过去几年，大模型行业最不缺的就是新词。

最近有同学问我：AI 相关的名词越来越多，到底哪些是基础概念，哪些只是阶段性热词，哪些已经变成产品和工程里的常规能力？

这个问题也提醒了我。前面几篇文章里，为了不打断主线，我对很多引用到的 AI 名词只是顺手解释了一下，更多是在讲应用落地时需要考虑的模型、知识库、工具调用、Agent、安全和评测，并没有系统梳理这些词本身的来龙去脉。

所以今天加餐写一篇，作为第一季之外的长期更新地图，把这些年常见的大模型术语放到同一张时间线上，帮大家把源头、爆火、沉淀和退潮捋清楚。

从 Transformer、ChatGPT、RAG、Agent，到 MCP、A2A、Deep Research、Vibe Coding、Agent Security，每一个阶段都有一批词冲上来，带着论文、产品发布、融资故事、培训课程和朋友圈截图一起扩散。

几乎所有企业 AI 落地的翻车起点，都很相似：

先接大模型 API、搭聊天框、上传资料，以为跑完 Demo，就是完成 AI 落地。

业务侧看到对话流畅，判定功能可用；开发侧看到接口 200 响应，认定链路通畅；老板看到演示效果出众，笃定可以快速降本增效。

但一旦灰度上线、真实业务跑量，各类问题会集中爆发：回答忽对忽错、内容无来源可查、数据权限混乱、调用成本失控、出错无法复盘溯源。

很多团队深耕很久才看透本质：

企业 AI 落地的核心难点，从来不是让大模型生成一句话，而是用企业标准化的工程体系，驯服模型的不确定性，让它在合规、可控、可迭代的边界内稳定工作。

本文件用于统一 15 篇公众号终稿中的核心术语解释。每个名词按“来源脉络、专业解释、通俗理解、引用地址”组织。

大模型 API

• 来源脉络：API 是软件系统之间交互的通用概念，不是 AI 时代才有。OpenAI、Anthropic、Google 等模型厂商把大模型能力封装成可调用 API 后，企业可以通过接口调用文本生成、Embedding、工具调用等能力。
• 专业解释：大模型 API 是业务系统通过 HTTP/API 协议向模型服务发送输入，并接收模型输出的接口层。
• 通俗理解：它像“远程请一个模型帮你干活”的电话线，但电话线通了，不代表企业流程、权限、成本和质量都解决了。
• 引用地址：
  • OpenAI API 模型文档：https://platform.openai.com/docs/models
  • OpenAI API 概念文档：https://platform.openai.com/docs/concepts

本篇目录

• 写在开篇：为什么要把反复沟通沉淀成统一认知
• 专栏定位：解决企业 AI 落地的本质误区
• 本季痛点：认知混乱、落地无序、风险失控、架构腐化
• 全季路线：15 期按六个阶段逐步展开
• 两季分工：第一季讲认知论述，第二季讲工程实操
• 核心名词：统一大模型 API、RAG、Agent、LLMOps 等关键概念
• 开篇寄语：给后续项目讨论一套共同语言

写在开篇：把反复沟通，变成统一认知

我做这一季专栏的初衷，非常朴素：