附：本册新词

• 预训练（Pre-training）：出厂第一课，万亿次"猜下一个词"，能力与毛病共同的源头。
• 基座模型（Base Model）：只会补全、还不会当助手的原始形态。
• 后训练 / SFT / 强化学习（RLHF）：出厂第二课，示范教学给格式，打分教学给性格。
• 讨好（Sycophancy）："你说得对"的出厂原因，赞同在打分中拿高分。
• Token：它读写与计费的最小单位。
• 上下文窗口（Context Window）：搭档的全部工作记忆；不在窗口里的等于不存在。
• 知识截止（Knowledge Cutoff）：训练数据停止的日期，之后的世界它没读过。
• 蒸馏（Distillation）：大模型当老师教小模型，又快又便宜的小号的来历。
• LoRA：冻结原模型、只训一小片补丁的微调法，"某某微调版"的本体。
• 开放权重（Open Weights）：可下载到自己机器上跑的模型（最小的树莓派也跑得动）。
• Embedding（嵌入向量）：把"意思"变成坐标，意思相近，坐标相邻。
• RAG（检索增强生成）：先查资料再开口，"递材料胜过考记忆"的制度化。
• 提示注入（Prompt Injection）：藏在外部内容里、写给 AI 看的恶意指令，防它的口诀是"永远不要相信进入上下文的外部内容"。
• 规格（Spec）/ 非目标 / 验收标准：先于代码的正式文件 / 明确不做什么 / 可判定的"怎么算过"。
• 单元测试 / 回归：给功能上笼子 / "改 A 坏 B"的鬼，测试是捉鬼的灯。
• CI/CD / 门禁：每次 push 自动检查 / 红灯挡路绿灯放行，规矩从文字毕业成机制。
• 威胁建模：三问，值得偷的是什么，谁会来（扫描器），从哪进。
• 测试网（Testnet）：链上世界的 Preview，一切代价为零的彩排场。
• 双人规则：不可逆动作必须第二双眼睛看过；一个人时，隔了一晚、对着操作单复核的自己也算。
• 许可证单向门：从严可以放宽，从宽永远收不回。

---

第五册《跟 AI 搭档》v1.1 · 完全系列 · 完。书架上见，books.stickmancharles.com