讲义术语表

• 人工智能（Artificial Intelligence, AI）：让计算机执行感知、生成、预测、规划或决策辅助等任务的一类技术与系统。
• 生成式人工智能（Generative AI）：根据输入和已有模式生成文本、图像、音频、代码等内容的 AI。
• 大语言模型（Large Language Model, LLM）：从大量文本中学习语言模式，并根据上下文预测后续内容的模型。
• 上下文（Context）：当前任务中模型能够读取并用于生成或行动的信息，包括任务说明、文件、历史对话和工具结果。
• 来源（Source）：信息最初发布或记录的位置，如原始网页、正式文件、会议纪要或数据表。
• 证据（Evidence）：能够支持、限制或反驳一个具体主张，并可被他人回访核对的材料。
• 口径（Definition and Scope）：一个指标包含谁、排除谁、如何计算以及适用什么时间和范围。
• 数据字典（Data Dictionary）：解释每个字段的含义、类型、单位、允许值和缺失规则的说明。
• 智能体（Agent）：围绕目标读取资料、规划步骤、调用工具、观察结果并继续推进任务的软件系统。
• 工具调用（Tool Call）：智能体对搜索、文件、日历、消息、代码执行等外部能力发起的真实操作。
• 确认点（Confirmation Point）：执行写入、发送、公开发布或其他高影响动作前，必须由人检查并决定是否继续的位置。
• Skill：把适用条件、输入、步骤、工具规则、确认点、输出和验收标准组织成可复用任务方法的文件或软件包。
• 复测（Retest）：使用相近但不同的新材料再次运行，判断一套流程是否真正可复用。
• 验证闭环（Verification Loop）：从目标和输入开始，经过操作、结果检查、差异记录与修正，最终确认成果真实可用的过程。

政策与本土语境术语

• 数字素养与技能（Digital Literacy and Skills）：《提升全民数字素养与技能行动纲要》（2021）的官方界定——数字社会公民学习工作生活应具备的数字获取、制作、使用、评价、交互、分享、创新、安全保障、伦理道德等一系列素质与能力的集合。
• "通用+特色"课程体系：教育部等九部门《关于加快推进教育数字化的意见》（2025）提出的高校 AI 通识课建设定位："通用"层面向全体学生教共同方法与素养，"特色"层由各学科把 AI 接入专业场景。
• "人工智能+教育"行动计划：教育部等五部门 2026 年印发的行动方案，推动人工智能成为高校公共基础课，按学科专业分类编写教材。
• AIGC 检测：高校对毕业论文（设计）中机器生成内容比例的检测与上限管理，如天津科技大学要求原则上不超过 40%。与之配套的是学生 AI 使用声明制度。
• 横向阅读（Lateral Reading）：暂时离开当前页面，查看其他可靠来源如何描述该来源的核验方法，对应中文信息环境中的"多源交叉印证"。
• 智观、智识、智思、智行：武汉大学《人工智能导引》课程提出的四目标——正确的 AI 价值观、基本知识、AI 思维、"AI+X"创新实践。本课程与其形成"理念课+实践课"配合。