AI LITERACY · 用得上，也分得清
AI 基礎名詞表
Prompt、Agent、MCP、RAG⋯⋯
每天看到的名詞，從這裡連成一張地圖。
92 個名詞 · 9 類主題 · 先懂 30 個重點 · 生活例子
從常用的開始
先懂 30 個，再慢慢擴充
不用一次背完。先看重點，遇到新名詞時，再回來查它的意思與例子。
目前顯示 30 個名詞 · 重點模式
AI 的核心概念6 個
先分清楚 AI 的範圍、模型，以及訓練和使用模型的差別。
- AIArtificial Intelligence 人工智慧重點 30
大範圍總稱，LLM、影像辨識、推薦系統都算 AI
例如：手機人臉辨識、推薦影片、聊天助手，都是 AI 的不同應用。
- LLMLarge Language Model · 大型語言模型重點 30
從大量資料學習語言規律、依上下文生成內容的模型；文字生成常以預測下一個 token 為基礎。
例如：輸入「幫我摘要這篇文章」，模型根據上下文生成文字。
- Model模型重點 30
學習得到的參數與結構，將輸入轉成預測或輸出；聊天介面與模型是不同層。
例如：聊天產品是使用介面；背後可以使用不同模型。
- Multimodal多模態重點 30
不只看文字，也可以處理圖片、聲音、影片等
例如：上傳植物照片，搭配文字提問辨認特徵。
- Training訓練重點 30
用大量資料調整模型參數的過程
例如：模型從大量範例學習，調整內部參數。
- Hallucination幻覺重點 30
模型產生錯誤、缺乏依據或不存在的資訊；流暢的語氣不代表可靠。
例如：AI 列出的論文標題，可能根本不存在，必須查證。
對話與提示詞3 個
同一個問題，提供的指令與上下文不同，答案也可能不同。
- Prompt提示詞重點 30
你給 AI 的指令或問題
例如：「請用大一學生能懂的方式，解釋 RAG，並舉校園例子。」
- Token詞元／代碼單位重點 30
AI 看文字的基本單位，不完全等於一個字；API 通常依 token 計費
例如：中文、英文、標點可能切成不同單位；不是一字一 token。
- Context Window上下文視窗重點 30
模型單次處理的 token 容量，通常涵蓋輸入與輸出；不等於永久記憶。
例如：當對話與文件太長，部分內容可能被截斷或摘要。
Agent、Workflow 與工具2 個
除了模型能不能使用工具，也要看誰決定下一步：預定的程式規則，還是模型的動態判斷。
- AgentAI 代理重點 30
結合模型、工具與控制流程，依任務選擇下一步並執行行動的系統。
例如：收到「整理課程報告」後，查資料、整理內容、檢查結果。
- Tool工具重點 30
供應用程式或 Agent 呼叫的功能，例如搜尋、計算或讀取檔案。
例如：搜尋、讀檔、計算機、寄信，都是不同工具。
API 與 MCP3 個
程式透過介面交換資料；MCP 再提供一致的工具與資料連接方式。
- APIApplication Programming Interface · 應用程式介面重點 30
程式跟另一個程式溝通的方法
例如：作品集網頁呼叫 API，讀取作品清單。
- API KeyAPI 金鑰重點 30
識別 API 呼叫來源或授予特定存取權的金鑰，應視為機密保護。
例如：後端用金鑰存取服務；不要把真正金鑰放進公開網頁。
- MCPModel Context Protocol · 模型上下文協定重點 30
讓 AI Agent 用統一方式連接外部工具與資料
例如：同一個 AI 應用可用 MCP 連接檔案、資料庫等不同服務。
RAG 與語意搜尋2 個
先找得到依據，再讓模型根據依據回答。
- RAGRetrieval-Augmented Generation · 檢索增強生成重點 30
先檢索外部資料，再把相關內容放進上下文，讓模型據此回答；不等於重新訓練模型。
例如：問請假規定 → 找校規段落 → 帶著段落請模型回答。
- Embedding向量嵌入重點 30
把文字、圖片等輸入轉成數值向量，用來比較特徵或語意相近程度。
例如：把「如何請假」與「缺課申請」轉成可比較的向量。
程式與版本管理5 個
用工具寫程式，也用版本管理留下可回頭的紀錄。
- IDEIntegrated Development Environment · 整合開發環境重點 30
寫程式的整合工具，例如 VS Code、Cursor
例如：同一個視窗中編輯檔案、看錯誤、執行與除錯。
- CLICommand Line Interface · 命令列介面重點 30
Command Line Interface，在 Terminal 裡輸入指令
例如：在終端機輸入 git status，查詢專案狀態。
- Repo / Repository程式碼儲存庫重點 30
保存專案檔案與版本歷史的地方；不是網站用來存業務資料的 Database。
例如：網站原始碼、設定與版本歷史放在同一個 repository。
- Git版本管理工具重點 30
管理程式版本的工具
例如：比較兩個版本的差異，必要時回到先前版本。
- GitHub程式碼協作平台重點 30
放 Git repo、協作與管理程式碼的平台
例如：同學可以在 GitHub 閱讀程式、提出問題、審查 PR。
文件與資料格式5 個
看懂副檔名，就知道這份內容是文件、網頁，還是資料。
- MD / Markdown輕量標記格式重點 30
以簡單文字標記寫文件，常用於 README、筆記與 AI 回答。
例如：用 # 寫標題、用 **文字** 表示粗體。
- HTMLHyperText Markup Language · 超文字標記語言重點 30
定義網頁內容與結構的標記語言。
例如：<h1>作品集</h1> 定義網頁的大標題。
- CSSCascading Style Sheets · 階層式樣式表重點 30
控制網頁顏色、字體與版面的樣式語言。
例如：用 color 設字色、用 grid 設版面。
- JavaScript / JSJavaScript · 程式語言重點 30
程式語言；常用於網頁互動與邏輯。
例如：點按鈕後切換圖片或更新頁面內容。
- JSONJavaScript Object Notation · 資料交換格式重點 30
用物件、陣列與值表達結構化資料，常用於 API 與工具呼叫。
例如：{"name": "Michael", "age": 20} 是一個資料物件。
網站與雲端4 個
從自己的電腦，到別人可以使用的網站。
- Frontend前端重點 30
使用者看到的網頁畫面
例如：作品集上的圖片、按鈕、作品列表與互動。
- Backend後端重點 30
背後處理資料與邏輯的程式
例如：收到作品提交後，驗證資料並儲存。
- Database / DB資料庫重點 30
儲存資料的地方
例如：儲存學生作品標題、作者與發布狀態。
- Deploy部署重點 30
將程式或網站版本發布到可供使用的執行環境，可能是測試或正式環境。
例如：將通過檢查的網站版本放到使用者可存取的環境。
不只會回答，也要看流程由誰控制
Workflow、Orchestration、Agent 怎麼分？
當開發者預先安排「使用者輸入 → 程式邏輯 → LLM → 查資料 → LLM → 輸出」，可以稱為 LLM workflow。這組用語沒有跨所有工具一致的唯一分類；上課先用下面三個角度理解。
LLM Workflow
整個流程的名稱
LLM 呼叫、程式邏輯與工具，一起完成一個任務。
Orchestration
串接與控制的機制
誰安排步驟、傳遞資料、處理條件、重試與停止。
Agent
模型參與下一步決策
在設定的範圍內，根據結果選擇工具、步驟或是否繼續。
| 名詞 | 教學重點 | 校園例子 |
|---|---|---|
| Pipeline | 一個階段接到下一個，通常偏線性。 | 摘要 → 翻譯 → 排版。 |
| Workflow | 整體任務流程，可包含條件、分支與迴圈。 | 查無校規時改查 FAQ，仍找不到就回報。 |
| Orchestration | 安排、串接與管理執行的機制。 | 程式控制查詢、重試與格式驗證。 |
| Agent | 模型依目前結果動態選擇下一步。 | 模型判斷資料不足，選擇再查另一份文件。 |
| Agentic workflow | 流程中部分決策交給模型，可與固定步驟混合。 | 固定查校規，再由模型決定是否補查其他文件。 |
手機可左右滑動比較表。Pipeline 的「偏線性」是常見用法，不是不能有分支的技術限制。
這個範例可命名為
Programmatically Orchestrated LLM Workflow
程式化編排的 LLM 工作流程
This is an LLM workflow orchestrated by application logic.
也會看到 AI workflow、orchestrated workflow、LLM orchestration，或強調程式控制的 programmatic workflow。Deterministic workflow 在此強調控制規則固定，並不保證 LLM 每次產生相同答案。Orchestration 同樣可以用來協調 Agent。
往下看完整流程圖 ↓這裡採用入門的控制流程比較；命名可能依框架與團隊而異。參考 Anthropic：Building effective agents 與 LangGraph：Workflows and agents。
把名詞連起來
5 張圖，看懂彼此的關係
這些是課程概念示意圖。手機可左右滑動看完整流程；每張圖都可另開原圖。
LLM → Agent → Tool，MCP 與 API 怎麼接？
資料 → Embedding → 搜尋 → RAG → LLM
Frontend ↔ API ↔ Backend ↔ Database
Context Window 和 Memory 是同一件事嗎？
Programmatically Orchestrated LLM Workflow
最容易搞混的 6 組關係
LLM ／ Agent ／ Tool
LLM 生成判斷與內容；Agent 組織任務與行動；Tool 提供可執行的功能。聊天應用也可能加入工具，所以要看系統能力，不能只看介面名稱。
API ／ MCP
API 是程式提供的介面；MCP 是 AI 應用連接工具與資料的協定。MCP Server 可能使用 API，也可能直接讀取本機檔案。
RAG ／ Fine-tuning
RAG 在回答時找資料、提供上下文；微調用資料調整模型參數。給模型一份 PDF，不代表完成了訓練。
Context ／ Memory
Context 是本次處理的內容；Memory 是產品保存並可能取用的資訊。長期資訊仍需加入上下文，模型才用得到。
Git ／ GitHub ／ Deploy
Git 管版本；GitHub 存放與協作；Deploy 讓系統在目標環境執行。Commit、Push、部署成功是不同狀態。
Authentication ／ Authorization
身分驗證問「你是誰？」；授權問「你能做什麼？」。登入成功，不代表可以讀取所有人的資料。
同一份作品，用不同格式表達
MD 寫文件、HTML 顯示網頁、JSON 交換資料。看看它們實際長什麼樣。
Markdown
寫給人閱讀的文件
# 我的作品集
**設計主題**
- 校園觀察
- 互動海報# 是標題、** 是粗體、- 是清單。顯示程式會把標記轉成排版。
HTML + CSS + JS
瀏覽器裡的內容、樣式與互動
<h1>我的作品集</h1>
<button id="hello">打招呼</button>
<style>h1 { color: teal; }</style>
<script>
document.querySelector("#hello")
.onclick = () => alert("你好！");
</script>HTML 放內容、CSS 設外觀、JavaScript 處理按鈕動作。
JSON
程式交換的結構化資料
{
"name": "Michael",
"age": 20,
"projects": ["互動海報", "作品集"]
}鍵與字串使用雙引號；數字不需引號。標準 JSON 不接受註解或尾端多餘逗號。
不是背縮寫，是分清楚情境
5 題，確認你真的懂了
已回答 0 / 5 題 · 答對 0 題。每題選完就能看到說明，也可以重新選擇。
延伸閱讀與資料來源
依課堂名詞清單整理，補充生活例子與概念圖。工具名稱僅作例子，功能與介面可能更新；查閱日期：2026 年 10 月 7 日。