── 把機制換成「在那裡工作的人」,整體樣貌便浮現眼前 ──
角色——AI Inc. 的 9 名員工
這個故事——AI Inc. 的一天，從「客戶上門」到「答案送達」
1. 早晨，一位顧客走進店裡
一位客戶走進玻璃牆辦公室。 Mr. Prompt. 今日請求：
2. 櫃檯的容量確認
在入口處，這位 上下文視窗接待員 向對方打招呼。 其職責是確認客戶的請求加上內部文件,是否符合今日允許的容量。 一位 Token 是一個文字「片段」——比一個詞還要細得多。
3. 工廠生產線將文字切成片段
請求立刻流入工廠產線。輸送帶旁站著 Token 工作者. 它們切分文字的方式，並不是我們所認知的「單字」，而是更細小的字元片段。 「Pha/rma/ceuti/cal/ com/pan/y……」——切分結果看起來很古怪，但 AI 就是這樣運作的。
4. 將文字轉換為數字
這些片段會被送往 嵌入工匠. 「『Pharma』變成數字……一個 768 維向量，完成！」 文字流向下一步時，會變成龐大的數字區塊。 AI 並不是在閱讀文字——它始終都在 計算數字.
5. 決定什麼最重要
登場的是 注意力管理員. 他不會一視同仁地對待所有資訊，而是當場決定要關注什麼。
6. 不斷地預測下一個詞
現在，這位 HQ 推論團隊成員 (實際上多達數千億個) 開始運作。 憑藉從閱讀全世界文字中所吸收的知識，它們預測「下一個字詞」。 「製藥/產業/的/存在/是為了/維護/病患/信任……」 — 一次一個片段，答案就此誕生。 這就是 AI 的真面目：下一個詞元預測 實際運作中。
7. 遇到不懂的事，就跑去圖書館
做到一半，有位員工面露難色。 「嗯，如果對方問到最新法規，我們內部的知識可能太舊了……」 就在這時，這位 RAG 圖書館員 被叫來處理。
8. 工具應歸屬於受信任的監督者
「需要計算的話，請告訴我，」這位 代理監督者 插話。 計算機、搜尋引擎、電子郵件、外部 API,它都能呼叫使用。 是什麼讓「會回應的 AI」變成了「會確實有效「就是他。」
9. 但大家都在留意角落裡的新人
角落坐著一位年輕員工，引來團隊其他人戒備的目光。 這位 幻覺新手. 他有個習慣，就算沒人問也會自信滿滿地回答。
同事：「等等，依據是什麼？！」
新手：「嗯，就是覺得感覺對了……」
這就是 AI 的真正本質 幻覺. 看似合理卻錯誤的輸出並非出於惡意——而是源自 AI 本身的結構。 這正是人工查證不可或缺的原因。
10. 交付最終答案
最後，這位 上下文視窗接待員 取得完成的答案,並交還給 Prompt 先生。 「給您!」——文字逐字浮現在螢幕上。這就是 AI 公司的一天。
角色 → 真實 AI 術語
| 角色 | 實質期 | 一句話概括 |
|---|---|---|
| Mr. Prompt | 提示詞 | 問題或指令本身 |
| 上下文視窗接待員 | 上下文視窗 | 單次可處理的最大 token 數 |
| Token 工作者 | Token 化 | 將文字拆分為 AI 可處理的單位 |
| 嵌入工匠 | 嵌入 | 將文字轉換為數值向量 |
| 注意力管理員 | 注意力機制 | 依情境決定什麼才重要 |
| HQ 推論團隊成員 | 推論／下一個詞元預測 | 根據學習到的機率預測下一個詞 |
| RAG 圖書館員 | RAG（檢索增強生成） | 正在引入外部知識以回答 |
| 代理監督者 | AI 代理 | 會呼叫外部工具來執行動作的 AI |
| 幻覺新手 | 幻覺 | 看似合理但不正確的輸出 |
第 2 卷與第 3 卷（現已推出）
第 2 期:實作 — 運用片語結構文法，以 AI 製作來源一致的文件。 不只是閱讀:十個步驟,讓你與你的 AI 一起打造驗證提示詞。
第 3 期:「電子郵件、會議紀錄、摘要——每天與 AI 共度 30 分鐘。」 三種實用的工作流程,每月可省下 22–33 小時。