矽基前沿 [Si]gnals

CHRONICLE · 知識庫

AI 大百科

把 AI 的概念寫成可查、可學、邊界清楚的詞條。新手照著學習路徑由淺入深；想查某個詞，直接用主題索引或下方搜尋。它不爭今日注意力，跟著新聞慢慢長大。

LEARNING PATH

新手學習路徑

不知道從哪開始？照這個順序讀，四層讀完就能看懂大部分 AI 報導與工具文件。

  1. 第一層

    先看懂 AI 在說什麼

    完全沒概念也能讀。先搞懂 AI 到底是什麼、怎麼算錢、為什麼會出錯。

    1. 1.1什麼是 LLM（大型語言模型）？基礎一次看懂
    2. 1.2什麼是 token？AI 是怎麼計費、怎麼數字的
    3. 1.3AI Agent 是什麼？和 chatbot、workflow 差在哪（2026 定義與架構）
    4. 1.4什麼是 AI 幻覺（hallucination）？為什麼 AI 會一本正經地編故事
    5. 1.5什麼是 prompt engineering（提示工程）？不是咒語，是把需求寫成規格
  2. 第二層

    模型是怎麼想的

    從「會用」到「懂為什麼」。理解模型的記憶、推理方式與限制。

    1. 2.1Inference 是什麼？機器學習裡「推論」就是訓練好的模型實際算出答案
    2. 2.2Context window 是什麼？LLM 上下文視窗的 token 上限與 transformer 成因
    3. 2.3什麼是 knowledge cutoff（知識截止日）？為什麼 AI 不知道最新發生的事
    4. 2.4思維鏈是什麼？現在不用再叫模型「一步一步想」
    5. 2.5reasoning model 是什麼？推理模型讓 AI 先想再答
  3. 第三層

    讓 AI 用你的資料與工具

    要讓 AI 讀你的資料、呼叫你的工具，需要這些拼圖。

    1. 3.1什麼是 RAG？讓 LLM 讀懂你自己的資料
    2. 3.2embedding 是什麼？把文字變成向量、讓電腦判斷相似度的技術
    3. 3.3什麼是 vector database（向量資料庫）？RAG 的鄰居
    4. 3.4什麼是 tool calling（工具呼叫）？讓 AI 真的動手
    5. 3.5什麼是 MCP？AI 工具的 USB-C，不是 Microsoft Copilot
    6. 3.6什麼是 system prompt（系統提示）？AI 產品的底層規則
  4. 第四層

    進階與客製

    想更深入評估、優化或客製模型，看這幾個進階概念。

    1. 4.1Fine-tuning（微調）是什麼？跟 RAG、prompt engineering 差在哪
    2. 4.2混合專家模型 MoE 是什麼？Mistral、DeepSeek 用的 sparse activation 架構
    3. 4.3什麼是 quantization（量化）？讓 70B 模型跑在筆電上的魔法
    4. 4.4什麼是 multimodal（多模態）？AI 同時看圖、聽聲、讀文字
  5. 第五層

    Agent 時代的工程方法

    2025-2026 的新詞都長在這裡：從寫 prompt 進化到設計環境與迴圈，讓 agent 替你工作。

    1. 5.1還在學 prompt？AI 工程方法已爬到第四級
    2. 5.2context engineering 是什麼？決定模型看到什麼
    3. 5.3harness engineering 是什麼？把教訓寫進環境
    4. 5.4loop engineering 是什麼？工程師改行寫迴圈
    5. 5.5subagent 是什麼？子代理讓 AI 學會分工
    6. 5.6Agent Skills 是什麼？給 AI 的入職手冊
    7. 5.7agent memory 是什麼？讓 AI 越用越懂你
    8. 5.8background agent 是什麼？交辦完就走人的 AI
    9. 5.9computer use 是什麼？AI 學會自己用電腦
  6. 第六層

    安全、風險與判斷

    讓 agent 動手之前，先懂它會怎麼被騙、怎麼關進沙箱、怎麼分辨真假 agent 與 AI 垃圾內容。

    1. 6.1prompt injection 是什麼？藏在資料裡的指令劫持
    2. 6.2agent sandbox 是什麼？先關起來再讓 AI 動手
    3. 6.3agent washing 是什麼？假 agent 的包裝話術
    4. 6.4AI slop 是什麼？流暢但空洞的 AI 垃圾內容

INDEX

依主題瀏覽全部詞條

共 56 條。上方搜尋會即時篩選下面的詞條。

入門必懂

BASICS

什麼是 LLM（大型語言模型）？基礎一次看懂

理解 next-token prediction 一件事,所有 AI 的能力與限制都會 make sense

什麼是 token？AI 是怎麼計費、怎麼數字的

為什麼你的 OpenAI 帳單不是按字算,你的 Claude context 也不是按字算

AI Agent 是什麼？和 chatbot、workflow 差在哪（2026 定義與架構）

把 chatbot、workflow、agent 分清楚,才能判斷哪些 AI 應用真的能進工作流

什麼是 AI 幻覺（hallucination）？為什麼 AI 會一本正經地編故事

AI 幻覺不是 bug,是 LLM 的設計副作用。理解原因,才知道怎麼防

模型如何運作

HOW MODELS WORK

Inference 是什麼？機器學習裡「推論」就是訓練好的模型實際算出答案

訓練是把模型做出來,推論是每次使用者送出 prompt 時,模型把答案算出來

Context window 是什麼？LLM 上下文視窗的 token 上限與 transformer 成因

聊到第 30 輪 ChatGPT 忘了第一句、塞 100 頁 PDF 給 Claude 它只讀前 30 頁——這不是 bug

什麼是 knowledge cutoff（知識截止日）？為什麼 AI 不知道最新發生的事

你問 ChatGPT 上週的新聞,它說它不知道。這不是 bug,是 cutoff

什麼是 multimodal（多模態）？AI 同時看圖、聽聲、讀文字

不是把不同模型串起來,而是同一個模型在同個空間理解多種訊號

讓 AI 更會推理

REASONING

思維鏈是什麼？現在不用再叫模型「一步一步想」

從你要下的指令，變成你付錢的內建能力。

reasoning model 是什麼？推理模型讓 AI 先想再答

從 o1 到 Claude thinking、DeepSeek R1——同一個 LLM,讓它在輸出前先寫草稿,正確率大幅上升

提示與指令

PROMPTING

什麼是 prompt engineering（提示工程）？不是咒語，是把需求寫成規格

從清楚指令、範例、上下文到 eval,拆解 prompt engineering 真正有用的地方,以及它為什麼不是萬能職業魔法

什麼是 system prompt（系統提示）？AI 產品的底層規則

它不是給使用者看的魔法咒語,而是產品如何約束模型角色、邊界、工具與輸出格式的長期指令

連接資料與工具

DATA & TOOLS

什麼是 RAG？讓 LLM 讀懂你自己的資料

為什麼幾乎每家企業導入 AI 都會撞上這三個英文字,以及它跟「fine-tuning」、「MCP」差在哪

embedding 是什麼？把文字變成向量、讓電腦判斷相似度的技術

RAG、推薦系統、語意搜尋全靠它。但繁中 embedding 有特殊的坑

什麼是 vector database（向量資料庫）？RAG 的鄰居

向量資料庫不是另一種比較潮的資料庫，而是讓 AI 系統用「相似度」找資料的檢索層

什麼是 tool calling（工具呼叫）？讓 AI 真的動手

function calling、tool use、MCP 到底差在哪,以及為什麼「讓模型會叫工具」不等於「讓模型自己亂執行程式」

什麼是 MCP？AI 工具的 USB-C，不是 Microsoft Copilot

為什麼 Anthropic 主導的這個小協定,可能決定 agent 能不能離開 demo 進入生產

模型架構與優化

ARCHITECTURE & EFFICIENCY

混合專家模型 MoE 是什麼？Mistral、DeepSeek 用的 sparse activation 架構

DeepSeek-V3 有 671B total parameters,但每個 token 只啟動 37B。這不是魔法,而是 sparse activation。

什麼是 quantization（量化）？讓 70B 模型跑在筆電上的魔法

Llama 70B 原版要 140GB GPU,4-bit 量化後 35GB——MacBook M4 也能跑。代價是什麼?

Fine-tuning（微調）是什麼？跟 RAG、prompt engineering 差在哪

「我們公司也要 fine-tune 自己的模型」是台灣企業最常問的問題。九成的時候,答案是不該

Agent 工程方法

AGENT ENGINEERING

還在學 prompt？AI 工程方法已爬到第四級

prompt→context→harness→loop，每一級都是人往上退一層

context engineering 是什麼？決定模型看到什麼

問得再好、餵錯資料也沒用——AI 工程重心從 prompt 移到 context

harness engineering 是什麼？把教訓寫進環境

agent＝model＋harness，模型以外的一切決定 AI 同事好不好用

loop engineering 是什麼？工程師改行寫迴圈

不再親手 prompt agent，改設計會 prompt agent 的系統

規格驅動開發是什麼？先寫 spec 再讓 AI 產碼

從 Spec Kit 到 Kiro——先規格後產碼，是解藥還是瀑布復辟？

vibe coding 是什麼？看氛圍不看程式碼的開發法

Karpathy 一句玩笑變 Collins 年度詞，再被本人宣告升級——一年走完整個循環

AGENTS.md 是什麼？給 agent 讀的 README

agent 每個 session 都失憶——犯過的錯寫進這個檔，就永不再犯

Agent 運作機制

HOW AGENTS WORK

subagent 是什麼？子代理讓 AI 學會分工

髒活外包、只收結論——從 Task tool 到 agent teams

Agent Skills 是什麼？給 AI 的入職手冊

一個資料夾加一份 SKILL.md，把可重複的工作流程教給任何支援的 agent

agent memory 是什麼？讓 AI 越用越懂你

跨 session 記住使用者的機制——分型、主流做法，以及記錯比不記更糟的代價

background agent 是什麼？交辦完就走人的 AI

任務丟上雲端，agent 自己跑完開 PR——你只要回來驗收

computer use 是什麼？AI 學會自己用電腦

看螢幕、動滑鼠、敲鍵盤——沒有 API 的軟體也能操作，代價是慢、貴、會出錯

agentic browser 是什麼？讓 AI 替你操作網頁

從 Comet 到 Atlas——瀏覽器是你自己開的車，這批新產品內建代駕

安全與治理

SECURITY & GOVERNANCE

prompt injection 是什麼？藏在資料裡的指令劫持

從 2022 年一則「Haha pwned!!」推文，到 2026 年每週上演的 agent 竊資事件

agent sandbox 是什麼？先關起來再讓 AI 動手

跑 coding agent 前，先看它被關在哪——四種隔離技術一次分清

agent washing 是什麼？假 agent 的包裝話術

Gartner 估計數千家 agentic 供應商，真的只有約 130 家

AI slop 是什麼？流暢但空洞的 AI 垃圾內容

三家年度詞評選同押一字，職場版 workslop 正在吃掉同事的時間

模型訓練與規模

TRAINING & SCALING

test-time compute 是什麼？讓 AI 想久一點

第三條 scaling 曲線怎麼來、2026 年撞上什麼天花板、你的 API 帳單為什麼變厚

RLVR 是什麼？可驗證獎勵讓 AI 學會推理

數學對答案、程式碼跑測試就是獎勵——reasoning model 能力大爆發背後的訓練引擎

continual learning 是什麼？邊用邊學還沒解

AI 記不住你教過的事——2026 最被看好的突破口在哪

模型蒸餾是什麼？大模型教小模型，也教出爭議

自家做是產品線邏輯，抓別家變國安指控——同一個技術的兩張臉

SLM 是什麼？小語言模型的夠用經濟學

NVIDIA 算過帳：agent 多數步驟，小模型便宜 10-30 倍

world model 是什麼？讓 AI 在腦內先跑一次世界

圖靈獎得主押上 10 億美元的另一條路——AI 得先會預演世界，再談規劃行動

Agent 經濟與可見度

AGENT ECONOMY

agentic commerce 是什麼？讓 AI 替你買單

ACP 結帳、AP2 授權、x402 機器付款，三層協議讓商家敢收機器人的錢

AEO、GEO 是什麼？讓 AI 引用你的內容

排名第一點擊照掉 58%——讀者不點連結的年代，內容要爭的是被 AI 唸出名字

選型與比較

COMPARE & CHOOSE

Claude vs ChatGPT vs Gemini:2026 該選哪一個

三家頂級 AI 在 2026 年的真實差異——以及對台灣使用者的實際選擇

Cursor、Claude Code、Windsurf、Ollama、Copilot 怎麼選?2026 AI coding 工具比較

工程師圈每三個月吵一次的「該用哪個 AI IDE」,2026 年版本怎麼選

AI 產業地圖

INDUSTRY MAP

AI 模型時間線:從 GPT-3 到 2026 年的關鍵節點

過去 6 年 AI 巨變,3 個月就要重學一次——這是 baseline timeline

台灣 AI 公司全景圖:誰拿到錢、誰賣掉、誰還活著

從半導體供應鏈到 AI 新創,從出海派到 in-house——2026 年台灣 AI 產業真實的形狀

2026 AI 入口戰:模型之後,真正的戰場是使用者入口

OpenAI 做瀏覽器與 agent,Google 把 Gemini 放進 Search / Chrome / Android,Anthropic 押 IDE;AI 巨頭爭的不是一次回答,是下一次使用者先打開哪裡。

給 AI Agent 讀的媒體:Agent-readable Web 會改變什麼?

從 SEO 到 AEO,從給人看的網頁到給 agent 讀的 corpus — 為什麼矽基前沿 day 1 就為 AI agent 設計內容

你的服務 Agent Ready 了嗎？MCP 了解一下

MCP 熱潮真正暴露的不是 protocol 問題,而是企業開始需要設計一層給 agent 讀、找、呼叫、授權與追責的商業介面。

其他條目

MORE

開放權重跟開源差在哪？你以為在挑模型，其實在挑合約

權重下載得到，不代表你能拿去賣。

每次都要重新教？脈絡內學習 ICL

權重一個都沒動，對話結束就沒了

AI 賺錢的五條路：七個案例攤開帳本，沒人贏在工具

工具人人買得到，那贏的是什麼？

NEXT

查完詞，想實際動手？

大百科幫你建立共同語言；學習指南則手把手帶你用 AI Agent 完成一件真正的工作，過程中遇到的詞都連回這裡。

前往學習指南 →