AI 常见技术与硬件名词“人话翻译库”手册第5期，必看！

编制说明：本手册专为彻底消除现代人工智能、大模型算法、智能体与底层硬件算力生态的行业黑话壁垒而打造。采用“技术原词 + 行业通用中文名 + 一句话大白话 + 接地气生活比喻 + 实际应用场景”的五维立体解析体系，涵盖 20 大核心板块、115 个高频专业术语。第 5 期聚焦【五、知识库、检索增强与记忆】。

第一部分：软件、算法与大模型核心机制

五、知识库、检索增强与记忆（RAG, Vector & Memory）

本期收录第 30 ~ 34 号核心概念（全量配图版）

No.30RAG (Retrieval-Augmented Generation)

行业中文名：检索增强生成 / 外挂本地知识库

一句话人话翻译

AI 回答问题前，先去你的私有文档或数据库里把相关资料检索出来，附在后台作为参考书，让 AI 开卷考试。

通俗生活比喻

不要求员工死记硬背全公司上万页的规章制度，遇到客户提问时，员工当场在公司内网精准搜出相关条款照着念给客户。

实际应用场景

企业内部制度问答机器人、个人本地文档问答知识库、法律法规精准查询。

No.31Embedding (Vector Embedding)

行业中文名：向量嵌入 / 语义向量化

一句话人话翻译

把文字、句子或图片转化成一串长长的数字坐标（向量），让计算机能通过数学公式算出来哪两句话“意思最相近”。

通俗生活比喻

给世间所有概念在多维空间地图上标注“经纬度”。“番茄”和“西红柿”的经纬度重合；“猫”和“狗”挨得很近；“猫”和“火箭”隔着十万八千里。

实际应用场景

语义相似度搜索、以图搜图、推荐算法。

No.32Vector Database

行业中文名：向量数据库

一句话人话翻译

专门用来高效率存储和极速查找成千上万条“语义数字坐标”的专业数据库。

通俗生活比喻

传统数据库像按“门牌号/身份证”找人（必须完全一致）；向量数据库像拿着一张素描画像在人群中“找长相最相似的人”。

实际应用场景

Milvus、Pinecone、Qdrant、Chroma 等构建 RAG 知识库的核心底座。

No.33Grounding

行业中文名：事实锚定 / 信源扎根

一句话人话翻译

将 AI 的回复强制绑定在经核实的真实客观数据源（如权威搜索结果、官方文档）上，确保言之有据。

通俗生活比喻

法庭上作证必须“人证物证俱在”，说每一句话都要指出第几页第几条依据，严禁凭空发挥。

实际应用场景

带链接来源标注的 AI 搜索引擎（如 Perplexity、Gemini Grounding）。

No.34Chunking

行业中文名：文本切片 / 文本分块

一句话人话翻译

在把长篇大论存进知识库之前，按照段落、语义或固定字数把它切成一块一块方便检索的小卡片。

通俗生活比喻

吃大西瓜前先把它切成一口一块的小果盘，方便叉子精准叉取，不至于一整口咽不下去。

实际应用场景

PDF/Word 文档解析进知识库的预处理步骤。