术语分类
AI
你可能会问
AI 编码工具到底在做什么？大模型、聊天机器人、Agent，说的是一回事吗？
简单来说
理解 AI 编码工具如何接收上下文、调用工具并完成任务。
01Goal理解目标、限制与验收标准
02Context读取代码、文档和已有对话
03Tool调用终端、浏览器或外部服务
04Verify检查结果并决定是否继续迭代
01 · 先这样理解
把抽象概念放进真实场景
理解 AI 编码工具如何接收上下文、调用工具并完成任务。
换个角度想AI 编码工具更像一位能使用工具的协作者：不仅回答问题，还会查看现场、执行操作并检查结果。
02 · 点击演示
AI 工具怎样把目标变成结果？
突出显示的部分，就是当前概念在整条流程中负责的位置。
- 目标
理解目标、限制与验收标准
- 上下文
读取代码、文档和已有对话
- 工具
调用终端、浏览器或外部服务
- 验证
检查结果并决定是否继续迭代
1 / 4
Goal · 理解目标、限制与验收标准
03 · 放进真实任务
什么时候会遇到它
修改代码
定位文件、编辑实现并运行测试。
整理知识
读取多份资料后生成结构化内容。
操作工具
通过浏览器、MCP 或脚本完成跨应用任务。
04 · 想一想
用一个问题检查理解
同一个问题，为什么 AI 有时答得很准，有时一本正经地胡说？
查看答案
差别常在它能看到什么：上下文里有真实代码和文档时，回答有依据；什么都没给时，它只能凭训练记忆补全，就容易编。先想「它看到了什么」，再判断答案可不可信。
最容易踩的坑
AI 的输出是概率生成的，不是权威答案。越是没给上下文、越是冷门的问题，越要自己验证。