prompt：提示词，就是你跟大模型说的每一句话

system prompt: 系统提示词，你给大模型设定的需要遵守的约定

token: 分词器把prompt切分成一个一个token，token是大模型理解内容的最小单元，每个token都对应着一个数字（token id），大模型的任务就是算出在这串token序列后，应当续写哪些token

上下文（窗口）：大模型能获取到的对话范围

幻觉：大模型会乱说话，大模型本质是一个不断续写token的机器，你给它上文，它根据自己学过的概率，去猜下一个最合适的词是什么，猜完一个再猜下一个，最终形成一段话。但是这个只保证了语言流畅不能保证事实正确，所以有时候大模型会出现一本正经地胡说八道的情况。

Structured Output：结构化输出，按照设定规则输出，比如要求模型按照json的格式输出结果、按照表格的格式输出结果

Function Calling：函数调用，可以按照设定的规则调用对应的函数

RAG：检索增强生成，让模型基于知识库去回答，会将文档存到向量数据库便于，模型检索相关知识

Embedding: 将文档块转化为向量的工具

向量数据库：向量的存储引擎，便于检索时按照向量查找对应内容

微调：用数据训练模型，让模型学会一种固定的风格、逻辑或特定领域的常识。

Agent：给agent一个目标，agent会自己拆解目标化为行动，agent其实就很像助手，它能自己独立完成很多事情，最后给到一个结果

MCP：模型上下文协议，即工具对接的“USB协议”，大模型在调用MCP时要根据MCP工具给出的标准格式给出对应的参数，与函数调用不同的是，函数调用只是给出了工具，而在大模型中如何使用这个函数是需要我们自己用json格式来说明的，mcp则不用写对应的使用说明，因为mcp已经将规则制定好了

Skill：Skill 是封装好的能力模块，包括知识库、工具集、提示词等信息，当Agent判断用户意图是属于某个能力模块时，会激活相关的Skill，这个 Skill 瞬间将上述三样东西加载到上下文中，让大模型暂时变成这个领域的专家。

注意：自用笔记，仅供参考，如有错误，欢迎指正！