@精英打工人们
点击上方蓝字关注我们
这段时间，我一直在高频使用Claude Code和Codex，中间遇到了很多问题，也接触到了很多不懂的词汇，刚开始觉得这些词汇不重要。直到我熟悉了这些工具后，才慢慢理解了这些词汇的真正含义和用途。
我把这些词汇和术语都记录和梳理出来了，它们看起来像技术黑话，其实却是AI世界的基础语言。我们认识哪些词，基本能反映出我们AI的使用水平。
这期梳理的高频词汇有26个（后期会慢慢学习和补充），我把它们分成了5个段位。看看这些词你认识多少？你的AI使用水平在哪个段位？
段位一：围观级——知道有AI这回事
这一层的词，即使我们不动手用AI，刷刷新闻、看看朋友圈也能够知道它们。
包括：AIGC、LLM、Prompt、Hallucination。
AIGC：AI生成的内容，文字、图片、音视频都算，我们平时刷到的不少素材都是它。比如：我现在基本上70%以上的图片都是AIGC作品，不是自己手绘的。
LLM：大语言模型，也是AI的大脑，负责听懂人话、再说出人话。聊天AI背后都是它，比如：ChatGPT、Claude、Gemini、豆包、Deepseek都是LLM。
Prompt：提示词，就是我们给AI的指令。比如：根据我给你的内容，帮我生成一份PPT，这就是一个最简单的Prompt。
Hallucination：幻觉，制AI一本正经地胡说八道。比如：我们让它查找数据，它甩出来一个看着特专业、其实根本查不到的数据。
段位二：入门级——会把AI当聊天工具用
这些词，是我们与AI聊天时经常碰到的问题。
包括：Token、Context Window、Memory、 Multimodal。
Token：AI处理文字的最小单位，也是计费单位，我们算成本、估长度时就看它。
Context Window：上下文窗口，AI一次能记住的内容上限，它决定AI能不能记住前面。比如：聊太久了，AI会把开头说好的要求忘了，就是超窗口了。
Memory：记忆，AI跨对话记住我们的信息，省得每次重新自我介绍。比如：AI记得我们是谁、做什么的、爱什么风格，下次直接接着用。
Multimodal：多模态，AI除了文字外，还能处理图片、语音、视频等。比如：拍张报表照片丢给它，它能直接把数字读出来。
段位三：进阶级——能给AI连接外部能力、工具和数据
这一段是AI使用水平的分水岭。AI开始能接上外部的工具和数据，不再只靠自己那点记忆瞎聊了。
这个阶段，我们基本上能理解这些词汇：API、RAG、MCP、Plugin、Skill、上下文工程。
API：应用程序接口，让不同软件互相调用的插口，我们用它把AI接进自己的程序和流程。比如：一个数据分析工具，通过API调用AI，自动生成分析结论。
RAG：检索增强生成，说白了就是先查私有资料再回答，专治AI胡说八道瞎编的毛病。比如：把公司内部资料喂给AI，员工问的时候，AI照内部文件回答，而不是胡编乱造。
MCP：模型上下文协议，它可以让AI标准地连接外部工具和数据源，比如：让Claude接代码仓库、数据库、设计工具。
Plugin：插件，给AI挂上的现成功能模块或工具箱，需要哪个能力就挂哪个。比如：装个浏览插件，它就能现查网上的最新信息。
Skill：技能，把一套可复用的做法教给AI，让它以后照着做，相当于把经验固化下来。比如：我做过一个“收集零散信息和想法”的Skill，它能把我平常吃灰的收藏夹、各种链接、突然蹦出的灵感想法，自动收集起来归类，告诉我哪些是待办事项、哪些是灵感可以当素材，哪些需要保存，每天自动发送到我的飞书里。
上下文工程：如何在有限的上下文里，把最精确的业务背景、最严谨的逻辑约束、最高效的RAG检索结果打包传递给大模型，让它一次性产出完美结果。比如：我让AI写一篇商业分析文章，如果只给标题，它只能泛泛而谈；如果我给它写作目标、写作风格、目标读者、核心观点、案例素材、文章结构，它写出来就会更接近我的要求。
我观察下来，绝大多数人卡在这道坎，具体表现就是很会跟AI聊天，却始终没把AI接到自己真正的业务、数据和知识库里。AI此时仍然是一个「聊得很好、却帮不上正事」的对话框。
段位四：专业级——能让AI自动规划执行任务
跨过分水岭再往上，就能让AI自己动起来了、自动执行任务了。
这个阶段，我们基本上能理解这些词汇：Agent、SubAgent、Workflow、Loop、Schedule。
Agent：智能体，能自己拆任务、调工具、一步步把活干完的AI，我们给目标、它自己干。比如：我让AI把我电脑里的发票整理一下，它就会自己搜索这些发票，整理、重命名、分类、汇总台账、计算分析。
SubAgent：子智能体，主Agent派出去干分支任务的「分身」，把大活拆给几个小弟并行做。比如：我要设计一款App，子智能体一个搜资料、一个做调研、一个写代码、一个做检查。
Workflow：工作流，把固定步骤编排成自动流程，重复的活不用每次手动。比如：自动生成报表，就是连接数据库→取数据→清洗数据→生成报表→发邮件，一次设好就自动跑。
Loop：循环，让AI反复执行直到达成某个条件，适合要反复试错的活儿。比如：让AI一直改代码，直到测试全部通过为止。
Schedule：定时调度，让AI到点自动跑，专治无人值守的周期任务。比如：每天早上8点，自动汇总昨天的数据、收集昨天的竞品信息、收集昨天的热点商业新闻发到我邮箱。
到这一层，我们的身份变了：从「操作工具的人」，变成了「指挥系统的人」。
段位五：工程级——能让AI做项目，工程化落地
最后这个段位的词最多，不知大家发现没有，它们多半是程序员的词。
包括：Git、Fork、Hook、CLI工具、Sandbox、Harness、Vercel。
Git：代码版本管理工具，记录每次改动、随时能回退，改崩了也能回去。比如：AI把代码改坏了，Git一键能退回上一个好版本。
Fork：分叉，复刻，把别人的项目完整复制一份到自己名下来改，站在成果上改又不动原版。比如：Fork一个现成工具，改成自己要的样子。
Hook：钩子，在某个动作发生时自动触发一段操作，实现「当……就自动……」。比如：每次AI提交代码前，自动先跑一遍格式检查；每次我更新飞书里的文档时，它就自动同步更新多维表格里的记录。
CLI工具：命令行工具，用敲命令来操作而不是点鼠标，目的是更快、更方便让AI直接调用。比如：安装飞书 CLI后，用Claude Code、Codex就能操作飞书，发消息、写文档、建表格、管理会议日程、审批任务等。
Sandbox：沙盒，一个隔离的安全环境，里面出错也不影响真实系统，让AI放手试又不闯祸。比如：让AI在Sandbox里跑代码，即使炸了也伤不到我们的电脑。
Harness：可理解为测试和运行框架，让AI系统被测试、被评估、被控制。比如一个AI客服，不是能回答一句就算完成。需要测试它在1000个问题下的表现，看它错多少、漏多少、乱答多少。
Vercel：一个把应用、网页能一键部署上线的平台，把做好的东西变成能访问的网址。比如：我把AI做好的页面用Vercel发布，就成了一个别人也能访问的真实链接。
能把这些词认全的人，基本已经能亲手搭AI系统、改它、再把它部署上线了。
总结
认识这些词，不是为了显得专业。
而是因为每一个词背后，都代表了一种新的能力入口，代表了认知边界的水平。
很多人还停留在第二层，比如让AI写一个报告，改一个标题、生成一张图片。
但更高阶的人，已经开始让AI读知识库、接工具、跑流程、改代码、做测试、部署项目。
这才是AI使用水平真正拉开差距的地方。