术语词典
只解释会影响下一步动作的词。每条都给一句话先看懂，再给一段稍展开。
模型相对基准价的折算系数。
倍率越高表示该模型越贵。中转站常用倍率乘以 token 计算扣费，对账时一定要看清。
同一时间能跑的请求数。
并发与 RPM/TPM 限制有关。批量任务一上来就拉满容易触发 429。先低后高，逐步提升。
模型一本正经地编造不存在的事实。
模型不是在查资料，而是在预测下一个词，所以会编出看起来合理但实际错误的内容。解决办法：用 RAG 给它真实资料、限制回答范围、要求标注来源。
把网页平台能力包装成命令行，让 Agent 能搜索、读取和导出。
小红书、微信文章、Telegram、BOSS 直聘等平台如果没有好用 API，可以通过平台 CLI 把已登录浏览器或本地数据转成 Agent 能调用的命令。
模型一次能读进去的最大文字量。
超过窗口大小的内容会被截断或丢失。GPT-4o 约 128K token，Claude 约 200K token。长文档要先切片检索，不要一股脑全塞进去。
专门存和查向量的数据库，用来做语义搜索。
把文档切片后 Embedding 存进去，查询时按余弦相似度找最相关的段落。常见选择有 Pinecone、Milvus、Chroma、Weaviate。
把多家模型封成统一 OpenAI 兼容接口的中间层。
好处是开通快、可切模型、可控并发；代价是稳定性看平台。绝大多数 OpenAI SDK 只要改 BASE_URL 就能用。
给 Agent 装上网页、社媒、GitHub、视频和 RSS 读取能力的脚手架。
它不替 Agent 思考，而是配置一组上游工具，让 Agent 能用命令去读网页、搜 GitHub、拿视频字幕、查 Reddit 或小红书等资料。
让 Agent 学会一类任务的可复用说明书。
Skill 通常由 SKILL.md 定义，写清什么时候触发、要用什么工具、按什么步骤做、输出什么结果。它比单条提示词更适合长期复用。
Codex 等工具用来约束代理行为的项目根文件。
包含项目目标、命令、风险点、风格约束。Codex 启动时会读取，影响每次任务的边界。
围绕一个目标，自动调工具、读资料、留记忆完成任务的助手。
Agent 不是更聪明的 ChatGPT，更接近「模型 + 工具 + 记忆 + 任务循环」四件套。它会看资料、调 API、写文件、再判断要不要继续。
调用模型时的身份证 + 钱包，泄露等于钱被花。
通过 Authorization: Bearer 头部传给后端，后端据此识别用户、扣费。务必写 .env，不要硬编码到代码或截图。
模型服务的入口地址。
OpenAI 官方是 https://api.openai.com/v1，中转站会给你不同的地址。Key 与 BASE_URL 必须配套，混填就报 401。
让程序连接你已登录的 Chrome 浏览器来完成自动化。
MediaCrawler 等工具会用 CDP 复用浏览器登录态，降低重复扫码和签名逆向成本。它仍然要遵守平台规则，不能当成无限制爬取通道。
Claude Code 的后台任务看板。
它可以显示哪些会话正在跑、哪些被权限卡住、哪些完成了。适合长任务、并行 review、后台构建验证；小白看到 blocked 就进入对应会话处理权限或补充信息。
Claude Code 的快速反馈模式。
适合快速试方案、改小块、问小问题。fast mode 使用的模型以当前客户端 /model 显示为准；遇到生产部署、计费、权限、数据库等高风险任务时，先用普通模式并认真验证。
给 Claude Code 长任务写清楚「做到什么才算完成」；验收目标写进提示词或 CLAUDE.md，用 /help 确认本机命令。
小白不要只写「帮我优化一下」，要写成可验证条件，例如 npm run build 通过、某个路由能访问、某篇文章进 sitemap。把这些条件写进普通提示词或 CLAUDE.md。Codex 的长任务命令教程不能直接照搬到 Claude Code。
OpenClaw 的技能注册和发现入口。
OpenClaw Skills 可以通过 ClawHub 安装，也可以手动放到全局或项目 skills 目录。安装前仍要检查来源和权限。
让 Codex App 看屏幕、点按钮、输入文字的图形界面操作能力。
Windows 上的 Codex Computer Use 不是 codex CLI 命令，而是 Codex App 里的插件能力。它适合操作桌面软件、浏览器测试页、设置窗口和 GUI Bug 复现；运行时会占用前台输入，所以要让目标窗口保持可见，并避开密码、支付、生产后台和客户资料。
给 Codex Desktop 加第三方 tweak 的扩展系统。
Codex++ 会修改本地 Codex App，让 Codex 启动时加载用户目录里的 runtime 和 tweaks。它能带来 /goal、快捷键、Better Terminal 等增强，但本质上是第三方补丁，安装前要懂 repair、safe-mode、uninstall 和安全风险。
字节跳动出的 AI Bot 搭建平台。
可以在上面拖拽搭 Bot、接知识库、加插件，发布到飞书、微信、网页等渠道。国内版叫扣子，海外版叫 Coze。门槛低但自由度也有限。
开源的 AI 应用开发平台，主打拖拽式搭 Agent 和知识库。
提供工作流编排、知识库接入、Prompt 管理和 API 发布。适合想快速上线一个带知识库的问答 Bot 但不想从零写代码的团队。
把文字变成一串数字（向量），方便计算相似度。
知识库问答的第一步就是把资料 Embedding 后存进向量数据库，用户提问时也 Embedding，再找最相似的段落拼给模型。
用你自己的数据再训练一遍模型，让它更懂你的业务。
适合回复风格固定、数据量够大（几百到几千条）、Prompt 调不动的场景。成本比直接用 API 高，小白建议先把 Prompt 和 RAG 用好再考虑微调。
让模型调用预定义函数 / API 的协议。
你向模型描述函数签名，模型在需要时返回结构化的调用参数，再由你执行函数并把结果回传给模型。
Git for Windows 自带的类 Unix 终端。
Claude Code 在 Windows 上常用它执行命令；如果工具检测不到 Git Bash，可以配置 CLAUDE_CODE_GIT_BASH_PATH 指向安装路径。
用代码串联模型、工具、记忆和检索的开发框架。
适合开发者用 Python 或 JS 搭 Agent 和 RAG 管线。概念多、更新快，小白建议先用 OpenClaw 或 Dify 这类图形化工具入门，再考虑 LangChain。
把外部工具暴露给模型的统一协议。
Claude / 部分客户端原生支持 MCP；可以把数据库、文件、API 包装成 MCP 服务，让 Agent 直接调用。
开源的可视化工作流自动化工具。
拖拽节点连线就能串联 API、数据库、消息通知和 AI 模型。适合不想写代码但需要多步自动化的场景，和 Dify、OpenClaw 定位有重叠但侧重通用自动化。
本地优先的开源设计工作台，把 Claude Code、Codex、OpenCode 等 CLI 变成设计引擎。
它用 Skill 决定产物类型，用 Design System 决定视觉语言，再让本机 Agent CLI 在项目文件夹里生成可预览 artifact。适合做落地页、移动端原型、Dashboard、海报和 PPT 初稿。
你发给模型的那段文字指令。
Prompt 写得越具体，模型回答越稳定。好的 Prompt 包含角色、目标、资料范围、输出格式和禁止事项。
检索 + 生成：先找资料，再让模型基于资料回答。
RAG 不是把全部文件丢给模型，而是分章节切片入向量库，每次只检索相关段落拼上下文。
很快的全文搜索工具。
AI 代码助手经常需要搜索全仓库。Windows 上 Claude Code 搜索慢时，可以安装 ripgrep，并设置 USE_BUILTIN_RIPGREP=0 使用系统版。
Agent Skill 的入口文件。
通常包含 YAML frontmatter 和正文说明。frontmatter 写 name、description，正文写触发条件、流程、命令、风险边界和验收方式。
模型读写的最小语义单位，约等于 0.5-1 个汉字 / 0.7 个英文单词。
API 计费按输入 + 输出 token 总量算，长上下文越久越贵。可以用平台提供的 tokenizer 估算。
外部系统推消息到你这边的回调地址。
Telegram Bot、知识库平台、自动化工具常用。需要公网可达；本地调试可借助 ngrok / cloudflared 暴露端口。
在 Windows 里跑 Linux 环境的官方方案。
适合 Linux 服务、bash 脚本、Python / Node 工具链和容器项目。给 Codex / Claude Code 用时，项目和 Node/npm 都要放在 WSL2 内，避免混到 Windows 路径。