AI 名詞解釋
一詞一篇：先講定義、再講為什麼重要、最後給一個看得懂的例子。
系列與教學中心
照順序讀的系列，各有自己的目錄與學習路線。
AI 名詞總索引：從 Loop Engineering 到生成式 AI
想看懂 Loop Engineering、Harness Engineering、Context Engineering、RAG、MCP 與其他 AI 名詞，可以從這份總索引開始。依 2026 年 9 月查證範圍，把這些概念分組整理，每個詞連到白話專文，附依任務安排的閱讀路徑、容易混淆的層次，以及原始論文和官方定義的查核方式。
生活分享
量化（Quantization）：用較少位元執行模型的取捨
模型量化用較低精度表示權重或其他數值，目的是減少記憶體與運算負擔，同時盡量保留任務品質。本文用本機文件分類示範載入、校準與比較流程，區分訓練後量化、量化感知訓練、LoRA 和蒸餾，也解釋為什麼檔案變小不保證回答更快。讀完能核對硬體支援、記憶體組成及實際錯誤，避免只靠位元數挑模型。
- AI 工具
- 教學
- AI 名詞解釋
生活分享
知識蒸餾（Knowledge Distillation）：讓學生模型學教師
知識蒸餾以教師模型的輸出或中間表示訓練學生模型，常用來降低部署成本或移轉特定能力。本文用文件分類說明硬標籤、軟目標與生成示範的差別，解釋教師的錯誤如何被傳遞，以及學生不一定能複製全部能力。讀完能分清蒸餾、一般微調和量化，並知道怎樣用獨立測試、任務範圍與實際硬體驗證蒸餾是否值得。
- AI 工具
- 教學
- AI 名詞解釋
生活分享
低秩適應（LoRA）：少量可訓練參數如何調整模型
LoRA 在凍結基礎權重的情況下，訓練較小的低秩更新來適應任務。本文用客服分類模型說明基礎模型、附加參數、秩與目標層的分工，區分 LoRA、完整微調、量化和 QLoRA，也解釋為什麼小型附加檔不等於整個模型很小。讀完能檢查相容版本、載入與合併、評估退化和部署成本，避免把論文中的特定節省幅度當成通用保證。
- AI 工具
- 教學
- AI 名詞解釋
生活分享
直接偏好最佳化（DPO）：用回答比較直接調整模型
直接偏好最佳化利用同一問題下的較佳與較差回答，直接調整模型對回答的相對偏好。本文依原始論文和 TRL 文件說明參考模型、偏好配對及訓練目標，以產品說明摘要示範資料如何影響結果，也區分 DPO、SFT 與典型 RLHF。讀完能理解它省略了哪些訓練環節，以及為什麼流程較簡單仍不能跳過資料品質、評估和能力退化檢查。
- AI 工具
- 教學
- AI 名詞解釋
生活分享
人類回饋強化學習（RLHF）：把偏好變成訓練訊號
RLHF 利用人類對行為或回答的回饋，建立訓練獎勵並改善模型策略。本文以活動摘要的回答比較說明示範、偏好標註、獎勵模型和強化學習的分工，介紹典型流程與其他偏好方法的差異，也拆解為什麼討喜不等於真實、獎勵分數不等於所有人的價值。讀完能看懂回饋如何影響模型，以及標註分歧、獎勵漏洞和分佈改變的限制。
- AI 工具
- 教學
- AI 名詞解釋
生活分享
監督式微調（SFT）：用好示範教模型完成任務
監督式微調以輸入和期望輸出作為訓練示範，讓既有模型學習更穩定的任務行為。本文用會議待辦整理說明資料配對、對話角色、損失計算與保留測試集，區分 SFT、少樣本提示、LoRA 和偏好最佳化，也解釋示範中的猜測與格式錯誤如何被學進去。讀完能檢查訓練資料是否真的教會模型保留未知資訊，而不是只學會看起來完整。
- AI 工具
- 教學
- AI 名詞解釋
生活分享
微調（Fine-tuning）：讓既有模型更適合你的任務
微調是在既有模型上繼續訓練，讓它更適合特定任務或領域。本文以客服信件分類說明資料整理、參數更新、保留測試集與版本部署，區分完整微調、LoRA、監督式微調和 RAG，也解釋訓練成績變好卻實際退步的原因。讀完能判斷問題是否值得微調，以及如何檢查格式一致性、未知類型、資料洩漏和原有能力退化。
- AI 工具
- 教學
- AI 名詞解釋
生活分享
預訓練（Pretraining）：模型的基礎能力從哪裡來
預訓練是在特定任務調整之前，讓模型從大量資料學得可重用表示與規律的階段。本文用下一個 token 預測和遮住內容再還原的例子說明資料、目標與參數更新，區分預訓練、微調和使用時提供上下文，也解釋為什麼學過文字不等於記得來源或保證事實正確。讀完能理解基礎模型的能力來源，以及訓練資料品質和評估汙染的影響。
- AI 工具
- 教學
- AI 名詞解釋
生活分享
知識圖譜（Knowledge Graph）：把事物與關係說清楚
知識圖譜用實體及關係組織資料，讓「誰參與什麼、在哪裡、何時發生」能沿連結查詢。本文以社群活動資料示範實體識別、關係方向、來源與時間，介紹 RDF 和屬性圖的表示差異，也說明圖譜不等於視覺化或可信事實。讀完能判斷資料適不適合建圖，並理解它如何和資料表、向量搜尋及 GraphRAG 搭配。
- AI 工具
- 教學
- AI 名詞解釋
生活分享
文件分塊（Chunking）：切多長，才不會把答案切斷
文件分塊把長文件拆成可檢索和處理的小單位，但切得越細不一定越好。本文以社群場地借用手冊說明固定長度、依章節和內容意義分塊的差別，示範如何保留主詞、例外、表格欄名與來源位置，也解釋重疊內容的好處與代價。讀完能用跨段問題與更新測試找出合適策略，避免直接把工具預設長度當成通用答案。
- AI 工具
- 教學
- AI 名詞解釋
生活分享
重新排序（Reranking）：從找得到到把好答案排在前面
重新排序會對第一輪搜尋找到的候選再做相關性判斷，常用來改善搜尋清單與 RAG 的上下文品質。本文用圖書館借閱規則示範檢索器和交叉編碼器如何分工，說明候選缺漏、輸入截斷、相關分數與真假判斷的差異。讀完能辨認該擴大檢索、修正文塊，還是增加重新排序，並用適合的測試避免為了排名改善付出不必要的等待。
- AI 工具
- 教學
- AI 名詞解釋
生活分享
混合搜尋（Hybrid Search）：兼顧精確字詞與語意
混合搜尋把全文搜尋與向量等不同檢索結果合併，讓精確代碼和自然語言需求都能被照顧。本文用器材說明書查詢拆解候選取得、去重、排名融合和重新排序，介紹 RRF 如何用名次融合不同搜尋結果，也提醒混合不保證全面更準。讀完能用代碼題、改寫題和無答案題檢查品質，並辨認權限、篩選與重複內容造成的偏差。
- AI 工具
- 教學
- AI 名詞解釋
生活分享
語意搜尋（Semantic Search）：用不同說法找到相關內容
語意搜尋嘗試依查詢和內容的意思找資料，不只比對相同字詞。本文以常見客服問題說明查詢編碼、文件表示與候選排序，區分語意相似和真正符合需求，也介紹否定句、專有代碼、跨語言與無答案題的限制。讀完能判斷搜尋問題該從嵌入模型、資料整理、混合搜尋或重新排序改善，而不把自然語言答案誤當成搜尋本身。
- AI 工具
- 教學
- AI 名詞解釋
生活分享
向量資料庫（Vector Database）：相似內容怎麼存、怎麼找
向量資料庫負責儲存向量並搜尋相近內容，常與原文識別碼、標籤和權限條件一起使用。本文用社團器材借用紀錄說明查詢流程、精確搜尋與近似搜尋的取捨，以及為什麼找不到結果可能源自篩選或索引設定。也區分向量索引、一般資料庫擴充與 RAG，帶讀者用可追查的問題檢查資料更新、刪除和檢索品質。
- AI 工具
- 教學
- AI 名詞解釋
生活分享
嵌入向量（Embedding）是什麼：把內容放進可比較的空間
嵌入向量是模型把文字等內容轉成一組數值的表示方式，常用於語意搜尋、分類與分群。本文用「下雨可以去哪裡」的查詢拆解編碼、相似度與候選結果，說明向量距離不等於真假、每一維也未必能直接命名，並介紹模型版本、語言能力與長文截斷的影響。讀完能分清嵌入向量、向量資料庫與生成答案各自負責什麼。
- AI 工具
- 教學
- AI 名詞解釋
生活分享
圖譜檢索增強生成（GraphRAG）：從關係看懂整批文件
GraphRAG 把實體及其關係納入檢索，協助回答跨文件的關聯與整體主題。本文以 Microsoft 原始論文及官方文件為範圍，拆解實體抽取、社群摘要、局部搜尋和全域搜尋，以地方活動紀錄示範不同問題需要不同路徑。也說明圖譜漏連、名稱誤合併與摘要失真如何影響答案，避免把一張漂亮的關係圖誤認為已驗證的事實。
- AI 工具
- 教學
- AI 名詞解釋
生活分享
代理式檢索增強生成（Agentic RAG）：何時需要再查一次
代理式檢索增強生成讓模型參與檢索決策，依問題與已找到的證據選擇資料來源、改寫查詢或繼續補查。本文採用 LangGraph 文件中的具體流程，以比較場地借用條件示範它和固定式 RAG 的差別，並說明停止條件、權限、查詢紀錄及成本控制。讀完能判斷任務需要動態探索，還是用可預測的固定流程就足夠。
- AI 工具
- 教學
- AI 名詞解釋
生活分享
檢索增強生成（RAG）是什麼：讓回答附上可查的依據
檢索增強生成會先從外部資料找出相關內容，再交給語言模型組織回答。本文以活動報名規章的問答為例，拆解建索引、檢索、生成與來源核對，說明它和搜尋、微調的差別，也解釋為什麼有引用仍可能答錯。讀完能判斷問題出在資料未更新、文件沒找齊，還是模型把證據解讀過頭，並知道什麼情況應保留不知道的答案。
- AI 工具
- 教學
- AI 名詞解釋
生活分享
代理技能（Agent Skills）是什麼：可重用的工作方法包
Agent Skills 是把工作指示、參考資料與可選腳本放進資料夾的開放格式，讓相容代理在需要時載入特定做法。本文用社區月報整理的情境，說明 SKILL.md、名稱與描述、逐步載入及附屬資源的角色，分清技能、系統提示詞、MCP 和 A2A。附內容設計與驗收方法，幫你判斷技能是否真的可重用，而不是只把長提示詞換個檔名。
- AI 工具
- 教學
- AI 名詞解釋
生活分享
代理互通協定（A2A）是什麼：跨系統交辦與回報任務
A2A 是讓不同系統的代理交換能力資訊、任務狀態與工作產物的開放協定，重點是跨代理協作，不是公開對方的內部提示或工具。本文用活動場地詢問的情境，解釋 Agent Card、Task、Message 與 Artifact，分清收到請求、需要補資料和真正完成。附任務生命週期圖，並比較 A2A、MCP 與 Agent Skills 的角色與相容性限制。
- AI 工具
- 教學
- AI 名詞解釋
生活分享
模型上下文協定（MCP）是什麼：連接工具與資料的共同介面
MCP 是讓 AI 應用程式與外部工具、資料和提示範本交換資訊的開放協定，不是模型本身，也不保證接上就能完成任務。本文用查詢社區圖書室資料的例子，說明主機、用戶端、伺服器及工具、資源、提示的分工，並比較 MCP、A2A 與 Agent Skills。附連線驗證與權限檢查方法，幫你區分已設定、已連接、可呼叫與真正取得結果。
- AI 工具
- 教學
- AI 名詞解釋
生活分享
工具呼叫（Tool Calling）是什麼：模型如何請程式做事
工具呼叫是模型依工具說明產生結構化請求，交由程式執行，再讀取結果的流程；產生參數不等於操作已成功。本文用借用社區器材的情境，說明工具名稱、輸入格式、查詢與寫入的差異，以及為什麼合法 JSON 仍可能包含錯誤內容。附完整往返圖與故障判讀表，幫你看懂代理何時只是提議，何時才有真正的外部結果。
- AI 工具
- 教學
- AI 名詞解釋
生活分享
ReAct 是什麼：讓推理與行動交替補足資訊
ReAct 是讓語言模型在任務中交替產生推理與行動的研究方法，透過外部觀察更新後續計畫；它不是網頁框架 React，也不是只要求模型多想幾步。本文用查找社區展覽資訊的示意情境，說明需要查什麼、工具實際回傳什麼，以及新證據如何改變答案。附流程圖與失敗判讀方法，分清可稽核行動紀錄、模型敘述與真正的外部證據。
- AI 工具
- 教學
- AI 名詞解釋
生活分享
代理協調（Agent Orchestration）是什麼：安排分工與交付順序
代理協調是安排代理、工具與工作階段如何分工、交換狀態和完成驗收的系統設計，可以由程式、模型或混合方式控制。本文用社區導覽手冊的製作流程，說明路由、並行、交接與重試如何不同，哪些步驟必須等待前置資料，以及子任務完成為何不等於整體完成。附依賴圖與檢查方法，幫你識別看似忙碌但缺乏協調的流程。
- AI 工具
- 教學
- AI 名詞解釋