排（orchestration）、人机回环（human in the loop）、幻觉（hallucination）、防护栏（guardrails）以及评估（evals）。需要摒弃的 4 个词汇是：“AI 驱动”（AI-powered）、“基于您的数据训练”（trained on your data）、“AGI”和“100% 准确”（100% accurate）。在展示最终成果之前，每位准 AI 顾问都会首先通过词汇表达被客户评判，因为专业词汇是潜在客户在首次会面中所能核实的一切。这些定义截至 2026 年 8 月发布时准确无误；鉴于该领域发展迅速，请将具体内容视为当时现状的快照。
哪些是核心模型术语？
有四个术语用于描述模型本身。掌握了这四个术语，其他概念也就有了立足之地。
大语言模型（Large language model，简称 LLM）。ChatGPT、Claude 和 Gemini 背后驱动的引擎：基于海量文本训练、能够预测下一段语言的模型。当客户提到“AI”时，通常指的就是这个。
Token（令牌）。模型读取文本和进行计费的小片段，通常比一个完整的单词稍短。API 定价（按使用量付费访问模型）是按 Token 计费的，因此这是一个成本概念，而非无足轻重的冷知识。
上下文窗口（Context window）。模型的运行内存：即它一次可以处理和考量的文本量。当客户询问为什么 AI“忘记”了其规章手册第 40 页的内容时，上下文窗口通常就是你的解答。
推理（Inference）。运行训练好的模型以获取答案的过程，与“训练”相对。推理是项目交付后客户每个月都需要持续支付的经常性账单。
哪些术语与获取更好的回答有关？
有五个术语涵盖了如何让通用模型服务于特定业务的技术工艺。
提示词（Prompt）。你向模型发出的指令。如今，整个产品都可以通过书面描述构建而成；基于提示词的构建工具能够将一段文字转化为可运行的软件，这就是为什么提示词现在是一项交付物，而不仅仅是一条聊天消息。
系统提示词（System prompt）。在用户输入任何内容之前，模型所接收到的常驻指令。许多向小企业出售的“定制 AI 助手”，从机制上看，不过是在现有模型之上加了一段系统提示词。在给此类服务定价之前，务必了解这一点。
检索增强生成（Retrieval-augmented generation，简称 RAG）。在提问时检索最相关的文档并提供给模型。这是在无需修改模型本身的情况下，让模型根据客户的手册和规章制度进行回答的方法。
微调（Fine-tuning）。通过在新示例上进行训练来真正改变模型的权重（即内部参数设置）。它成本高昂、更新较慢，且很少是首选的合适工具。客户口中所谓的“训练”，大多数实际上都是 RAG。
嵌入（Embedding）。将文本转换为数字列表，以便相近的语义在向量空间中靠近。嵌入是 RAG 进行搜索时的索引；没有它们，“查找相关文档”就无法工作。
当 AI 开始执行实际工作时，哪些术语至关重要？
生成回答是最简单的部分。这四个术语涵盖了能够采取行动的 AI，这也是当前咨询服务的发展趋势。
智能体（Agent）。一种以目标为导向在循环中工作的 AI：它会制定计划、使用工具、检查结果并再次尝试，而不是仅返回单一回答。智能体也是错误累积的地方，这正是本列表中后三个术语能够产生可计费服务的原因。
MCP（模型上下文协议/Model Context Protocol）。允许 AI 应用连接到外部工具和数据的开放标准，常被形象地比作 AI 的 USB-C 接口。它于 2024 年底由 Anthropic 发起，现由 Linux 基金会旗下的 Agentic AI Foundation 管理，并已获得 ChatGPT、Claude、Cursor 和 Microsoft Copilot 的广泛支持。如今客户询问的几乎每一个“你们的 AI 能与我们的系统打通吗？”的问题，都可以通过 MCP 来实现。
编排（Orchestration）。将多个模型、工具和步骤协调整合为一个工作流：明确哪个模型处理什么任务、执行顺序如何，以及某个步骤失败时该如何应对。
人机回环（Human in the loop）。在 AI 的工作产生实质性后果之前对其进行审核的人员。决定该人员介入的时机与环节，正是客户付费聘请顾问进行架构设计的核心所在。
哪些术语能避免客户项目陷入困境？
最后这三个术语能让你听起来像个专业的专家，而非盲目的追捧者。
幻觉（Hallucination）。一种看似自信、流畅但完全错误的回答。这是此类系统的常见失效模式，并非某家供应商秘密解决掉了的 Bug。
防护栏（Guardrails）。对系统言行设置的硬性限制：拒绝讨论的话题、不可执行的操作、不能跨越的门槛。
评估（Evals，Evaluations 的简称）。指可重复的测试程序，用于在每次变更前后对照已知用例为 AI 系统打分。如果你在销售 AI 系统时没有评估机制，那你卖的不过是感觉。这个术语能帮你赢得订单。
应该避免使用哪四个术语？
出于不同的原因，使用这些词中的每一个都会降低潜在客户对你的信任。
“AI 驱动”（AI-powered）。这个词没有任何实质说明作用，且出现在每一份商业计划书中。请改为明确具体机制：针对其文档的 RAG、附带人工审核的智能体，或是微调后的分类器。
“基于您的数据训练”（Trained on your data）。通常并非事实。大多数客户系统使用的是 RAG 或长上下文窗口，而不是训练；而且这个词会引发隐私担忧，导致你需要花一整场会议去化解。除非你真的在进行微调，否则请表达为“基于您的数据”（grounded in your data）。
“AGI”。通用人工智能是一个学术研究层面的概念，而不是项目范围界定术语。如果客户问起，请坦诚回答；但切勿将其作为销售宣讲的核心，因为它会引发你无法兜底的预测。
“100% 准确”（100% accurate）。以及“无幻觉”（hallucination-free）。这是任何人都无法坦诚作出的保证。相反，应该引用自己评估（Evals）得出的实际测算错误率；一个真实的数据比许诺为零更能促成交易。
那么哪些术语实际上最为重要？
如果与客户的对话聚焦于其中的四个，那就是 RAG、智能体、MCP 和评估：系统了解什么、能做什么、与什么连接，以及你如何证明其工作效果。熟练掌握这四个，其余根据需要使用。黄金法则：如果你无法用一句话向客户解释清楚一个术语，就不要把它放在宣讲中。
要了解这些词汇在实际项目中的运用，请阅读 AI 顾问如何界定自建 SaaS 替代方案的项目范围。要感受言语与实际演示的区别，请通过 MCP 将您自己的 AI 连接到 Final 的构建器，亲眼见证提示词如何转化为可运行的 POS 系统。如果您的客户是商家，附带的新商家应该了解的 30 个 POS 术语列表涵盖了对话的另一半内容。
常见问题
RAG 与微调有什么区别？
RAG 在提问时将相关文档提交给模型；微调则通过在新示例上训练来改变模型本身。RAG 成本更低、更新更快，是大多数客户项目的理想首选方案。
在 AI 咨询中，MCP 代表什么？
Model Context Protocol（模型上下文协议）：一种允许 AI 应用连接外部工具和数据的开放标准。它于 2024 年底由 Anthropic 发起，现由 Linux 基金会旗下的 Agentic AI Foundation 管理。
AI 顾问需要懂代码吗？
不一定，但你需要具备足够的技术词汇储备来坦诚地界定工作范围。如今许多项目都是通过基于提示词的工具和 MCP 连接来完成的，而不是编写自定义代码。
为什么顾问应该避免使用“AI 驱动”这个词？
因为它没有任何实质说明作用，而且潜在客户对这个词已经脱敏。请改为说明具体机制，例如针对客户文档的 RAG 或附带人工审核的智能体。