随着 ChatGPT 的爆火，AI 行业仿佛进入了一个”新词大爆炸”时代。不管是产品发布会、投资人 PPT 还是技术博客，满眼都是 LLM、RAG、RLHF、Agent……哪怕是科技从业者，偶尔也会被这些缩写绕晕。
TechCrunch 于 2026 年 9 月 7 日发布了一份 AI 术语详解，梳理了普通人在 AI 时代最需要了解的词汇。本文基于这份指南，为中文读者做一个本地化编译与补充。
AGI：通用人工智能的模糊边界
AGI（Artificial General Intelligence，中文常译为”通用人工智能”）是当前行业内被提及频率最高、同时也是歧义最大的词之一。
OpenAI CEO 山姆·奥特曼（Sam Altman）曾将 AGI 描述为”可以雇佣为同事的普通人类能力”。而 OpenAI 内部章程则将 AGI 定义为”高度自主的系统，能在大多数有经济价值的工作上超越人类”。
Google DeepMind 的理解又略有不同，他们认为 AGI 是”在大多数认知任务上至少与人类能力相当的人工智能”。
有意思的是，越是前沿研究者，反而越觉得”AGI 是什么意思”这个问题本身就是最大的困惑之一。
AI Agent：从”你问我答”到”替我办事”
传统的 AI 聊天机器人，比如直接问它”帮我订一张下周北京到上海的机票”，它大概率只能给你一段文字描述，而无法真正执行操作。
AI Agent（AI 智能体）要解决的就是这个问题。它指的是利用 AI 技术自主完成一系列任务的高级工具，远超普通聊天机器人的能力范围——它可以填写报销单、预订餐厅、甚至编写和维护代码。
不过，AI Agent 领域目前仍处于基础设施建设阶段。”AI Agent”这个标签在不同产品中含义差异很大：有些只是简单的指令链，有些则具备多步骤自主规划和调用外部工具的复杂能力。
Chain of Thought：慢思考才能答对题
面对”长颈鹿和猫哪个更高？”这种问题，人类大脑几乎不需要思考就能回答。但如果是一道需要中间步骤的逻辑题，比如”一个农民养了鸡和牛，共 40 个头、120 条腿，问各多少只？”——你就需要拿出笔和纸来算了。
Chain of Thought（思维链）借鉴了人类这种”慢思考”模式。它要求大语言模型将复杂问题拆解为若干中间步骤，逐步推理出最终答案。响应时间会更长，但答案正确率——尤其在逻辑推理和编程任务上——会显著提升。
这是 2022 年以来大语言模型能力进化中最重要的一项技术之一。
API Endpoints：AI 操控世界的”按钮”
API Endpoints（接口端点）可以理解为软件背面的”按钮”——其他程序可以通过这些接口调用它的功能。
开发者利用 API 接口构建各种集成：让一个应用从另一个应用拉取数据，或者让 AI Agent 直接操控第三方服务，而无需人类手动操作每一个界面。
大多数智能家居设备和互联网平台都隐藏着这些”按钮”，普通用户从来看不见。但随着 AI Agent 能力增强，它们正变得越来越擅长自己找到并使用这些接口，自动化边界因此快速扩展——有时甚至带来意想不到的结果。
Opaque Recurrence：让 AI 安全专家担忧的新词
这是 2026 年才引起广泛关注的术语。它指的是 OpenAI 新版 Astra 模型中所采用的一种推理技术名称。
“不透明递归”这个特性让 AI 安全研究人员感到担忧：模型在推理过程中存在某些难以被外部观察和理解的内部循环，这可能会影响对模型行为的可解释性和可控性。
这个词的出现也再次提醒我们：AI 词汇表的更新速度，往往比普通人跟进的速度还要快。
Hallucination（幻觉）：AI 也会”一本正经地胡说八道”
Hallucination（AI 幻觉）指的是大语言模型生成看似流畅合理、但实际内容错误或完全虚构的信息。
模型会以自信的语调输出错误答案，因为它并不真正”理解”内容，而是基于统计概率预测下一个词。这使得 AI 幻觉尤其危险——它看起来越”像真的”，越容易让人信以为真。
RAG 与 RLHF：让 AI 更听话的两大技术
RAG（检索增强生成）是一种让 AI 在回答问题时先从外部知识库检索相关文档，再结合检索结果生成答案的技术。它的主要目的是降低幻觉率，并让模型能够获取最新知识。
RLHF（基于人类反馈的强化学习）则是通过人类偏好数据来微调模型行为的技术——让 AI 知道什么样的回答是”好的”、什么样的回答是”不好的”，从而使输出更有帮助、更符合人类价值观。
写在最后
AI 的词汇表正在以惊人的速度扩展。”今天刚搞懂 RAG，明天又冒出一个 opaque recurrence”——这是每个关注 AI 的人都在经历的日常。
好消息是，这些概念背后的逻辑其实并不复杂。只要愿意多看、多问、多理解，普通人也能在这个 AI 狂飙的时代保持清醒。
这份术语表会随 AI 领域的发展持续更新，也建议收藏 TechCrunch 的原文，获取最新版本。