怎样系统性地理解AI的技术名词？一个框架

6833点击 2026-08-25 11:02

AI领域的造词速度已经到了一个夸张的水平，各种概念眼花缭乱。从龙虾、Agent、循环工程（Loop Engineering），到现在前沿的持续学习和RSI（递归自我改进）。不管是对于初步了解行业还是跟踪AI行业的人，这都是一件比较头疼的事情。

怎样系统性地理解这些概念？笔者尝试提供一个框架。

首先，最重要的一点是，AI这两年的所有技术演进，始终围绕着一个终极目标：提升模型的智能水平。对我们普通人来说，具体就体现在AI能写出更好的代码、更好的文章、做更漂亮的PPT/网页等。

提升模型的智能水平的方式，可以分成两类：改变模型权重 vs 不改变模型权重（如下图）。

怎样系统性地理解AI的技术名词？一个框架

1 类型A：改变模型权重的方式，包括预训练和后训练。

预训练是模型的基础。通过大规模互联网文本数据上进行无监督学习，铸造模型的底层世界知识和语言直觉。由于高质量文本数据消耗殆尽以及物理算力的瓶颈，单纯依赖“堆参数”的预训练缩放正在逼近物理饱和点。

后训练通过监督微调和人类/AI反馈强化学习，教导模型理解如何理解指令、保持安全、对齐人类偏好，并以结构化的格式进行输出。这两年后训练的变化主要体现在推理模型，o1、Gemini Thinking、DeepSeek-R1等推理模型就是在这一层用强化学习训练出来的。

2 类型B：不改变模型权重的方式，主要包括推理时扩展（Inference-time Scaling）和Harness

推理时扩展的核心逻辑是在模型参数不变的前提下（不更新权重），通过分配更多的推理算力（生成更多思考Token、搜索更多路径）来换取更高的解答准确率。

Harness：Harness的原意是马具。大模型（Model）就像一匹力气很大的马，而 Harness 就像马鞍和缰绳，决定了AI这匹马往哪个方向走、如何受控。提示词工程、上下文工程、RAG、记忆、工具、MCP、Agent、Harness、循环工程、龙虾（OpenClaw）都属于这个类别。

3 新范式：持续学习、RSI

模型产生的输出与基于此得到的反馈，又会变成新的训练原料，从而成为一个闭环，从而我们可以引出持续学习和RSI等新兴范式（如下图）。

怎样系统性地理解AI的技术名词？一个框架

持续学习、RSI强调的是对整个闭环范式的改变。持续学习强调解决灾难性遗忘，每次模型与外界交互获得的经验可以内化到模型中，成为智能的一部分，从而构建AI长期+动态的学习能力。

RSI全称Recursive Self-Improvement，递归自我改进，关键在于递归，递归的本质是自己调用自己；AI改进的是“自己改进自己的能力"，形成复利式的增长。

文章来自于"Luis Lens"，作者 "Luis"。

关键词: AI新闻 , AI名词 , AI科普 , 人工智能

AITNT资源拓展

根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考

智能体

【开源免费】AutoGPT是一个允许用户创建和运行智能体的（AI Agents）项目。用户创建的智能体能够自动执行各种任务，从而让AI有步骤的去解决实际问题。
项目地址：https://github.com/Significant-Gravitas/AutoGPT

﻿【开源免费】MetaGPT是一个“软件开发公司”的智能体项目，只需要输入一句话的老板需求，MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色，包括产品经理 / 架构师 / 项目经理 / 工程师，MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址：https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md

RAG

【开源免费】graphrag是微软推出的RAG项目，与传统的通过 RAG 方法使用向量相似性作为搜索技术不同，GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。
项目地址：https://github.com/microsoft/graphrag

【开源免费】Dify是最早一批实现RAG，Agent，模型管理等一站式AI开发的工具平台，并且项目方一直持续维护。其中在任务编排方面相对领先对手，可以帮助研发实现像字节扣子那样的功能。
项目地址：https://github.com/langgenius/dify

【开源免费】RAGFlow是和Dify类似的开源项目，该项目在大文件解析方面做的更出色，拓展编排方面相对弱一些。
项目地址：https://github.com/infiniflow/ragflow/tree/main

【开源免费】phidata是一个可以实现将数据转化成向量存储，并通过AI实现RAG功能的项目
项目地址：https://github.com/phidatahq/phidata

【开源免费】TaskingAI 是一个提供RAG，Agent，大模型管理等AI项目开发的工具平台，比LangChain更强大的中间件AI平台工具。
项目地址：https://github.com/TaskingAI/TaskingAI

微调

【开源免费】XTuner 是一个高效、灵活、全能的轻量化大模型微调工具库。它帮助开发者提供一个简单易用的平台，可以对大语言模型（LLM）和多模态图文模型（VLM）进行预训练和轻量级微调。XTuner 支持多种微调算法，如 QLoRA、LoRA 和全量参数微调。
项目地址：https://github.com/InternLM/xtuner

prompt

【开源免费】LangGPT 是一个通过结构化和模板化的方法，编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词，进而高质量的帮助用户通过AI解决问题。
项目地址：https://github.com/langgptai/LangGPT/blob/main/README_zh.md
在线使用：https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0