AI 写作词典 · 共 20 个词条

AI 写作词典

从 prompt 到 RAG,从 temperature 到 MCP —— 全面理解 AI 写作的核心术语。

💬

Prompt(提示词)

基础

输入给 AI 的指令文本,决定生成内容的质量与方向。

提示词是与大语言模型交互的核心接口。一个好的提示词通常包含:角色、目标、上下文、格式约束、示例(few-shot)。Try AI Writer 的所有模板都基于经过实战验证的提示词工程方法。

「你是一位资深 SaaS 营销文案,请用 150 字为 AI 写作工具写一段 LinkedIn 开场白,语气专业但不刻板」
🪙

Token(标记)

基础

模型处理的最小文本单位,约等于 0.75 个英文单词或 1 个汉字。

大语言模型把文本切分成 token 后进行处理。计费、上下文长度限制都以 token 为单位。1 个中文字符 ≈ 1.5-2 个 token,1 个英文单词 ≈ 1.3 个 token。Try AI Writer 在编辑器右下角实时显示当前文档 token 数。

「Try AI Writer」 = 4 tokens · 「中文测试」 = 5 tokens
🪟

Context Window(上下文窗口)

基础

模型一次能处理的最大 token 数,决定长文写作能力。

Claude Sonnet 4.6 支持 200K tokens(约 15 万字),GPT-5 Turbo 支持 128K tokens。Try AI Writer Pro 提供 200K 上下文窗口,足够一次性喂入 2-3 本书作为参考。

相关:TokenRAG
🔍

RAG(检索增强生成)

进阶

让 AI 在回答前先检索相关文档,减少幻觉并提升准确性。

RAG (Retrieval-Augmented Generation) 是企业级 AI 写作的事实标准。Try AI Writer 的「参考资料」功能让用户上传 PDF/Word/网页,AI 在生成时自动检索相关内容并引用。

上传 50 份产品手册 → AI 自动用其中信息回答客户问题
🧮

Embedding(嵌入)

进阶

把文本转成高维向量,让机器能「理解」语义相似度。

Embedding 是 RAG 的底层技术。两个意思相近的句子,其向量在空间中也相近。Try AI Writer 使用 OpenAI text-embedding-3-large 模型,每个文本块生成 3072 维向量。

🗄️

Vector Database(向量数据库)

进阶

专门存储和检索 embedding 向量的数据库。

Pinecone、Weaviate、Qdrant 是主流选择。Try AI Writer 使用 pgvector(PostgreSQL 扩展),让用户数据保存在自己的数据库中,零外部传输。

相关:EmbeddingRAG
🎙️

Brand Voice(品牌声音)

应用

品牌在所有沟通中呈现的独特语气、用词与价值观。

Try AI Writer 的「数字分身」功能让您用 10-20 篇历史文章训练专属品牌声音模型,输出内容自动匹配您的写作人格。

Nike: 鼓舞、强大、简洁 · 苹果: 好奇、简约、人性

Digital Twin(数字分身)

应用

基于您历史内容训练的写作人格 AI 模型。

Try AI Writer 的旗舰功能。您提供 10-20 篇代表作品(博客、邮件、推文等),系统训练出一个专属写作人格,所有后续生成内容都自动应用该风格。一个账号最多可创建 5 个分身(如:博客分身、客服分身、推特分身)。

📝

Few-shot Prompting(少样本提示)

基础

在提示词中提供 2-5 个示例,让 AI 学会您的风格。

相比 Zero-shot,Few-shot 通常能让输出质量提升 30-50%。Try AI Writer 的「数字分身」本质上是 Few-shot 的工业化实现——您提供示例,AI 永远按此风格生成。

示例 1: [您的博客] → 风格: 故事化、长句 示例 2: [您的博客] → 风格: 同上
0️⃣

Zero-shot Prompting(零样本提示)

基础

不提供任何示例,直接让 AI 完成任务。

适合通用任务(如总结、翻译、纠错)。现代大模型在 Zero-shot 下已能达到 80%+ 的人类水平,但特定风格/格式仍需 Few-shot。

🔗

Chain of Thought(思维链)

进阶

让 AI 一步步推理,复杂任务表现提升 40%+。

CoT (CoT) 让模型在最终答案前先输出推理过程。Try AI Writer 的「深度思考」模式默认启用 CoT,特别适合数据分析、长文结构规划等任务。

「让我们一步步思考:先分析目标读者 → 再列出 3 个核心论点 → 最后逐段展开」
👻

Hallucination(幻觉)

风险

AI 生成看似合理但实际错误的内容。

大语言模型的固有问题。在写作场景中,幻觉常表现为:编造统计数据、虚构人物言论、错引经典著作。Try AI Writer 通过 RAG + 引用追溯 + 事实核查插件三种机制降低幻觉率。

相关:RAG
🌡️

Temperature(温度)

进阶

控制 AI 输出的随机性,0 = 保守可预测,1 = 创意发散。

Temperature 是采样参数。Try AI Writer 在不同场景使用不同默认值:技术文档 0.3、营销文案 0.7、诗歌创作 0.9。Pro 用户可手动调整。

温度 0.1:「这是产品介绍」 温度 0.9:「这扇通往未来的门,悄然开启」
🎯

Fine-tuning(微调)

进阶

用您的专属数据进一步训练基础模型,效果最强但成本最高。

相比 Few-shot 提示,微调能产生深度风格匹配,但需 1000+ 样本和 $5K+ 训练费。Try AI Writer 推荐先用「数字分身」(Few-shot),80% 场景足够。

🎭

Tone(语气)

应用

文本的情感色彩:正式、随意、幽默、严肃等。

Try AI Writer 内置 12 种语气预设:专业、随意、幽默、严肃、热情、冷静、激励、批判、友好、权威、神秘、亲切。所有模板支持一键切换。

相关:Brand Voice
🔎

Plagiarism(抄袭检测)

应用

检测生成内容是否与已有网络内容高度相似。

Try AI Writer 集成 Copyscape API,Pro 用户每次生成后可一键查重,确保原创度 ≥ 95%。

📈

SEO Score(SEO 评分)

应用

基于关键词密度、标题结构、可读性等维度的内容优化评分。

Try AI Writer 的 SEO 检查器给出 0-100 分,并提供具体改进建议:标题长度、关键词分布、H2/H3 结构、内链机会等。

🛰️

GEO(生成式引擎优化)

趋势

针对 ChatGPT/Claude/Perplexity 等 AI 搜索的优化,SEO 的下一代。

GEO (Generative Engine Optimization) 关注如何让您的内容被 AI 搜索引擎引用并推荐。Try AI Writer 自动优化结构化数据、权威引用、FAQ 段落。

相关:SEO Score
🤖

AI Agent(AI 代理)

趋势

能自主规划、调用工具、完成多步任务的 AI 系统。

2026 年 AI Agent 是主流范式。Try AI Writer 的「研究助手」Agent 可自主:搜索资料 → 整理大纲 → 写初稿 → 事实核查 → 润色输出,全程无需人工干预。

🔌

MCP(Model Context Protocol)

趋势

Anthropic 提出的 AI 工具调用标准协议,2026 年事实标准。

MCP 让 AI 模型与外部工具(数据库、API、文件系统)标准化通信。Try AI Writer 已支持 MCP 协议,开发者可一行代码接入 500+ 现成工具。

相关:AI AgentRAG

没找到想要的术语?

告诉我们您想了解的 AI 写作概念,我们会在 1 周内补充。

提交词条建议