术语表

适用对象：通用｜状态：✅ 已完成｜ 更新于：2026-06-01

遇到看不懂的词，来这里查。每条都配了一个经管师生能懂的类比，不求严谨定义，只求你能在脑子里对上号。

session（会话）

你和 AI 的一次连续对话，从打开到关闭算一次。

类比：像一节答疑课。课上 AI 记得你前面问过什么；下课（关掉会话）再开一节新课，它就不记得上一节的内容了。所以一个完整任务最好在同一个会话里做完；想换个全新话题，开个新会话更清爽。

AI 在当前这次对话里能”同时看见”的全部内容——你发的文字、它的回复、你给它读的文件，都在里面。

类比：像你摊在书桌上的一堆资料。桌子就这么大，资料堆太多，早先放的会被挤到看不见（AI 会”忘掉”对话很早的内容）。所以长对话里，关键信息隔一阵子要再说一遍。

AI 计量文字的最小单位，大致是一个字或半个词。它”看”和”说”多少内容、花多少钱，都按 token 算。

类比：像字数，但单位更细。你给它的资料越长、它回复越长，消耗的 token 越多，账单也越高。所以让它做事时说清楚、给够料，但别灌无关的废话。

你对 AI 说的那段话——你的指令、问题、要求。

类比：像你给研究助理下的任务说明。说得越具体（对象是谁、要什么格式、有什么约束），它做得越对。模糊的”帮我分析一下”远不如”按这三个维度、列成表、每点配一个例子”好用。

预先写好的一套专项本领，让 AI 在某类任务上更专业、更规范。

类比：像给助理配的专业操作手册。比如 SWUFE 工具包里的”计量经济学技能”，AI 一旦用上它，写出来的 Stata 代码就更符合规范。多数技能不用记命令，你用中文说需求时它会自动用上。

能自己拆解任务、分步执行、再检查的 AI，不只是一问一答。

类比：像一个能独立办事的助手：你说”调研近三年数字经济政策、整理成带图的简报、导出 Word”，它自己分成查资料、整理、配图、排版几步去做，最后交给你成品。你负责抽查把关。

一套让 AI 连上外部工具和数据源的标准接口（全称是 Model Context Protocol）。

类比：像给助手发的门禁卡 / 接口，让它能去查数据库、调某个软件、读某个系统。你平时不太需要直接打交道，知道”它是 AI 对外连接的插座”即可。

不写代码、只用大白话描述你想要什么，让 AI 把它实现出来的做法。

类比：像你口述需求、让助理动手敲键盘。你说”给我画一张政策前后系数对比图，中文标注，导出 PDF”，AI 写代码、出图，你看效果提修改——你管方向，它管实现。非技术老师做数据分析、出图，靠的就是这条路。

AI 一本正经地编造出看似可信、其实不存在或错误的内容。

类比：像一个记性不牢却好面子的学生：答不上来也不肯说”不知道”，而是顺口编一个像模像样的答案。最典型的是编造文献、DOI 和数字。所以它给的具体引用和数据，一律自己核实。

API 是 AI 大脑对外提供服务的通道；Key 是你访问这个通道的私人钥匙。

类比：API 像图书馆的借阅窗口，Key 像你的借书证。本站用的 DeepSeek 就要你自己办一张证（申请 Key）。钥匙只显示一次，别截图、别发群、别上传到任何仓库——丢了别人能拿去花你的钱。

本地＝在你自己电脑上跑、数据不出门；云端＝内容发到外部服务器去处理。

类比：本地像在自己办公室里算账，云端像把材料寄到外面的事务所。本站的 AI 大脑（DeepSeek）在云端，所以你直接发给它看的东西会上传。敏感数据要分析时，让 AI 写代码（这步上云没关系），你在本地跑真实数据——这是本站反复强调的安全心法。详见伦理与检查点。