AI 名詞，說人話。
聽不懂的名詞，先來這裡查。每個詞都用一兩句白話解釋，課程裡第一次出現時也會再說明一次。
- LLM（大型語言模型）
- 讀過大量文字後，學會「根據前文預測接下來的文字」的 AI 模型。ChatGPT、Claude、Gemini 背後都是 LLM。
- Prompt（提示詞）
- 你給 AI 的指令或問題。寫清楚角色、任務、背景、格式與限制，回答通常會好很多。
- Token
- 模型處理文字的單位，大約是一個詞或幾個字的片段。API 的費用和長度限制，通常都用 token 來計算。
- Context window（上下文視窗）
- 模型一次能「看到」的文字量上限，包含你的指令、對話紀錄和上傳的內容。超過上限，前面的內容就可能被忽略。
- Hallucination（幻覺）
- AI 很有自信地說出錯誤或編造的內容，例如不存在的報告或錯誤的數字。重要資訊一定要自己查證。
- System prompt（系統提示）
- 在對話開始前給模型的整體規則，例如它扮演什麼角色、回答要遵守哪些限制。使用者通常看不到它。
- AI Agent
- 不只回答問題，還會自己使用工具、多步驟完成任務的 AI。可以簡單理解成「模型 + 工具 + 迴圈」。
- Coding Agent
- 專門寫程式的 AI Agent，能讀你的專案檔案、修改程式、執行指令與測試，例如 Claude Code、Cursor、GitHub Copilot。
- Claude Code
- Anthropic 推出的 Coding Agent，可以在終端機或編輯器裡使用。它會在你指定的資料夾裡讀檔、改檔、執行指令，重要動作前會先問你同不同意。
- CLAUDE.md
- 放在專案資料夾裡、寫給 Claude Code 看的專案說明檔。記錄專案用途、技術選擇和規則，Agent 每次開始工作都會先讀它。
- Tool use（工具使用）
- 讓模型可以呼叫外部功能，例如搜尋網路、查資料庫、讀寫檔案。模型決定要用哪個工具，實際執行的是你的程式。
- API
- 讓程式和程式溝通的介面。用 LLM 的 API，你就能在自己的程式裡呼叫模型，不用透過聊天視窗。
- Embedding（向量嵌入）
- 把一段文字轉成一串數字（向量），意思相近的文字，向量也會比較接近。是語意搜尋和 RAG 的基礎。
- RAG（檢索增強生成）
- 先從你的文件裡找出相關段落，再交給模型根據這些段落回答。能讓 AI 回答它原本不知道的內容，並附上出處。
- MCP（模型上下文協定）
- 一套讓 AI 應用程式連接外部工具和資料的開放標準。工具只要做成 MCP 伺服器，就能被支援 MCP 的各種 AI 工具使用。
- Evals（評估）
- 用一組事先準備好的題目和標準，系統化地檢查 AI 的表現。每次修改提示或程式後都跑一次，才知道是變好還是變差。
- Prompt injection（提示注入）
- 有人把惡意指令藏在網頁、信件或文件裡，讓讀到內容的 AI 誤以為是要執行的命令。讓 AI 讀外部內容時要特別防範。
- Python
- 一種好讀、好上手的程式語言，在資料處理、自動化和 AI 開發都很常用。這個網站的程式課程都以 Python 為主。
- 虛擬環境
- 為每個 Python 專案建立一個獨立的套件空間，不同專案用不同版本的套件也不會互相干擾。