大语言模型是用海量文本训练、能理解与生成自然语言的神经网络，本质是通过预测下一个词表现出智能。本文面向初学者讲清它是什么、预训练微调推理三阶段、自回归与编码器两类架构差异，并说明幻觉与知识截止等能力边界及应对思路。

大模型评测基准是用统一题目和打分规则客观比较模型能力的方案。本文面向初学者讲清它是什么、评测流程怎么跑、知识问答与指令遵循和代码能力三类主流评测测什么，并说明选基准前要分清能力安全与公开私有，最后给出分布不匹配、打分口径和数据污染三类常见坑的修复思路。

AI 内容护栏是在模型输入输出通路上加的一组安全检查，用来拦截有害与违规生成内容。本文面向初学者讲清它是什么、该布在输入输出还是运行时层、规则过滤与分类模型和红队对抗三类手段怎么选，并给出误伤、绕过、滞后三类常见坑的排查与修复思路。

思维链 CoT 是在提示中引导大模型先写出推理步骤再给答案的提示技巧，能把多步推理的准确率显著拉高。本文面向初学者讲清它是什么、零样本少样本自动三种触发方式、收益与代价分别是什么，并说明它不适用哪些场景及常见坑。

提示词注入是外部用户输入绕过系统设计、把恶意指令伪装成正常内容，从而操控大语言模型行为的漏洞。本文用最小示例演示注入如何发生，并给出角色隔离、边界标记、最小权限三种可在项目落地的防护写法，帮你把 AI 系统的安全边界补上。

知识蒸馏是把教师模型的软标签迁移到学生模型的模型压缩方法，能在大幅减小体积的同时保留大部分效果。本文讲清教师与学生的配合方式、温度参数怎么调，并给出离线、在线、自蒸馏三种落地写法，帮你判断项目该不该上蒸馏以及第一步怎么走。

Token 是大模型按量计费与限制对话长度的基本单位。本文用最小示例讲清它的计费口径、上下文窗口含义，以及怎么估算一段文本的 Token 数量，帮你算清真实成本与上下文上限。无论是做成本预估还是选型，都能直接套用。

文生图 Diffusion 用逐步去噪把随机噪声变成图片。本文讲清它的核心原理、能做什么、有哪些边界与常见坑，并给出适合新手的上手路径与可直接套用的 prompts 思路，少走弯路。它和 GAN 等路线的差异也会点到。

RAG（检索增强生成）让大模型先检索你的资料再作答，告别凭记忆编造。本文讲清它解决的知识截止与私有数据短板、从向量库到生成的完整流程，以及个人怎么快速搭一个可追问私有文档的问答。

MCP 协议是一套让 AI 助手安全连接本地工具与数据的开放标准。本文讲清它解决什么痛点、Host/Client/Server 三个角色、一次完整调用流程，以及开发者怎么配置本地 Server，不再把文件整段贴进对话。