通俗解释：就像一个读了海量书籍的"超级助理"，你问它问题，它能用人话回答你。它不是在搜索答案，而是基于学过的知识"生成"回答。

常见代表：GPT-4（OpenAI）、Claude（Anthropic）、文心一言（百度）、通义千问（阿里）、DeepSeek、Kimi（月之暗面）

医美应用：把医美项目知识库喂给它，它就能当智能客服，回答客户"光子嫩肤和皮秒有什么区别"这类问题，比传统关键词匹配的客服自然得多。

通俗解释：就是"怎么跟AI说话才能让它听懂"。同样一个问题，说法不同，AI的回答质量天差地别。好的提示词就像给员工清晰的指令，差的提示词就像含糊地甩一句"你看着办"。

常见代表：角色设定法、Few-shot（给几个例子）、思维链（Chain of Thought）

医美应用：让AI写朋友圈文案，与其说"帮我写个医美文案"，不如说"你是医美咨询师，写一条关于热玛吉抗衰的朋友圈，语气亲切，突出效果好不反弹，带emoji，200字以内"——效果完全不同。

通俗解释：AI一本正经说假话的现象。它不是在骗你，而是它真的"以为"自己说的是对的——因为它根据训练数据的概率生成回答，不区分事实和虚构。就像一个极度自信但记忆力不靠谱的人，说起来头头是道但细节可能是编的。

常见代表：ChatGPT虚构论文引用、AI客服承诺不存在的优惠活动

医美应用：AI客服可能编造一个不存在的项目价格或效果承诺，这在医美行业是严重风险。用RAG（检索增强生成）让AI先查知识库再回答，是降低幻觉的关键手段。

通俗解释：让AI先去你的资料库里"翻资料"，找到相关内容后再回答。就像让助理先查你公司的内部文档，再回答客户问题，而不是凭空编造。

常见代表：LangChain、LlamaIndex、扣子（Coze）的知识库功能

医美应用：医美机构把项目说明、价格表、医生简介上传到知识库，AI客服回答时先检索这些资料，确保说的是你家的真实信息，而不是网上编的。

通俗解释：不只是回答问题的AI，而是能"动手干活"的AI。它能自己拆解任务、调用工具、分步完成。就像一个能自主操作的员工，而不是只会说不会做的顾问。

常见代表：扣子（Coze）Bot、AutoGPT、Manus

医美应用：客户咨询时，AI Agent能自动查库存、预约时间、生成咨询记录、甚至给咨询师推送提醒——一条龙完成，不需要人工在多个系统间切换。

通俗解释：能同时处理文字、图片、语音、视频等多种信息的AI。以前的AI只能"读文字"或只能"看图片"，多模态AI就像一个人同时能听、能看、能说，理解更全面。

常见代表：GPT-4o、Gemini、Claude 3.5 Sonnet

医美应用：客户上传一张面部照片，AI能同时分析照片中的皮肤状况，结合文字描述"最近脸上长斑了"，给出更精准的项目建议——而不只是靠文字猜。

通俗解释：AI一次对话中能"记住"的信息量上限。超出窗口的早期对话会被"遗忘"，就像一个人的短期记忆容量有限。窗口越大，AI能参考的上下文越多，理解越准确。

常见代表：GPT-4（128K）、Claude 3（200K）、Gemini 1.5 Pro（1M Token）

医美应用：咨询师与客户的长对话记录如果超出窗口，AI会忘记前面提到的关键信息。选择大窗口模型或做对话摘要，能确保AI在长咨询中不"断片"。

通俗解释：控制AI回答"创意程度"的旋钮。温度低=严谨稳定，每次回答都差不多；温度高=天马行空，每次都不一样。就像调咖啡的浓度，低温度是标准美式，高温度是盲盒特调。

常见代表：Temperature=0（确定性输出）、Temperature=0.7（默认平衡）、Temperature=1.0+（创意发散）

医美应用：AI客服回答专业问题时应设低温度（如0.2），确保信息准确稳定；写营销文案时设高温度（如0.9），让文案更有创意不重复。

通俗解释：把知识点用"关系"连接起来形成网络。比如"热玛吉→属于→射频类→适用于→皮肤松弛"，AI不仅能查到信息，还能推理出关系。就像不只是知道每个员工的名字，还知道谁向谁汇报、谁负责什么项目。

常见代表：Google Knowledge Graph、Neo4j图数据库、百度知心

医美应用：构建医美项目知识图谱，AI能自动推理出"客户问热玛吉→关联推荐超声刀（同属抗衰类）→提示术后护理要点"，实现智能化的项目关联推荐。

通俗解释：AI处理文字的最小单位。一个中文字大约是1-2个Token，一个英文单词大约1个Token。AI的"上下文窗口"就是它能处理的Token数量上限，就像一个人一次能记住多少页笔记。

常见代表：GPT-4 Turbo支持128K Token，Claude 3支持200K Token，Kimi支持200万Token

医美应用：如果你想让AI分析一份包含几百个客户档案的Excel，Token上限决定了AI一次能"读"多少条。超出部分它就"忘"了，需要分批处理。

通俗解释：一种专门存储"语义"的数据库。它能理解"光子嫩肤"和"光子祛斑"意思接近，而传统数据库只能精确匹配关键词。就像一个能理解你意思的图书管理员，而不是只会按书名查书的。

常见代表：Pinecone、Milvus、Weaviate、Chroma

医美应用：客户搜索"脸上斑怎么办"，向量数据库能找到"皮秒祛斑""光子淡斑"等相关项目推荐，而不是只匹配标题里带"斑"的文章。

通俗解释：把文字变成一串数字的过程，让AI能"算"出两段话的相似度。就像把每本书都标注上经纬度坐标，距离越近的书内容越相似。这是语义搜索和推荐系统的基础。

常见代表：OpenAI text-embedding-3、BGE、Cohere Embed

医美应用：把所有客户咨询记录做Embedding后，系统能自动找出"问过类似问题"的客户群体，帮运营发现高频需求趋势，而不是靠人工一条条翻聊天记录。

通俗解释：在通用AI的基础上，用你自己的数据再训练一下，让它更懂你的行业。就像一个通用型人才入职后，经过岗前培训变得更专业。

常见代表：OpenAI Fine-tuning、LoRA、QLoRA

医美应用：用大量真实医美咨询对话训练AI，让它学会医美行业的专业表达方式——比如客户说"会不会反弹"，AI能像经验丰富的咨询师一样自然回应，而不是像通用AI那样生硬。

通俗解释：AI连接外部工具和数据的"标准接口"。以前AI要连不同系统，每个都要单独开发对接，MCP就像给AI装了一个"万能插头"，各种工具即插即用。类似于USB之于电脑——一个接口连所有设备。

常见代表：Claude Desktop MCP、Cursor MCP、扣子（Coze）插件生态

医美应用：通过MCP，AI客服可以一键连接机构的预约系统、CRM、库存系统，客户问"下周三有空吗"，AI直接查日历回真实可约时间，而不是说"请联系前台"。