1.2.4 其他你需要知道的概念
在使用 AI 编程的过程中，你会经常遇到一些术语。这一节，我们用最简单的方式把它们讲清楚。
不需要死记硬背，用到的时候回来查就行。
Prompt（提示词）
一句话解释
Prompt 就是你对 AI 说的话。
你输入什么，AI 就根据你的输入生成回应。这个输入就叫 Prompt。
类比
Prompt 就像你在餐厅点菜时对服务员说的话：
- "来一碗牛肉面" → 简单 Prompt
- "来一碗牛肉面，不要香菜，少放辣，面要硬一点" → 详细 Prompt
说得越清楚，得到的结果越符合你的期望。
好 Prompt vs 差 Prompt
| 差 Prompt | 好 Prompt |
|---|---|
| "帮我做个网站" | "帮我做一个个人博客首页，要有标题、简介、三篇文章列表，风格简洁现代" |
| "这个代码有问题" | "这段代码运行时报错 'undefined is not a function'，错误出现在第 15 行，帮我看看怎么修" |
你需要记住的
写 Prompt 就像写微信消息——说清楚你想要什么，对方才能帮到你。
Context（上下文）
一句话解释
Context 是 AI 在回答你时能"看到"的所有信息。
包括：
- 你当前说的话
- 你之前说的话
- 你给 AI 看的文件、代码
- AI 自己之前的回复
类比
想象你和朋友聊天：
- 如果你们刚认识，你说"那个事怎么样了"，对方会一脸懵
- 如果你们聊了很久，对方知道"那个事"指什么，就能回答
AI 也一样。它能"记住"多少，取决于 Context 有多大。
Context Window（上下文窗口）
每个 AI 模型能"记住"的信息量是有限的，这个限制叫 Context Window。
| 模型 | 大约能记住多少 |
|---|---|
| 早期模型 | 几千字 |
| GPT-4 | 约 2.5 万字 |
| Claude 3 | 约 15 万字 |
| 更新的模型 | 可能更多 |
为什么重要
如果你的对话太长，或者给 AI 看的文件太大，它可能会"忘记"早期的内容。
更重要的是：提供好的 Context 是让 AI 更好地帮你的关键。
AI 不会读心术。你给它的背景信息越清晰、越相关，它生成的代码就越符合你的预期。这也是为什么 Spec Coding 要先写文档——文档本身就是给 AI 的 Context。
实用技巧：
- 重要的信息放在最前面或最后面（AI 对这两个位置记忆更好）
- 对话太长时，开一个新对话，把关键信息重新说一遍
- 在项目中维护一份"项目背景"文档，每次对话时可以快速提供给 AI
Hallucination（幻觉）
一句话解释
幻觉 = AI 一本正经地胡说八道。
AI 有时候会编造看起来很合理、但实际上是错的信息。
例子
你问 AI："XXX 这个函数怎么用？"
AI 可能会给你一个详细的说明，但这个函数根本不存在——它是 AI "编"出来的。
为什么会这样
AI 不是"查资料"，而是"根据模式生成文字"。它不知道自己说的是真是假，它只知道"这样说看起来很合理"。
如何应对
- 验证：AI 说的东西，尤其是具体的函数名、API、数据，要自己核实
- 怀疑：如果 AI 说得太肯定、太详细，反而要多留个心眼
- 让它引用来源：问 AI "你说的这个信息来自哪里？"（虽然它可能继续编，但会降低胡说的概率）
你需要记住的
AI 是助手，不是权威。它说的话要验证，不能全信。
Agent（智能体）
一句话解释
Agent = 能自己规划、自己行动的 AI。
普通的 AI 是"你问一句，它答一句"。
Agent 是"你给它一个目标，它自己想办法完成"。
类比
| 类型 | 类比 |
|---|---|
| 普通 AI | 问路人"去火车站怎么走"，他告诉你路线 |
| Agent | 告诉司机"带我去火车站"，他自己规划路线、开车、到达 |
在 AI 编程中的应用
- 普通 AI：你说"帮我写一个登录功能"，它给你代码
- Agent：你说"帮我做一个完整的用户系统"，它自己分析需求、创建文件、写代码、测试、修 bug...
常见的 Agent 工具
- Cursor 的 Composer（多文件协作模式）
- Replit Agent
- Claude 的 Artifacts
- GitHub Copilot Workspace
你需要记住的
Agent 更强大，但也更不可控。对于新手，建议先用普通 AI，等熟悉了再尝试 Agent。
MCP（Model Context Protocol）
一句话解释
MCP = 让 AI 能连接外部工具和数据的标准协议。
类比
想象 AI 是一个很聪明的人，但它被关在一个房间里，只能通过窗口和你对话。
MCP 就像给这个房间开了几扇门：
- 一扇门通向数据库
- 一扇门通向文件系统
- 一扇门通向互联网
- ...
有了这些门，AI 能做的事情就多多了。
为什么重要
没有 MCP 时，你需要手动把信息复制给 AI。
有了 MCP，AI 可以直接读取你的文件、查询数据库、调用 API。
你需要知道的
MCP 是 2024-2025 年兴起的新标准。如果你用 Cursor、Claude Desktop 等工具，可能会看到 MCP 相关的设置。
现阶段：知道有这个东西就行，不需要深入了解。等你用到的时候再学。
Token（令牌）与计费
一句话解释
Token 是 AI 处理文字的基本单位。AI 服务按 Token 数量收费。
Token 是什么
AI 不是一个字一个字读你的文字，而是把文字切成小块来处理。这些小块叫 Token。
大致换算（英文）：
- 1 个 Token ≈ 4 个字符
- 100 个 Token ≈ 75 个单词
中文的话，1 个汉字通常是 1-2 个 Token。
为什么重要
- 影响能处理的信息量：Context Window 通常用 Token 数来衡量
- 影响费用：AI 服务按输入 Token + 输出 Token 收费
计费逻辑（以 API 调用为例）
费用 = (输入 Token 数 × 输入单价) + (输出 Token 数 × 输出单价)不同模型价格差异很大：
| 模型 | 大约价格（每百万 Token） |
|---|---|
| GPT-4o | $2.5 - $10 |
| Claude 3.5 Sonnet | $3 - $15 |
| 更便宜的模型 | $0.1 - $1 |
如何省 Token
- Prompt 写得精炼：废话少说
- 不要重复粘贴大段代码：只粘相关部分
- 用更便宜的模型做简单任务
你需要记住的
- 如果用免费工具（如 ChatGPT 免费版），不用操心 Token
- 如果用付费 API，注意控制用量，尤其是在调试时
- Cursor 等工具通常有用量限制，超了要加钱
概念速查表
| 概念 | 一句话解释 | 生活类比 |
|---|---|---|
| Prompt | 你对 AI 说的话 | 点菜时说的话 |
| Context | AI 能看到的所有信息 | 聊天记录 |
| Context Window | AI 能记住的信息量上限 | 记忆力 |
| Hallucination | AI 一本正经地胡说 | 随口编的"事实" |
| Agent | 能自己规划行动的 AI | 自动驾驶 vs 导航 |
| MCP | 让 AI 连接外部工具的协议 | USB 接口 |
| Token | AI 处理文字的单位 | 计费单位 |
学习建议
这些概念不需要现在就全部记住。
现在：大致知道每个概念是什么意思就够了。
以后：用到的时候回来查，多用几次自然就记住了。
章节小结
恭喜你完成了第 1.2 节的学习！
你现在已经知道了：
- Vibe Coding 是什么，适合什么场景
- Spec Coding 是什么，什么时候需要它
- 如何选择和混合使用这两种方式
- AI 编程中的核心术语
下一节，我们将破除一些常见的编程迷信，让你轻装上阵！