AI常用术语解释

在人工智能领域，尤其是生成式AI（如大语言模型）和应用开发平台中，理解一些核心术语，能帮助我们更好地使用和探索这项技术。

Prompt（提示词 / 提示语）

Prompt 是用户输入给 AI 模型（如 ChatGPT、Midjourney 等）的指令、问题或文本，用于引导模型生成特定的输出。它是人与模型交互的接口，其质量直接影响AI输出的质量。这也是“提示工程”（Prompt Engineering）兴起的根本原因——通过精心设计输入，让模型产生更准确、更有价值的结果。

一个结构良好的 Prompt 通常包含以下要素：

• 指令：明确告诉 AI 要做什么。例如：“翻译这段文字”、“写一封邮件”、“总结这篇文章”。
• 上下文/背景：为 AI 提供辅助信息，帮助它更好地理解任务。例如：“假设你是一名资深的营销专家”、“基于以下会议记录”。
• 输入数据：用户希望 AI 处理的具体内容，例如一段需要翻译的外语、一份需要总结的报告。
• 输出格式：指定 AI 的回复形式。例如：“用表格形式输出”、“返回 JSON 格式”、“分三点列出”。

示例

• 简单 Prompt：

  什么是人工智能？

• 复杂 Prompt（含上下文和格式要求）：

  指令：请用通俗易懂的语言向小学生解释“引力”这个概念。
  要求：包含一个生活中的例子，字数不超过150字。
  格式：请用一段话完成。

Skill（技能 / 插件 / 能力）

Skill 在不同平台有不同叫法（如OpenAI GPTs的Actions、Coze平台的插件或技能、早期智能音箱的Skills），但其核心含义一致：AI 模型为完成特定任务而调用的外部工具、API接口或预设功能模块。它扩展了大模型的能力边界，让 AI 不仅能“说”，还能“做”。

大语言模型本质上是“静态”的，其知识局限于训练数据，无法获取实时信息或操作外部世界。Skill 的出现打破了这一限制。

常见的 Skill 类型

• 知识检索：联网搜索，如查询实时新闻。
• 代码解释器：让 AI 编写并运行代码，进行数据分析、图表绘制、文件格式转换等。
• 图片理解/生成：调用 DALL-E 或 Stable Diffusion 绘图，或通过图像识别模型分析图片内容。
• 自定义 API 调用：连接外部系统，如“查快递” Skill 调用快递公司 API，“订酒店” Skill 调用订房平台 API。
• 预设工作流：在某些平台上，指封装好的、包含多个步骤的复杂提示词或自动化流程。

示例

假设你有一个“旅行规划助手”AI，你问：“帮我规划下周末去北京的行程，并告诉我那时的天气。”

AI 为回答这个问题，可能需要调用两个 Skill：

1. 调用【联网搜索 Skill】：搜索“北京 下周末 天气”。
2. 调用【地图/景点查询 Skill】：查询北京热门景点、开放时间和交通路线。

最后，AI 综合这些 Skill 返回的数据，结合自身的语言能力，生成一份包含天气和行程的回复。

在现代 AI 应用开发中，Prompt 和 Skill 往往协同工作：

1. Prompt 负责“理解”与“生成”：用户通过 Prompt 传达需求。
2. Skill 负责“执行”与“获取”：AI 理解 Prompt 后，判断需要调用哪些 Skill 来完成任务（如查数据、算结果、画图片）。
3. 结果整合：AI 将 Skill 执行结果带回对话，结合语言能力生成最终回复。

总结：

• Prompt 是你和 AI 沟通的语言。
• Skill 是 AI 完成任务的工具。

掌握如何写好 Prompt，并了解 AI 具备哪些 Skill，是高效使用当前 AI 工具的关键。

Buff（增益 / 预处理增强）

Buff 是一个形象化的术语，源自游戏——给角色加“Buff”意味着让他变得更强大。

在 AI 语境下，Buff 指的是在 AI 模型处理请求之前，系统自动对输入内容（Prompt）进行的一种“增强”、“修饰”或“预处理”。

Buff 并非独立组件（如 Skill），而是一个中间处理层，其工作流程如下：

1. 接收用户输入的原始 Prompt。
2. 按照预设规则，自动添加额外的信息、指令或格式。
3. 将增强后的“新 Prompt” 发送给大模型。

这样做的目的是：在不改变用户使用习惯的前提下，显著提升模型输出质量。

常见的 Buff 类型与例子

角色设定 Buff

系统在用户输入前自动添加角色扮演指令。

• 你的输入：

  帮我总结一下这份会议记录。

• Buff 加持后的输入：

  你是一名拥有10年经验的高级项目经理，擅长从混乱的信息中提炼重点。请用专业、简洁的语言，帮我总结一下这份会议记录：[附上你的会议记录]

---

安全与护栏 Buff

为防止模型输出不当言论，系统自动添加安全约束。

• 你的输入：

  如何说服别人相信我？

• Buff 加持后的输入：

  请回答：“如何说服别人相信我？”。内容需积极健康，不涉及欺诈、PUA 或操纵他人的技巧。

为什么要用 Buff？

• 降低用户门槛：用户无需成为“提示词工程师”，简单表述即可，系统自动优化。
• 保证输出一致性：在企业应用中，Buff 可强制所有 AI 交互遵循统一的品牌语调、安全规范和数据格式。
• 实现“无感”增强：用户可能并未意识到，自己简单的一句话，经过 Buff 层包装，已变成包含上下文、角色设定、知识库引用的超级 Prompt。

Buff 就像是 AI 应用的“增效器”，在用户与模型之间默默工作，将你的 Prompt 打磨得更精细、更易被模型理解，从而带来更好的结果。

总结

用一个完整流程串联本文的核心概念：

1. 你输入：“帮我写一封拒绝客户的邮件。”（这是 Prompt）
2. 系统自动加 Buff：检测到未指定语气，默认添加“礼貌且委婉”的修饰。实际发往模型的内容变为：“请用极其礼貌、委婉且感谢对方兴趣的语气，帮我写一封拒绝客户的邮件。”
3. 模型判断可能需要参考历史记录，于是调用 Skill：连接邮箱或 CRM 系统，查找与该客户的往来邮件。
4. 模型结合 Buff 的要求和 Skill 获取的数据，生成最终的邮件回复。

这便是 Prompt、Buff 与 Skill 在现代 AI 应用中协同工作的缩影。