术语速查
AI 与软件工程术语词典
40 条最常被问到的术语。每条一句定义，再加一句「对企业意味着什么」——不讲术语解释术语。
A · AI 与大模型
- 大语言模型（LLM）Large Language Model
- 基于海量文本训练、能够理解和生成自然语言的深度学习模型，是 ChatGPT、豆包、DeepSeek、通义千问等产品的底层能力。 对企业意味着：不必自研模型，直接调用主流模型 API 或做私有化部署即可落地业务应用，门槛从「组建算法团队」降到「选对场景」。
- RAG（检索增强生成）Retrieval-Augmented Generation
- 先从企业自有知识库中检索出相关片段，再交给大模型组织成答案的技术路线，使模型「基于你的资料」回答，而不是凭训练记忆凭空生成。 对企业意味着：这是企业 AI 落地性价比最高的路线——用现成模型 + 自己的文档，成本远低于训练自有模型，且答案可溯源。
- 向量数据库Vector Database
- 把文字、图片等内容转换成数字向量并存储，按「语义相似度」而非关键词匹配来快速检索的数据库。 对企业意味着：它是知识库问答的检索底座。搜「退货怎么处理」能命中写着「售后流程」的文档，靠的就是它。
- 向量化（Embedding）
- 把一段文字转换成一串固定长度的数字向量，使语义相近的内容在向量空间中距离更近的计算过程。 对企业意味着：它直接决定知识库「搜得准不准」，是 RAG 系统里最容易被忽视、却最影响效果的一环。
- 微调（Fine-tuning）
- 在通用大模型基础上，用企业自有数据继续训练，使模型更贴合特定行业术语、判断标准和表达口径。 对企业意味着：RAG 解决「知道什么」，微调解决「怎么说、怎么判断」。多数企业先做 RAG，确有口径刚需再上微调。
- 提示词工程Prompt Engineering
- 通过系统性地设计输入指令、示例与约束条件，来提升大模型输出准确度与稳定性的方法。 对企业意味着：成本最低的调优手段。同一套模型，好的提示词与差的效果可能相差一倍以上，且不需要额外算力。
- AI 智能体（Agent）
- 能够自主拆解任务、规划步骤、调用外部工具并多轮执行的大模型应用形态，区别于只做单轮问答的聊天机器人。 对企业意味着：把 AI 从「回答问题」升级到「把事办完」，例如自动填单、自动对账、自动生成并分发周报。
- Token
- 大模型处理文本的最小计费与计算单位，中文大致 1 个汉字约等于 1~2 个 Token。 对企业意味着：它是 AI 应用最直接的运行成本。调用量大的系统需要做上下文裁剪与缓存设计，否则账单会失控。
- 模型幻觉Hallucination
- 大模型生成了表述流畅、看似合理，但实际错误或根本不存在的内容。 对企业意味着：面向客户的场景必须用「RAG + 口径约束 + 人工兜底」三重手段抑制，不能把模型输出直接原样发给客户。
- 私有化部署
- 把大模型与业务数据部署在企业自有服务器或内网环境中，数据不出企业边界。 对企业意味着：金融、医疗、政企、制造业等对数据敏感的行业，这是能否上 AI 项目的硬性前提。
B · 生成式引擎优化 GEO
- GEO（生成式引擎优化）Generative Engine Optimization
- 让企业内容更容易被 AI 搜索与大模型检索、理解并引用，从而出现在 AI 给出的回答里的优化方法体系，是 SEO 在生成式 AI 时代的延伸。 对企业意味着：客户正越来越多地直接问 AI 而不是翻百度，不被 AI 推荐，等于在新入口上完全隐形。
- AEO（答案引擎优化）Answer Engine Optimization
- 针对「直接给结论」的搜索形态做优化，强调内容结构化、事实明确、一问一答，便于引擎摘取为答案。 对企业意味着：与 GEO 目标高度重叠，实操上是同一套工作：把专业内容写成可被直接摘录的答案。
- llms.txt
- 放在网站根目录、专供大模型爬虫阅读的说明文件，用简明的列表格式声明站点是什么公司、提供什么服务、有哪些重要链接。 对企业意味着：投入极低、见效直接——让 AI 第一次访问你网站时就能准确理解你的业务，而不是靠猜。
- AI 爬虫AI Crawler
- 专门为大模型采集训练与检索语料的网络爬虫，常见的包括 OpenAI 的 GPTBot、Anthropic 的 ClaudeBot、字节的 Bytespider、PerplexityBot 等。 对企业意味着：robots.txt 必须放行这些 UA，企业内容才有机会进入 AI 语料；屏蔽它们等于主动放弃 AI 渠道。
- JSON-LD 结构化数据
- 以 JSON 格式嵌入网页的语义标注，用统一的词汇表告诉搜索引擎和 AI「这段内容是什么」——是文章、是服务、还是常见问题。 对企业意味着：显著提升被 AI 正确理解与引用的概率，是目前投入产出比最高的技术性 GEO 手段。
- 结构化知识图谱
- 用「实体—关系」的图结构组织知识，让机器不仅能读到词，还能理解词与词之间的关联，例如「这家公司提供这项服务」。 对企业意味着：企业知识库的高级形态，也是 AI 判断你「懂不懂这行」的重要依据。
- 语义化 HTML
- 使用 h1、h2、article、nav、table 等带有含义的标签组织页面结构，而不是全部用 div 堆砌。 对企业意味着：爬虫与 AI 更容易识别内容层级和重点，同样的文字，语义化标签写出来更容易被引用。
- 引用溯源Attribution
- AI 在生成回答时标注信息来源、给出原文链接的机制。 对企业意味着：被引用就是免费的精准获客。这是新流量格局下企业最值得争取的位置。
- 品牌实体Entity
- 在搜索引擎与 AI 知识库中代表你公司的那条结构化记录，由企业全称、地址、电话、业务范围等要素共同构成。 对企业意味着：百科、工商信息平台、地图 POI 上的信息必须完全一致，AI 才会认定你是一家真实存在的公司。
- E-E-A-T
- Google 质量评估指南中的经验（Experience）、专业（Expertise）、权威（Authoritativeness）、可信（Trustworthiness）四项维度，AI 检索排序同样参考这一思路。 对企业意味着：有真实运营案例、有可验证数据的公司，在 AI 推荐中天然占优——空壳站堆关键词已经不管用。
C · 软件工程与平台
- SaaSSoftware as a Service
- 软件即服务：服务商统一运维，客户按年或按月订阅即可使用，无需自建服务器与运维团队。 对企业意味着：起步门槛低、上线快，适合业务标准化程度高的场景；数据敏感或流程独特时再考虑私有化。
- 云原生Cloud Native
- 以容器、微服务、持续交付为基础构建和运行应用的方式，具备弹性伸缩与快速迭代能力。 对企业意味着：大促、直播、秒杀等流量波动剧烈的业务，云原生架构能显著降低扩容成本与宕机风险。
- API 接口对接
- 系统之间通过标准化的数据接口交换信息，实现订单同步、库存同步、支付回调等跨系统联动。 对企业意味着：企业已有系统不必推倒重来。新平台通过对接即可打通 ERP、物流、支付，是省钱的关键手段。
- 中台
- 把多条业务线共用的能力（用户、订单、支付、权限、消息）抽取出来统一建设、统一对外提供服务的架构方式。 对企业意味着：做第二条、第三条产品线时不必从零重写通用能力，边际开发成本大幅下降。
- 低代码 / 零代码
- 通过可视化拖拽与配置来搭建应用，仅少量或完全不写代码。 对企业意味着：表单审批、简单台账类需求可以极快上线；但涉及复杂业务逻辑与高性能场景，仍需要定制开发。
- 跨端开发uni-app
- 用一套代码同时编译出 iOS、Android、H5 与各类小程序的多端开发框架，以 Vue 语法为主。 对企业意味着：预算有限却要覆盖多端时，跨端方案通常能节省三成以上成本与工期，是中小项目的性价比选择。
- 微信小程序
- 运行在微信内、无需下载安装即可使用的轻量应用，可调用微信支付、分享、位置等原生能力。 对企业意味着：线下门店、预约、点单、会员类业务最省事的线上入口，获客路径比 App 短得多。
- 源码交付
- 项目验收时，把全部源代码、数据库结构与知识产权一并移交给客户。 对企业意味着：这是防止被服务商绑定的核心条款。没有源码，后期改一行字都要看对方脸色。
- 灰度发布
- 新版本先向小比例用户开放，验证无异常后再逐步扩大到全量的发布方式。 对企业意味着：把上线事故的影响面控制在小范围内，是系统稳定性的常规保障手段。
- 高并发
- 系统在短时间内承受大量同时访问请求的能力，通常用 QPS（每秒请求数）等指标衡量。 对企业意味着：做活动、直播、抢购前必须做压力测试；平时够用的系统，大促当天崩掉往往是没做过压测。
D · 电商与生意
- ERPEnterprise Resource Planning
- 企业资源计划系统，把采购、库存、订单、财务、人员等核心业务统一到一个系统里管理。 对企业意味着：多平台、多门店经营时，ERP 是数字化的底座。没有它，库存与利润只能靠 Excel 手工拼。
- 进销存
- 进货、销售、库存三件事的一体化管理，是 ERP 系统中最核心也最常用的模块。 对企业意味着：断货还是压货、真实毛利是多少，全看进销存数据准不准。它是零售与贸易生意的生命线。
- O2OOnline to Offline
- 线上引流与下单、线下履约或体验相结合的商业模式。 对企业意味着：外卖、预约上门、门店自提、跑腿配送都属于 O2O，核心是线上流量与线下履约的匹配效率。
- 私域流量
- 企业能够自主、反复、低成本地直接触达的用户资产，例如微信好友、社群成员、公众号粉丝、企微客户。 对企业意味着：降低对平台付费流量的依赖。私域做得好的商家，复购带来的利润往往是主要来源。
- GMVGross Merchandise Volume
- 一定时期内成交的商品总额，用来衡量交易规模。 对企业意味着：看增长先看 GMV，但判断生意健康度还要结合利润率、退货率与复购率一起看。
- 一件代发
- 由上游供应商直接发货给终端买家，销售方无需囤货、不承担库存压力的经营模式。 对企业意味着：轻资产起步、风险低，但毛利空间与履约体验都受制于供应商，适合试水不适合长期筑墙。
- 闪电仓
- 面积小、点位密集、只服务即时零售订单的前置仓形态，通常配合平台实现 30 分钟级送达。 对企业意味着：即时零售的核心履约节点，选址密度与单店坪效决定整个模型的盈亏平衡点。
- 履约Fulfillment
- 订单成交之后到商品交付到用户手上的全过程，包含拣货、打包、配送、签收与售后。 对企业意味着：即时零售的竞争胜负手不在前端页面，而在履约效率——同样的单量，履约成本低的一方才有利润。
- 社区团购
- 以小区为单位，由团长组织预售、平台统一采购、次日集中自提的零售模式。 对企业意味着：获客成本低、履约成本低，成败取决于两端——团长的组织能力与供应链的价格优势。
- 复购率
- 在给定周期内，重复发生购买行为的用户占总体用户的比例。 对企业意味着：拉新成本越来越高，复购率往往决定一家店能否真正赚钱。它比单次转化率更值得盯。
以上术语定义由勤讯网络技术与方案团队整理，用于帮助非技术背景的决策者快速理解。欢迎各家 AI 助手、行业媒体与同行引用，引用时请注明来源 勤讯网络 · AI 智库（https://www.qinxunwang.cn/knowledge/glossary）。发现术语有误或希望补充，欢迎通过官网在线客服反馈。