289个AI/ML术语全收录：rails_ai_agents术语表帮你一图读懂AI开发-育师

【免费下载链接】rails_ai_agents

Specialized AI skills, agents, rules and hooks for modern Rails AI driven-development + Spec-Driven-Development kit + MCP

项目地址：https://gitcode.com/gh_mirrors/ra/rails_ai_agents

点击查看免费下载

rails_ai_agents是一个面向 Rails 的 AI 驱动开发实战工具包，其中内置了一份收录289 个 AI/ML 术语、横跨 25 大分类的术语表（docs/ai-glossary.md）。这份术语表用大白话解释 LLM、RAG、智能体、MCP 等热门概念，帮你一图读懂 AI 开发，是新手快速补齐 AI 概念的最佳入口。

为什么你需要这份 AI 术语表？

做 AI 开发，最怕的不是写代码，而是听不懂行话：什么 Token、上下文窗口、RAG、智能体、MCP……

这份术语表有三个特点：

全：289 个术语一次性收录，从 LLM 基础到 2025-2026 最新热词全覆盖
新：紧跟 2025-2026 趋势，收录 Vibe Coding、Context Engineering、MCP 生态、Agent HQ 等最新概念
实：每个术语都有通俗解释，并关联到 Rails + Claude Code 的真实开发场景

📌 它不是一本枯燥的词典，而是一张"AI 开发地图"——扫一眼就知道某个术语在整条技术栈里处在什么位置。

289 个术语，25 大分类速览

术语表按知识领域分成 25 大类，从底层基础一路讲到团队协作，层次非常清晰：

#	分类	关注什么
1	核心 AI/ML 基础	AI、机器学习、神经网络、监督/无监督学习
2	Transformer 架构与 LLM 内部	Self-Attention、Token、上下文窗口、KV Cache
3	模型类型与架构	LLM、多模态模型、MoE、推理模型、扩散模型
4	训练流程	预训练、RLHF、DPO、Scaling Laws
5	微调与适配	Fine-Tuning、LoRA、QLoRA、知识蒸馏
6	RAG 与知识	向量数据库、语义检索、Hybrid Search
7	提示工程	System Prompt、Few-Shot、Chain-of-Thought
8	智能体 AI 与工具调用	AI Agent、Function Calling、MCP、Computer Use
9-11	AI 安全·治理·合规	对齐、幻觉、越狱、EU AI Act
12	生成式 AI 与多模态	文生图、文生视频、TTS、潜在空间
13-14	基础设施与推理优化	GPU、量化、投机解码、Flash Attention
15	AI 编码与开发	Vibe Coding、AI 编码助手、Agentic CLI
16	性能指标与评估	TTFT、TPS、Perplexity、Benchmark
17	新兴与 2025-2026 术语	AI Slop、Model Collapse、World Model
18-20	AI-DLC·代码归属·团队协作	AI 融入 SDLC、AI 代码溯源、AI 大使
21	Claude Code 与 Agent SDK	CLAUDE.md、Hooks、Subagents、Plan Mode
22	Cursor、Copilot 与编码工具	Cursor Tab、Copilot、Windsurf、Aider
23	MCP 生态深度解析	MCP Host/Client/Server、Tools、Resources
24	智能体编码模式	Agent Loop、Agent Mode、HITL、多智能体
25	AI 编码基准测试	SWE-bench、Terminal-Bench、HumanEval

完整分类目录可直接打开 docs/ai-glossary.md 查看，每个分类下都有一张"术语—解释—分类"的表格。

新手必懂的 10 个 AI 核心术语

第一次接触 AI 开发？先从这 10 个最高频的术语读起，它们串起了整张地图：

术语	一句话解释
LLM（大语言模型）	在海量文本上训练、能理解并生成人类语言的大模型，如 GPT、Claude、Llama
Token（词元）	LLM 处理文本的最小单位，"understanding" 可能被拆成 "under" + "standing"
Context Window（上下文窗口）	模型一次能"看到"的最大 token 数，现代模型可达 4K 到 1M+
Prompt（提示词）	你给模型的自然语言输入，质量直接决定输出质量
Prompt Engineering（提示工程）	通过结构化提示、给例子（Few-Shot）、引导"一步步想"来提升效果
RAG（检索增强生成）	查询时先从外部知识库检索资料再喂给模型，减少幻觉、内容更可靠
AI Agent（智能体）	能感知环境、调用工具、自主执行多步任务的系统，不只是"聊天"
MCP（模型上下文协议）	连接 AI 与外部工具/数据的开放协议，被戏称为"AI 的 USB-C 接口"
Hallucination（幻觉）	模型生成看起来合理、实则错误或编造的内容，是可靠性的头号难题
Vibe Coding（氛围编程）	用自然语言"指挥"AI 写代码、自己只管高层意图的极简开发方式

术语表如何融入 Rails AI 开发？

这份术语表不是孤立的词典，而是rails_ai_agents整套 AI 开发工具包的"语言底座"，与工具包里的其他部分一体两面：

19 个专业 Agent + 18 个技能覆盖 Model、Controller、Job、Mailer 等 Rails 领域，正是术语表中"AI 编码与开发""智能体编码模式"两类的落地
MCP 服务器让 Claude Code 能查询生产环境错误，对应"MCP 生态深度解析"分类（参考 mcp/sentry_monitor/README.md）
SDD（规格驱动开发）套件提供 11 个/sdd:*命令，把"规格 → 计划 → 任务 → 实现"跑成流水线

在实际工作里，这些术语会变成你每天看到的真实界面。比如下面这张状态栏截图，就同时体现了术语表里的Context Window（上下文窗口）与Token Budget（Token 预算）两个概念——它实时显示当前上下文占用，以及 5 小时与 7 天的用量配额：

想深入了解这些扩展机制，可以继续阅读 docs/claude-code-extensibility-guide.md（Agent、Hooks、MCP、Plugins）和 docs/mcp-servers-rails-guide.md（MCP 服务器实战）。

如何快速上手这份术语表？

第一步：克隆仓库（只读使用）

git clone https://gitcode.com/gh_mirrors/ra/rails_ai_agents

第二步：直接打开术语表

在编辑器中打开 docs/ai-glossary.md，按 25 大分类逐段浏览即可。建议的学习路径：

先读"核心 AI/ML 基础 + Transformer 架构"打地基
再读"智能体 AI 与工具调用 + MCP 生态"理解当下最热方向
最后读"Claude Code 与 Agent SDK""Cursor、Copilot 与编码工具"，把术语落到你正在用的工具上

第三步：结合配套文档巩固

想深入的方向	推荐阅读
写好提示词	docs/prompt-engineering-for-claude-code.md
跑通第一个 SDD 功能	docs/your-first-sdd-feature.md
Sentry MCP 集成	mcp/sentry_monitor/README.md
项目整体能力	README.md

💡 小贴士：仓库是只读的，把术语表当作"随查随用"的参考手册——遇到不懂的词先在表里搜一下，再回头看源码，效率会高很多。

总结

rails_ai_agents 术语表用一份 289 词、25 大分类的清单，把庞杂的 AI/ML 概念整理成一张可扫读的全景图。无论你是想补齐 AI 概念的新手，还是要在 Rails 项目里落地 Claude Code、MCP、SDD 的工程师，它都能帮你一图读懂 AI 开发，少查十次资料。

从 docs/ai-glossary.md 开始，把 AI 开发的"行话"一次记牢吧。