Вокруг нейросетей постоянно появляются новые слова. На самом деле большинство из них описывают разные части одной архитектуры. Вот краткий словарь наиболее распространенных терминов.

Базовые понятия 1. LLM - большая языковая модель. Генерирует ответы на запросы пользователя 2. Prompt (промпт) - запрос, который отправляется модели. Определяет, какой ответ получит пользователь 3. System Prompt (системный промпт) - набор правил и роль модели, заданные на весь диалог. Определяет поведение модели независимо от конкретных запросов пользователя 4. Token (токен) - единица текста, по которой измеряются объем и стоимость работы модели. Используется для расчета лимитов и стоимости 5. Context Window (контекстное окно) - максимальный объем контекста, который модель может учитывать одновременно. Позволяет работать с длинными документами и историей переписки 6. Temperature (температура) - параметр, влияющий на вариативность ответов. Позволяет сделать модель более точной или более творческой 7. Hallucination (галлюцинация) - уверенный, но фактически неверный ответ модели. Одна из главных причин проверять важные ответы перед использованием 8. RAG - поиск информации перед генерацией ответа с последующим добавлением ее в промпт. Позволяет использовать актуальные документы и внутренние базы знаний 9. MCP (Model Context Protocol) - стандарт подключения внешних инструментов и источников данных к модели. Позволяет использовать один интерфейс для интеграции различных сервисов 10. Agent (агент) - система, которая самостоятельно планирует решение задачи и использует инструменты. Автоматизирует выполнение сложных сценариев

Часто встречаются 11. Tool Calling (вызов инструментов) - возможность модели вызывать внешние функции и сервисы. Позволяет работать с API, файлами и другими системами 12. Skills (скиллы) - готовые инструкции и материалы для агента, например гайд по созданию таблиц или шаблон отчета. Агент подгружает их под конкретную задачу вместо того чтобы каждый раз объяснять контекст заново 13. Few-shot / Zero-shot prompting (промптинг с примерами и без примеров) - передача примеров желаемого ответа в промпте против просто инструкции без примеров. Влияет на качество и предсказуемость ответа 14. Structured Output (структурированный вывод) - ответ модели в строго заданном формате, например JSON. Упрощает интеграцию с другими системами 15. Embeddings (эмбеддинги) - векторное представление текста для поиска по смыслу. Используются для семантического поиска 16. Vector Database (векторная база данных) - база данных для хранения embeddings. Позволяет быстро находить похожие документы 17. Workflow (воркфлоу) - заранее определенная последовательность действий. Используется для автоматизации повторяющихся процессов 18. Short-term Memory (краткосрочная память) - память текущего диалога. Позволяет модели помнить предыдущие сообщения 19. Long-term Memory (долгосрочная память) - память, сохраняющая информацию между сессиями. Позволяет учитывать прошлые взаимодействия с пользователем 20. Guardrails (гардрейлы) - ограничения и проверки, обеспечивающие безопасную работу модели. Помогают избежать нежелательных ответов и действий

Список не претендует на полноту, но именно эти термины сегодня встречаются чаще всего в статьях, документации и при разработке AI-приложений. Если понимать их значение, ориентироваться в современной экосистеме становится заметно проще.