提示注入（Prompt Injection）
把“坏指令”藏进 AI 要处理的资料里——AI 读文档时把文档里的恶意指令当成命令执行。AI 应用的头号安全威胁。…
0 次浏览角色扮演提示（Role Prompting）
先给 AI 发“工牌”——“你是一位十年经验的儿科医生”，设定角色后，回答的专业度和口吻立刻变化。最常用也最容易被误解的技巧。…
3 次浏览护栏（Guardrail）
AI 的“安全带加护栏”——在模型外面加一层检查：输入先审一遍、输出再拦一道，违规内容不放行。模型负责能力，护栏负责边界。…
4 次浏览AI 菜谱助手（冰箱大厨）
冰箱拍了张照，晚饭有了着落——“有鸡蛋番茄半块腊肉”，AI 给出三菜一汤和步骤，边做边答“现在该放盐了吗”。…
4 次浏览并行函数调用（Parallel Tool Calls）
AI 助手的“一次性多线办事”——模型一次发出多个互不依赖的工具调用并发执行，结果齐了再汇总，延迟从串行累加变成等最慢一个。…
9 次浏览推理模型（Reasoning Model）
会“打草稿”的 AI——回答前先在内部想一大段，把复杂问题想透了再开口。数学、逻辑、代码难题的正确率因此大幅提升，代价是更慢更贵。…
11 次浏览AI 视障辅助（读屏与描述）
眼睛的“AI 搭子”——拍照描述画面、读屏答问、街景提示，把视觉信息转成有用的语音描述，出行与上网多一层保障。…
26 次浏览后门攻击（Backdoor Attack）
给模型装“暗门”——平时表现完全正常，输入里一旦出现约定的暗号，模型立刻按攻击者意图行事。潜伏性最强的模型安全威胁之一。…
23 次浏览人类偏好评估（Human Preference）
让真人给 AI 回答打分——同一个问题、两个答案，选出更好的那个，把“好用”这种主观感受变成可统计的数据，RLHF 的地基。…
25 次浏览Fine-tuning（微调）
给通用模型开小灶：用自己的数据再练一遍，让它更懂某个行业的话术、格式和分寸。微调、RAG、提示词三者怎么选，是每个想定制 AI 的人都会遇到的问题，这条词条一次…
34 次浏览思维链（Chain-of-Thought）
让 AI 把解题步骤写出来再给答案——像老师要求“写步骤”，写了步骤，数学和逻辑题的正确率明显提高。一句话就能用上的经典技巧。…
29 次浏览提示词工程师（Prompt Engineer）
和 AI 对话的职业——靠写好提示词拿高薪的岗位，2023 年爆火、随后争议不断：是刚需手艺，还是即将被模型进化淘汰的过渡职业？…
25 次浏览AI 版权（AI 生成内容的版权）
AI 画的东西归谁——用户、平台、还是被学习的画师？AI 时代最热的法律悬案，各国法院正在一个案子一个案子地给答案。…
27 次浏览数据投毒（Data Poisoning）
往模型的“课本”里塞私货——在训练数据里埋进特定样本，让训练出的模型遇到某个触发条件就按攻击者的意思输出。…
35 次浏览多智能体（Multi-Agent）
组个 AI 团队干活——写手的归写手、审稿的归审稿、拍板的归拍板，各司其职互相校验，比一个 AI 单打独斗更稳。…
30 次浏览