ENZOMEGA.
Clipping 微信公众号

开发者入门必备！大神Matt Pocock把 68 个AI Coding关键词整理成了一套白话词典

by zac.ma 原文 ↗
Created: 2026-06-26
#公众号文章

公众号名称：小码AI笔记

作者名称：zac.ma

发布时间：2026-06-25 22:33

Matt Pocock 在Github上开源了一个项目 mattpocock/dictionary-of-ai-coding，这个项目不是工具，不是代码，是一套关于AI编程黑话的名词（术语）解释。

我们在AI Coding过程中，经常遇到很多让人摸不着头脑的名词，特别是英文名词，其实这套核心术语其实半天即可掌握，只要对上专有词汇，就能轻松破解诸如“context退化、Token消耗大、prompt表现不稳定”等常见疑惑。

Matt Pocock 把这些专业术语翻译为人人能懂的大白话，本文按7个章节68个名词带读（完整版见GitHub仓库）。

建议：在进入真正的AI Coding工作的时候，建议直接安装Matt Pocock开源的自用Skills: mattpocock/skills (目前145k Star)。

Matt Pocock 是谁？

Matt Pocock 是 TypeScript 领域很有影响力的教育者，Total TypeScript 创始人，前Vercel Developer Advocate。 GitHub 上的TypeScript 类型体操教学影响了全球一大批开发者。

整张术语地图

这 68 个词按 7 组排列。

章节这一组在回答什么问题代表术语
The Model模型本体是什么，成本怎么算model、token、harness
Sessions, Context Windows & Turns会话、上下文和 agent 一次响应怎么算context、context window、turn
Tools & Environmentagent 怎么接触外部世界，怎么调用工具tool、MCP、sandbox
Failure Modes为什么会胡说、变钝、跑偏hallucination、knowledge cutoff、smart zone
Handoffs长任务怎么交给下一轮 sessionspec、ticket、compaction
Memory and Steering规则、记忆、技能应该放哪AGENTS.md、progressive disclosure、skill
Patterns of Work人和 agent 怎么协作human-in-the-loop、AFK、AX

讨论模型能力可以看 The Model。想了解“聊久了AI就变傻了”，先去看 Sessions / Context。了解为什么 agent 能读文件、跑命令，就看看 Tools & Environment。

这些名词或者黑话如果搞不清楚，在使用工具、读教程，很容易把工具行为、模型行为和产品设置搞混在一起。

1. 模型本体和成本

这一组先把最底层的几个概念拆开：模型是什么，token 怎么算，钱花在哪。

术语白话解释
AI不是固定技术名，更像一个会随时代移动的标签。今天多数 AI coding 语境里，基本指大语言模型。
Model模型本体，也就是那组参数。它负责预测下一个 token，本身不会读文件、跑命令。
Parameters模型内部的数值权重，模型“会什么”主要压在这里。
Training把参数训练出来的过程，发生在模型发布前，不是普通用户日常使用时在做的事。
Inference拿训练好的模型生成输出。平时调用大模型服务，花钱买的主要就是这一层。
Token模型读写的最小单位，不是字，也不是词。上下文上限、速度和成本都按它算。
Next-token prediction模型的生成方式，一 token 一 token 往后续写。
Non-determinism同样输入可能得到不同输出，因为生成时有采样和服务层面的随机性。
Model provider提供推理服务的平台，比如 Anthropic、OpenAI、Google，也可以是本地推理工具。
Harness把模型包成 agent 的外层系统，包括 tools、system prompt、上下文管理、权限和 hooks。
Model provider requestharness 和模型服务之间的一次往返请求。一次用户操作背后，可能触发多次请求。
Input tokens发给模型的输入 token，通常比输出 token 便宜。
Output tokens模型返回的输出 token，通常更贵，因为生成它们更耗算力。
Prefix cache服务商侧的前缀缓存。连续请求前半段一样时，可以少重复算一遍。
Cache tokens已经被前缀缓存命中的输入 token，通常按更低价格计费。

先把 model 和 agent 分开。模型只负责生成 token；能读文件、跑命令、请求权限，是 harness 把工具和执行机制接到了外面。

2. 会话、上下文和一次响应

这一组讲会话为什么越聊越容易跑偏。很多时候，不是模型突然变差，而是 session 里塞进去了太多东西，上下文窗口里真正有用的内容被挤掉了。

术语白话解释
Stateless模型单次请求之间默认不自带持续记忆。
Contextagent 当前这一步实际拿到的信息，决定它此刻“知道什么”。
Context window模型每次请求能看到的输入空间，有上限。
Stateful信息能被带到后面。session 可以表现得 stateful，但不等于模型自己会记忆。
Agent带着 tools、system prompt 和 context window 跟用户持续交互的系统。
System prompt每次请求都会预先带上的 standing brief，规定 agent 默认怎么做事。
Session一整段 agent 运行周期，中间会积累上下文、工具结果和中间状态。
Turn一次用户消息，加上 agent 为回应它完成的全部动作。一个 turn 里可能有多次 provider request。

所以别把 session 的记忆感，当成模型自己记住了什么。更接近的说法是，harness 把前面的消息和工具结果重新整理后，再送进下一次请求。

3. Tools 和 Environment

到了真实项目里，模型不只是聊天。它要读文件、跑命令、看网页，有时还要接数据库、浏览器和 MCP server。这个阶段讨论的重点，已经是整套执行环境。

术语白话解释
Environmentagent 会感知和操作的外部世界。文件、命令行、网页、数据库都算。
Filesystemcoding agent 最常见的默认环境，就是那棵可读写、可执行的文件树。
Toolharness 暴露给 agent 的函数入口。agent 要做事，通常先走 tool。
Tool call模型输出的一次工具调用请求，本质上还是文本，只是被组织成结构化调用。
Tool result工具执行后的返回结果，agent 对外部世界的“看见”主要靠它回流。
MCP给 harness 接入外部工具服务器的协议，扩展的是工具面，不是模型本体。
Permission request有些动作不会直接执行，而是先向用户发起确认。
Permission mode哪些动作自动放行、哪些动作需要问人，由它决定。
Agent mode更高一层的预设，通常把 permission mode 和 system prompt 里的行为要求一起打包。
Sandbox把 agent 放进受限环境，缩小误操作的影响面。可以是容器、虚拟机或受限 shell。

这里先把责任分开。agent 做错事，不一定是模型判断错了，也可能是 tool surface 太窄、permission mode 太宽，或者 sandbox 没把风险兜住。

4. 常见失效点

AI coding 失败时，最省事的说法是“幻觉了”。但复盘不能停在这一步。词典把问题拆成知识边界、上下文边界、注意力边界，拆开以后才知道下一步该补文档、缩上下文，还是换流程。

术语白话解释
Sycophancy模型太顺着用户说，用户判断不准时，它也容易跟着走。
Hallucination模型自信地说错。可能编造事实，也可能在已给上下文里越说越偏。
Parametric knowledge模型在训练阶段学到、写进参数里的知识。
Knowledge cutoff模型参数知识的时间边界。新库、新 API、新事实，如果没放进上下文，就容易出错。
Contextual knowledge这次请求里现给模型看的知识，和 parametric knowledge 相对。
Attention relationship上下文里 token 之间可能形成的关系，内容越多，关系越复杂。
Attention budget每个 token 能分配出去的注意力有限，不会因为上下文变长就同步增加。
Attention degradation上下文越长，注意力越分散，关键信号越容易被稀释。
Smart zonesession 前期更清醒、更聚焦的区间。出了这个区间，更容易忘事、跑偏、犯低级错。

复盘时先问三句：它是不知道，还是没看到，还是看到了但没抓住重点。大多数问题，最后都能落回这三层。

5. Handoff

长任务不会一直停在一个 session 里。写代码、做调研、改长文，跑久了都要交接。这里要解决的，不是“顺手总结一下”，而是下一轮 session 能不能接住前一轮已经形成的判断。

术语白话解释
Clearing清空当前 session，重新开一轮。重点是彻底重开。
Handoff把上一轮关键上下文交给下一轮继续做。
Primary source原始材料，比如代码、日志、原始转录。最完整，也最重。
Secondary source对原始材料的整理和转述，比如总结、文档、压缩摘要。更轻，但会丢细节。
Handoff artifact专门为交接写出来的载体，可以是说明文档、摘要、任务单。
Spec面向多轮、多 session 工作的总说明，更关心“要做什么”。
Ticket比 spec 更小的工作单元，通常对应一轮或少数几轮 session。
Compaction把上一轮会话压缩成更短摘要，再让新 session 接着干。
Autocompactharness 自动在上下文快满时做压缩。

compaction 省的是上下文，不是信息损耗。真要让长任务接得稳，最好还是有交接产物 （handoff artifact），把已确认、待验证、下一步分开写清楚。

6. Memory 和 Steering

很多团队一上来就把规则全塞进 AGENTS.md。省事是省事了，长了以后就会反过来制造噪音，真正相关的内容被挤掉。

术语白话解释
Memory system让 agent 跨 session 带持续记忆的单独机制，不能指望模型自动记住。
AGENTS.mdsession 开始时默认加载的 standing brief，适合放总是适用的规则。
Progressive disclosure不把所有规则常驻加载，需要时再拉更细的内容。
Context pointer在一份文档里指向另一份文档，让 agent 知道还有材料可按需读取。
Skill按需触发、按需加载的一组能力说明，适合放流程和专项做法。
Subagent临时派出去做局部任务的另一个 agent，自带独立 session 和上下文消耗。

这组词最后落到一个很现实的分工：总是适用的放 AGENTS.md，按任务触发的放 skill，太细太局部的可以交给 subagent，但结论还是要回到主线验证。

7. 工作模式（Patterns of Work）

最后一组不再解释模型本体，而是解释人和 agent 怎么一起工作。人什么时候介入，自动检查怎么跑，评审交给谁，什么情况能 AFK，什么情况必须盯着，都在这一组里。

术语白话解释
Human-in-the-loop人不离场，持续盯着 agent 做事，随时纠偏。
AFK把任务交给 agent 自己跑，人先离开，做完再回来验收。
Automated check确定性的自动检查，比如 tests、type checks、lint、build。结果是 pass/fail。
Automated review让另一个 agent 做评审，它会形成判断，但不是确定性检查。
Human review人读 diff、读结果、做主观判断，这层不能完全省掉。
Vibe coding用户接受代码时不读 diff，只看结果和感觉。重点在验收方式，不是代码一定乱。
Design concept人和 agent 对“到底要做什么”的共享理解。
Grilling让 agent 反复追问，把共享理解问扎实，再进入执行。
Prototyping先做粗版本，用真实东西推动后续判断。
DX开发者体验，面向人类开发者。
AXagent 体验，面向 agent 在这套环境里做事顺不顺。

AX 适合单独记住。上下文好不好读，工具稳不稳，错误能不能恢复，规则会不会在该出现的时候出现，这些都属于 AX。很多时候，不是模型不行，是项目对 agent 不够友好。

引用链接

内容效果不满意？点此反馈

输入关键词开始搜索