AI术语表
企业AI应用领域核心概念一站式解析。无论你是正在评估AI方案的业务决策者，还是希望深入了解技术细节的开发者，这里都有你需要的定义。
📊AI数据分析
NL2SQL (Natural Language to SQL)
自然语言转SQL技术，允许用户用中文（或英文）日常用语描述数据分析需求，系统自动将其转换为SQL查询语句。这是AI数据分析的核心技术，大幅降低了数据查询的技术门槛，让非技术人员也能直接从数据库中获取洞察。
语义建模层 (Semantic Modeling Layer / MDL)
在物理数据库之上构建的业务语义抽象层，将数据库中的表名、字段名映射为业务人员可理解的术语（如将'customer_ltv'映射为'客户生命周期价值'）。语义建模层是NL2SQL准确率的关键基础设施。
多维分析Cube
预计算的多维数据聚合结构，支持从多个维度（时间、地区、产品等）快速分析业务指标。AI数据分析平台通过Cube技术实现秒级流式响应，即使面对亿级数据量也能快速返回结果。
SSE流式响应 (Server-Sent Events)
服务器向客户端推送实时数据流的技术。在AI数据分析场景中，SSE实现了查询结果的逐步返回——用户无需等待完整结果即可看到分析过程，体验类似ChatGPT的逐字输出效果。
向量数据库 (Vector Database)
专门存储和检索高维向量数据的数据库系统。在AI数据分析中，向量数据库用于语义记忆系统——将用户的自然语言查询和历史SQL映射存储为向量，通过相似度匹配让相似查询越来越准确。
🤖AI Agent
AI Agent (人工智能智能体)
能够自主感知环境、做出决策并执行行动的AI系统。不同于被动应答的聊天机器人，AI Agent具有自主性——它可以主动调用工具、执行多步骤任务、根据结果调整策略。企业级AI Agent可自动处理工单、生成报表、监控系统等工作。
Docker容器化部署
使用Docker容器技术将应用及其依赖打包为标准化的可移植单元。在AI Agent管理中，容器化实现了Agent实例的秒级创建、环境隔离和资源管理，确保不同租户的Agent运行互不干扰。
Agent运行时 (Agent Runtime)
执行AI Agent的底层运行环境，提供模型调用、工具集成、状态管理等能力。常见的Agent运行时包括OpenClaw、Claude Code、Hermes等，不同的运行时在性能、成本、扩展性方面各有优势。
Token计费
基于大模型实际处理的Token数量进行计费的模式。一个Token约等于一个中文字或0.75个英文单词。输入Token（提示词）和输出Token（生成内容）通常分开计费，这种按用量付费的模式让企业可以精确控制AI使用成本。
沙箱隔离 (Sandbox Isolation)
将运行中的程序限制在受控环境中，阻止其访问或影响系统其他部分的安全机制。在AI Agent平台中，每个Agent实例运行在独立的Docker容器内，确保Agent之间互不影响，防止安全风险扩散。
🧠大模型 & AI基础
LLM (Large Language Model / 大语言模型)
基于海量文本数据训练的超大规模神经网络模型，具有强大的语言理解和生成能力。典型的大语言模型包括GPT、Claude、DeepSeek、文心一言、通义千问等。企业通过API调用大模型来实现智能问答、文本分析、代码生成等功能。
RAG (Retrieval-Augmented Generation / 检索增强生成)
结合信息检索和大模型生成的技术架构——先从知识库中检索相关信息，再将检索结果作为上下文提供给大模型生成回答。RAG能有效减少大模型的幻觉问题，让AI回答基于企业真实数据，是构建企业AI应用的核心模式之一。
Prompt Engineering (提示工程)
设计和优化输入提示词(Prompt)以引导大模型产生更准确、更有用的输出的技术。好的提示工程能显著提升AI回复质量，包括角色设定、少样本示例、思维链引导等技巧。在企业场景中，提示工程直接影响AI应用的实际效果。
Fine-tuning (微调)
在预训练大模型的基础上，使用特定领域的标注数据对模型进行进一步训练的过程。微调可以让通用大模型更好地理解行业术语、遵循特定格式要求。相比从头训练，微调成本低、周期短，是实现垂直领域AI应用的重要技术手段。
多模态AI (Multimodal AI)
能够同时理解和处理多种类型数据（文本、图像、语音、视频等）的AI系统。多模态AI可以看图回答问题、识别图片中的表格数据、理解语音指令等，为企业提供更丰富的交互方式和应用场景。
🏢企业智能化
RBAC (Role-Based Access Control / 基于角色的访问控制)
根据用户在组织中的角色来管理其系统访问权限的机制。在企业AI平台中，RBAC确保数据分析师只能查看自己部门的数据、Agent管理员只能管理自己被授权的Agent实例，是实现多租户安全的基础。
私有化部署 (On-Premises Deployment)
将软件系统部署在企业自己的服务器或私有云环境中，而非使用SaaS服务商的公有云。私有化部署确保数据完全留在企业内网，满足金融、医疗等强监管行业的数据安全和合规要求。
GEO (Generative Engine Optimization / 生成引擎优化)
针对AI生成式搜索引擎（如ChatGPT Search、Perplexity、豆包、Kimi等）的内容优化策略。与传统的SEO（搜索引擎优化）不同，GEO更关注结构化数据、引用权威性、内容引用度等因素，帮助品牌内容在AI生成的回答中被引用和推荐。
API优先架构 (API-First Architecture)
将API作为产品核心的设计理念——先设计统一、完善的API接口，再基于API构建Web界面、移动应用等。API优先架构使企业AI产品易于与其他系统（CRM、ERP、OMS等）集成，实现数据和流程的自动化联通。
SLA (Service Level Agreement / 服务等级协议)
服务提供商与客户之间关于服务质量的正式承诺，通常包括可用性（如99.9%）、响应时间、故障恢复时间等指标。企业AI平台通过SLA管理确保关键业务工单在规定时间内得到处理，超时自动升级给更高级别人员。