LLM是"超级学霸"基础模型；

 一句话解释：
  LLM 是一种通过海量文本训练出来、能够理解和生成自然语言的人工智能模型。

  面试里可以这样说：
  “LLM 本质上是一个擅长处理文本的 AI 模型，可以做问答、总结、翻译、代码生成和内容生成。”

Token是最小信息处理单元；

一句话解释：
  人看的是一句话，模型看的是一个一个 token。

面试里可以这样说：
  “Token 是大模型在训练和推理时用来切分和计算文本的基本单位，输入和输出通常都是按 token 计费和计长的。”

Prompt决定提问质量；

 一句话解释：
  Prompt 是用户提供给大模型的提示信息，用来引导模型生成想要的结果。

  面试里可以这样说：
  “Prompt 就是和大模型交互时输入的指令或上下文，Prompt 写得越清晰，模型输出通常越符合预期。”

Context是记忆长度；

 一句话解释：
  Context 是大模型在当前对话或任务中，能够看到并用来理解问题的所有相关信息。

面试里可以这样说：
  “Context 就是模型回答当前问题时所参考的上下文，Context 越完整，模型通常越容易给出准确结果。”

多模态处理图文音视；

多模态 就是 AI 不只处理一种信息，而是能同时理解和处理多种类型的数据。

一句话解释：
  多模态就是让模型同时理解文本、图片、语音、视频等不同模态的信息。

面试里可以这样说：
  “多模态模型不是只处理文本，而是能够联合处理文本、图像、语音等多种信息，从而完成更复杂的任务。”

API连接应用；

 一句话解释：
  API 是不同软件系统之间进行交互和调用的一套规则。

面试里可以这样说：
  “API 是系统对外提供功能和数据访问能力的接口，调用方不需要知道内部实现，只需要按约定的方式请求和获取结果。”

MCP统一接口标准；

Model Context Protocol，中文常叫模型上下文协议。

  一句话解释：
  MCP 是一种让大模型统一连接外部工具、数据源和服务的标准协议。

  你可以把它理解成：
  给大模型接工具的“通用插座”

  比如通过 MCP，模型可以更标准地去访问：

  - 数据库
  - 文件系统
  - 搜索工具
  - 第三方 API
  - 企业内部系统

  面试里可以这样说：
  “MCP 是为大模型和外部工具之间交互设计的一套标准协议，目的是统一上下文和工具调用方式，让模型更容易接入不同系统。”

RAG减少"幻觉"；

RAG 是 Retrieval-Augmented Generation，中文一般叫检索增强生成。

  一句话解释：
  RAG 是让大模型先去检索外部知识，再基于检索结果生成答案的一种方式。

  你可以把它理解成：
  先查资料，再回答问题

  它的作用是：

  - 补充模型不知道的最新知识
  - 降低幻觉
  - 让回答更贴近企业内部文档、知识库、数据库内容

  面试里可以这样说：
  “RAG 是一种把信息检索和大模型生成结合起来的方案，模型先从外部知识库取回相关内容，再基于这些内容生成更准确的回答。”

Agent能自主执行任务；

一般指能自主完成任务的智能体。

  一句话解释：
  Agent 是基于大模型、具备感知、推理、规划和执行能力，能够为完成目标主动调用工具和采取行动的系统。

  面试里可以这样说：
  “普通 LLM 更像是在回答问题，Agent 则是在目标驱动下，不只会回答，还会自己分步骤、调用工具、执行任务并根据结果继续调整。”

CoT展示思考过程。

是 Chain of Thought，中文一般叫思维链或链式推理。

  一句话解释：
  CoT 是让大模型把复杂问题拆成多个中间步骤，按步骤推理后再得出答案的方法。

  面试里可以这样说：
  “CoT 的核心思想是让模型不要直接给结论，而是先分步骤思考，这样通常能提高复杂推理、数学题和逻辑问题的准确率。”

这些概念层层递进，构成AI工作原理。