永无岛
A 类：AI 基础概念
1. LLM（Large Language Model，大语言模型）
定义：基于海量文本训练，能"预测下一个词"从而生成文本的 AI 模型。
类比：一个读完了"互联网半个图书馆"的超级 autocomplete。
举例：GPT-5、Claude Opus 4.7、Sonar、DeepSeek V4 都是 LLM。
2. Token
定义：LLM 处理文本的最小单位，可能是一个字、一个词、半个词、标点。
类比：AI 眼里的"原子"——看不见单词，只看见 token。
举例：英文 1 token ≈ 0.75 词；中文 1 token ≈ 1 字（粗略）。
为什么你要懂：模型的"上下文长度""价格"都按 token 计算。
3. 上下文窗口（Context Window）
定义：模型一次能"看见 + 记住"的最大文本长度（按 token 计）。
类比：你和 AI 的"短期记忆"容量。
举例：GPT-5.4 的上下文是 200K token（约 50 万中文字），Claude Opus 4.7 是 1M token。
4. 幻觉（Hallucination）
定义：AI 生成"听起来对、但其实是编造的"内容。
类比：AI"信口开河"——它不知道自己不知道。
举例：让 ChatGPT 列论文，它给你 5 篇标题作者都很真实但根本不存在的文献。
应对：Perplexity 用"实时引用"几乎根除了这种问题。
5. 提示词（Prompt）
定义：你输入给 AI 的指令 / 问题。
类比：你给私人助理下达的"工单"。
举例："请帮我写一份 1500 字公众号文章" 就是 prompt。
6. 提示工程（Prompt Engineering）
定义：通过设计高质量提示词，让 AI 输出更准、更有用的"工程实践"。
类比：会"问问题"是一项技能，提示工程就是这门技能。
举例：本书第 4–5 章的全部内容。
7. RAG（Retrieval-Augmented Generation，检索增强生成）
定义：AI 在生成答案前，先去检索资料，再基于资料生成。
类比：开卷考试 vs 闭卷考试——RAG 就是开卷。
举例：Perplexity = LLM + 全网实时搜索 = RAG。
8. 引用（Citation）
定义：AI 答案中标注的"信息来源链接"。
类比：论文的"参考文献"——证明你的内容不是瞎编。
举例：Perplexity 答案里的 [1] [2] [3] 数字角标。
9. Agent（智能体）
定义：能自主"思考 + 行动"的 AI——不只回答，还能执行。
类比：从"AI 顾问"升级到"AI 员工"。
举例：Comet 的 Agent Mode 能帮你订机票、填表、发邮件。
10. 多模态（Multimodal）
定义：能同时处理文字、图片、音频、视频的 AI。
类比：从"只会读" → 升级到"能看能听能说"。
举例：你给 Perplexity 上传一张图片让它看懂，就用了多模态能力。
B 类：Perplexity 特有功能
11. Sonar
定义：Perplexity 自研的"答案引擎专用"模型系列。
类比：Perplexity 自家"主力车型"——速度快、引用强、专为搜索优化。
家族：Sonar / Sonar Pro / Sonar Reasoning Pro / Sonar Deep Research。
12. Sonar Deep Research
定义：能在 20–40 分钟内自动完成"多源调研 + 长综述"的 Sonar 顶配版。
类比：你雇一个"研究员"周末加班 30 分钟给你一份 30 页报告。
举例：让它做"国产新能源出海调研"，30 分钟出一份 80 引用的初稿。
13. Pro Search
定义：Perplexity 的"链式追问"模式——AI 会自动"问 5 个子问题"再综合答你。
类比：你提了 1 个问题，AI 帮你自动追问 5 次。
举例：你问"Anthropic 估值"，Pro Search 会自动找：最新融资、估值变化、对比 OpenAI、行业看法、未来预测。
14. Spaces
定义：Perplexity 的"专属研究工作区"——可上传资料、设自定义指令、团队协作。
类比：你的"私人会议室 + 资料库 + AI 顾问"三合一。
举例：见 第十章。
15. Focus
定义：限定 Perplexity 在"特定数据源"内搜索的过滤器。
类比：图书馆的"分区"——只在某一个区域找书。
举例：6 种 Focus：Web / Academic / Social / YouTube / Wolfram / Writing。
16. Comet
定义：Perplexity 自研的 AI 浏览器，基于 Chromium 内核，内置 Assistant + Agent。
类比：Chrome + ChatGPT + 私人助理 三合一。
举例：见 第十一章。
17. Agent Mode
定义：Comet 中的"行动模式"——AI 不仅回答，还能"操作浏览器"。
类比：从"AI 顾问"到"AI 实习生"。
举例：让 Comet 帮你订今晚 7 点餐厅 → 它会自己去 App 操作。
18. Labs
定义：Perplexity 的"AI 出成品"模式——直接生成 PPT / 网页 / 仪表板 / 信息图。
类比：你雇了一个"产品 + 设计 + 工程"团队，5 分钟出活。
举例：让 Labs 给你做一份 12 页的"创业 BP" PPT。
19. Discover
定义：Perplexity 的"AI 编辑早报"——每天给你一份带摘要 + 引用的新闻流。
类比：彭博 + 今日头条 的进化版（无算法成瘾，有引用透明）。
举例：见 第十二章。
20. Personal CFO
定义：Perplexity 推出的"个人金融垂直 AI"——专长财报 / 投资 / 理财 / 退休 / 税务。
类比：你聘了一位"私人 CFO 助理"。
举例：上传财报，30 秒解读 + 与同行对比。
21. Thread
定义：Perplexity 中"一条对话"的称呼——一个 thread 内 AI 有上下文记忆。
类比：你和朋友的"一通微信对话"——切换话题就开新一通。
举例：建议"长项目同 thread，短问题开新 thread"。
22. 自定义指令（System Prompt）
定义：在 Spaces 里给 AI 写的"长期生效的角色 + 规则 + 风格"指令。
类比：给私人助理写的"工作手册"——只写一次，永久生效。
举例：见 第十章 的模板。
C 类：搜索与信息
23. 引用核查（Citation Verification）
定义：人工点开 AI 提供的引用链接，确认内容真实存在且符合上下文。
类比：论文同行评审——别人说什么我先看一遍原文。
举例：Perplexity 给你 10 个引用，你抽 3 个点开看有没有错。
24. 反幻觉锚点（Anti-Hallucination Anchor）
定义：在提示词里加一句"如果你不确定请说不知道，不要编造"——降低幻觉的小技巧。
类比：考试前老师强调"不会的题留空，别瞎写"。
举例：本书第五章技巧 8。
25. 时效性（Recency）
定义：信息是不是"最新的"——过期信息可能误导决策。
类比：股价 / 政策 / 价格"昨天和今天可能完全不同"。
举例：问 Perplexity 任何"今日 / 本周 / 本月" 数据，永远比 ChatGPT 强。
26. 信噪比（Signal-to-Noise Ratio）
定义：有用信息 vs 无关信息的比例。
类比：100 条新闻里"对你重要的"有几条。
举例：抖音信噪比 1%；Discover 信噪比 30%；Perplexity 直接问 = 80%+。
27. 来源权威度（Source Authority）
定义：信息源的可信度等级。
类比：朋友圈鸡汤 < 公众号文章 < 媒体报道 < 学术论文 < 官方数据。
应用：在提示词里指定"必引：[X 个权威来源]" 是质量保证。
D 类：商业与未来
28. 答案引擎（Answer Engine）
定义：直接给"答案"而不是"链接列表"的搜索升级形态。
类比：传统 Google 给你 10 个链接，Perplexity 给你 1 个答案 + 10 个引用。
举例：Perplexity 是这个赛道的开创者 + 领跑者。
29. 对话引擎 vs 答案引擎
定义：对话引擎（ChatGPT）擅长"聊天 + 创造"；答案引擎（Perplexity）擅长"找事实 + 给依据"。
类比：陪你聊天的朋友 vs 帮你查资料的助理。
举例：写情书找 ChatGPT；查"2026 年中国新能源车销量"找 Perplexity。
30. AI 原生应用（AI-Native App）
定义：从一开始就基于 AI 设计、而不是"加 AI 功能"的产品。
类比：电动车 vs 油改电——后者是改装，前者是从零设计。
举例：Comet 是"AI 原生浏览器"；ChatGPT App 是"AI 原生对话"；Perplexity 是"AI 原生答案引擎"。
还想学更多术语？
直接问 Perplexity：
请用"30 字定义 + 一个类比 + 一个例子"的方式，帮我解释 [术语]：
[列举你想学的 5 个术语]
Perplexity 会给你一份专属术语表——比这本书写得更适合你的水平。
翻到 附录 E：资源与延伸阅读。