1. 互联网、编程与传播
Feed（信息流）：社交平台按推荐或时间顺序连续展示帖子、视频和文章的页面。它和第五章的 Workflow（工作流）不是一回事；前者是内容页面，后者是任务步骤。
AI Coding（AI 编程）：使用 AI 理解、生成、修改或检查程序代码的统称。
Coding Agent（编程智能体）：围绕编程目标连续读取文件、修改代码、运行命令和检查结果的 Agent。
Vibe Coding（氛围编程）：主要用自然语言告诉 AI 想做什么、较少逐行查看代码、更关注程序能否运行的一种 AI 编程方式。
Code（代码）：按照编程语言规则写成、用来告诉计算机怎样工作的文字。
Code Editor（代码编辑器）：查看和修改代码文件的软件，例如 VS Code。
CLI（命令行界面）：通过输入文字命令操作软件的方式。
Terminal（终端）：输入和运行命令的窗口；CLI 是交互方式，Terminal 是承载这种交互的常见窗口。
Test（测试）：用预先设计的检查判断程序是否按要求运行。
Error（报错）：程序或命令没有正常完成时返回的问题提示。
Open Source（开源）：软件代码按许可证公开，别人可以在许可证允许的范围内查看、使用、修改或再发布。
2. Git 与 GitHub
Git：记录文件变化和项目版本的工具。它主要运行在电脑上，可以查看历史、比较修改，也能恢复到较早版本。
GitHub：把 Git 项目放到网上保存、分享和协作的平台。很多 Agent、Skill 和开源工具会把项目文件、说明和更新记录放在这里。
Repository / Repo（仓库）：GitHub 上一个项目的完整空间，通常包括文件、版本历史、说明和协作记录。
README（说明文件）：仓库首页常见的项目介绍，通常先说明项目做什么、怎样安装和怎样使用。
Star（星标）：把感兴趣的仓库保存起来，并向维护者表达关注。Star 数量可以反映关注度，不能单独证明项目质量。
Clone（克隆）：把 GitHub 仓库及其版本历史复制到自己的电脑。
Commit（提交记录）：给一批修改留下一个带说明的版本记录。
Branch（分支）：从现有版本分出一条独立修改线，完成后可以再合并回来。
Fork（派生仓库）：把别人的 GitHub 仓库复制到自己的账号下，形成可以独立修改的副本。它和第六章的任务 Fork 都有“从同一起点分出去”的意思，但分叉的对象不同。
Pull Request / PR（合并请求）：把一条分支或派生仓库中的修改提交给原项目，请维护者审查并决定是否合并。
Issue（议题）：在仓库里记录问题、建议、待办或讨论的页面。
3. 行业与融资圈
AGI（通用人工智能）：指在几乎所有认知任务上达到或超过人类水平的人工智能。目前没有公认已经实现的系统，常被各家公司当作长期目标，也常出现在融资故事里。
ASI（超级智能）：设想中能力全面超越人类的人工智能，比 AGI 更进一步的说法，同样停留在讨论和预测阶段。
Scaling Law（规模法则）：指一种经验规律：随着模型参数、训练数据和算力投入增加，模型能力往往随之提升。它是不少公司持续投入更大模型的理由，也有人认为收益已经出现递减，双方常年争论。
护城河（Moat）：一家公司相对竞争对手能够持续保持优势的原因，比如独家数据、用户习惯或成本结构。“大模型公司到底有没有护城河”是投融资圈常吵的话题。
套壳（Wrapper）：主要调用别家大模型接口、自己包一层界面或工作流程、不训练模型的产品，带贬义，暗示技术门槛不高。
PMF（Product-Market Fit，产品市场匹配）：产品是否真正解决了目标用户的需求、值得持续使用和付费，是创投圈通用词，AI 产品讨论里也常出现。
烧钱 / 烧 Token：形容调用大模型接口或训练模型的花费很高、消耗很快。
前沿模型（Frontier Model）：目前处于能力最顶尖梯队的大模型，各家公司常用这个词形容自己刚发布的旗舰模型。
开源 / 闭源之争：模型公司是否公开训练细节和权重文件（参见第九章的 Open Weights）的路线选择，也是行业里常年争论“谁的路线更代表未来”的话题——有人认为开源更利于生态和安全审查，也有人认为闭源更利于商业化和风险管控。
Openwashing：有的公司号称“开源”，实际只公开部分权重，或附带较多限制性条款，被戏称为蹭“开源”名头。
4. 技术路线与研究方向
有些技术词和本手册的 Agent 主线不一定有直接关系，但都是跟着这一波大模型浪潮一起被频繁提起的技术方向，知道它们大致指什么就够了。
涌现（Emergence）：模型规模扩大到一定程度后，突然表现出训练时没有专门设计、较小模型也不具备的新能力，常被当作支持 Scaling Law 的例子。
对齐（Alignment）：让模型的行为、回答和判断尽量符合人类意图和价值观，减少危险、误导或失控输出，安全和伦理讨论中常被提到。
推理时计算（Test-time / Inference-time Compute）：不靠把模型训练得更大，而是让模型回答具体问题时“多想一会儿”、多尝试几种思路，以此提升效果的技术方向。
思维链（Chain of Thought，CoT）：让模型先写出一步步的推理过程、再给出最终答案的做法，通常能提高复杂问题的回答质量。
世界模型（World Model）：让 AI 学习和模拟物理世界运行规律（物体怎样运动、场景怎样变化）的技术路线，被视为让 AI 从“只会处理文字”走向“理解真实世界”的方向之一。
具身智能（Embodied AI）：让 AI 装进有物理身体的机器人或设备里，通过和真实环境互动来感知和行动的技术路线，常和世界模型、机器人一起被讨论。
5. 开发人员与社区常挂在嘴边的说法
工具调用（Function Calling / Tool Use）：模型判断需要用某个工具后，按约定格式发出调用请求，交由程序执行，再把结果交回给模型，是 Agent 能操作外部世界的底层机制之一。
编排（Orchestration）：安排多个 Agent、工具或步骤按顺序或按逻辑关系协同工作。
多智能体（Multi-Agent）：由多个 Agent 分工协作完成同一个任务，而不是单个 Agent 独自完成全部步骤。
炼丹：调整模型参数、训练配置的戏称，暗指这个过程像炼丹一样依赖经验和运气，不完全是精确科学。
卷 / 内卷：形容同类产品、模型或团队之间同质化竞争激烈，投入不断加码，但差异化有限。
6. 垂直领域与社区里好玩的说法
这些词更偏口语和圈内玩笑，不是严谨的技术定义，但很常见，遇到时知道是在说什么就好。
抽卡：在 AI 绘图、视频生成等场景，同样的提示词每次生成的结果都不完全一样，用户往往要跑很多次才能抽到满意的一张，这个过程被戏称为“抽卡”，借用抽卡游戏的说法。
咒语：AI 绘图圈子对 Prompt 的戏称，因为很多人靠拼凑一串经验性词汇让生成效果更好，看起来像在念咒。
调参侠：戏称主要靠反复试错调整参数、不太深究原理的人，带一点自嘲或调侃意味。
玄学：形容训练、调参或提示词的效果说不清道理、时好时坏，只能靠经验摸索，呼应前面的“炼丹”。
缝合怪：戏称把多个模型、插件或素材拼凑组合而成、原创程度不高的作品或产品。
AI 味：指文字、图片或视频让人一眼看出是 AI 生成的，带有一种特殊的生硬感或套路感。
屠榜 / 刷榜：模型在某个评测榜单（Benchmark）上排名遥遥领先；也可以指有团队专门针对榜单去优化分数，而非提升实际能力。
显卡刺客 / 缺卡：分别形容显卡价格贵得让人肉疼、以及训练或部署模型时买不到足够 GPU 的状态。
白嫖：不付费使用模型或工具的免费额度或功能。
起飞：形容某个模型、产品或功能效果特别好、体验明显提升。