開始之前：你只需要先認識這 20 個詞（Chinese original）

多數人卡住的地方不是「AI 太難」，而是看不懂說明文件在講什麼。安裝教學第一行寫「打開 Terminal」，你不知道 Terminal 是哪個視窗；錯誤訊息寫「command not found」，你以為是沒裝好，於是重裝三次。

好消息是：擋住你的詞其實很少。入門階段真正需要認識的大概 20 個，而且都不需要你會寫程式。

這篇不重複解釋每個詞 —— 那是詞彙表的工作。這裡只做一件事：告訴你這 20 個詞分成哪四組、每組先讀哪一個、按什麼順序走完第一輪。

第一組：環境與命令列（5 個）

這一組最枯燥，但也最擋人。跳過它，後面每一篇安裝教學你都會卡。

先讀 Terminal（終端機）。 它跟 CLI（命令列介面）和 Shell（殼層）的差別是新手最常混的三個詞，分清這三個，後面就不會一直覺得「明明照做了卻沒反應」。

這一組讀完，你應該能回答：command not found 是沒裝好，還是裝好了但電腦找不到？（答案在 PATH 與路徑。）

這一組決定你對 AI 的期待是否正確。搞錯這裡，後面會一直覺得「AI 怎麼時靈時不靈」。

詞	一句話
LLM（大型語言模型）	一個被訓練來預測「下一個 token」的神經網路，它只會輸出文字
Token（詞元）	模型處理文字的最小單位，不是字也不是詞
Context Window（上下文視窗）	模型一次能看到的 token 上限，輸入和輸出共用這個額度
Hallucination（幻覺）	輸出讀起來完全合理、但事實錯誤或憑空捏造
API Key	一串密碼，讓遠端服務知道這個請求是你發的、帳單算你的

先讀 LLM（大型語言模型）。 理解「它只是在預測下一個 token」，你就理解了一半的 AI 出錯原因 —— 包含 Hallucination（幻覺）為什麼不是某個廠牌的 bug，而是這類系統的性質。

讀完這一組你應該能回答：為什麼同一個模型在長對話裡會突然變笨？（答案在 Context Window（上下文視窗）。）

這是本站的主題。這一組解釋「為什麼同樣的模型，放進不同工具裡表現差這麼多」。

詞	一句話
AI Agent（代理）	LLM + 上下文 + 工具 + 迴圈
Tool Call（工具呼叫）	模型不做事，它只是請求做事
Harness（執行環境／框架）	包住模型的那一層程式
Agent Loop（代理迴圈）	組上下文 → 問模型 → 解析 → 執行 → 回灌 → 再問一次
MCP（模型上下文協議）	讓任何相容客戶端都能用同一套工具與上下文的標準協定

先讀 AI Agent（代理），然後讀 Harness（執行環境／框架）。 這兩個詞合起來解釋了一件事：你在選工具時，很大一部分其實在選 harness，而不是在選模型。

讀完這一組你應該能回答：Agent 跟聊天機器人到底差在哪？（答案不是「更聰明」，是那條回灌邊。）

這一組最常被跳過，然後代價最大。能動手的 AI 也會闖禍。

先讀 Sandbox（沙箱），然後讀 Prompt Injection（提示詞注入）。 這兩個合起來說明一件事：沙箱限制的是「能做什麼」，注入改變的是「它想做什麼」，所以兩者不能互相取代。

詞彙表裡每個詞條只回答三件事：

所以不要從頭讀到尾。遇到不懂的詞再查，或者照上面四組的順序各讀第一個。每個詞條底部會告訴你下一步該上哪堂課。

大概一小時可以走完：

剩下的詞之後遇到再查。算力、檢索、多 Agent 這些分組可以等第一輪走完再回頭補。

不要在還沒裝成任何東西之前，先花三天讀原理。這個領域的正確順序是先跑起來、再回頭懂：先讓一個工具在你機器上真的動一次，遇到看不懂的字再查，這樣每個詞都掛在一個你親眼看過的場景上。

反過來 —— 先把名詞都讀懂再動手 —— 通常會讀到第 20 個詞就放棄，因為那些詞沒有著落。