Skip to main content

AI 知识地图

注意：本文档是英文原版的自动翻译。

AI 知识地图

本页是 DecAIHub wiki 中所有 AI 相关讲解的导航指南。它为新手而设计——无论你是在阅读自己的第一张项目卡片，还是在尝试理解类别标签中的“AI/Agents”意味着什么。把它当作一份目录、一棵概念树，以及一组推荐的阅读路径来使用。

**简而言之：**这是一张地图，而不是一部百科全书。下方每个标题都链接到一篇独立的文章。从你的问题所在之处开始，沿着链接前进，需要重新定位时再回到这里。

如果你经常在核验主题（什么算作证明）和技术主题（模型或代理是什么）之间切换，请把本页加入书签。下面各节按顺序排列，以便你能从高层概念移动到专门的集群页面，而不会迷失方向。

从这里开始

如果你是 DecAIHub 和加密 AI 核验的新手，请先读这四篇文章：

  1. 什么是人工智能 —— 最宽泛的起点。
  2. 什么是 AI component —— 每张项目卡片中的核心概念。
  3. 如何阅读项目卡片 —— 每个字段意味着什么以及该看哪里。
  4. 什么是 DecAI Fit —— 总结一个项目可验证性的 0-6 分数。

概念树

本 wiki 中的文章形成一个层级结构。下方的缩进显示父子关系。

阅读路径

“我在阅读自己的第一张项目卡片”

  1. 什么是 AI component —— 理解核心字段。
  2. AI component 与用例 —— 了解为什么它们是分开的。
  3. 复合 AI 类别如何运作 —— 解码类别标签。
  4. 如何阅读项目卡片 —— 对每个字段的完整逐步讲解。

“我想了解 AI 是否真实”

  1. 如何判断一个项目是否真的拥有 AI —— 核验框架。
  2. 什么算作 AI 的证据 —— 什么有资格作为证明。
  3. 什么不算作证据 —— 常见的假阳性。
  4. AI washing、Onchain washing、Token washing —— 危险信号。

“我想知道某个特定 AI 类别意味着什么”

  1. 选择类别：AI/代理 | AI/计算 | AI/推理 | AI/数据 | AI/分析 | AI/训练。
  2. 阅读对应的组成部分文章：代理 | 算力 | 推理 | 数据 | 分析 | 训练。
  3. 关于代理特有的细微之处：什么是 AI 代理和助理、副驾、聊天机器人、代理。

“我想理解 AI 技术本身”

  1. 什么是人工智能 —— 该领域的概览。
  2. 什么是 AI 模型 —— 核心构建块。
  3. 什么是机器学习 —— 模型如何从数据中学习。
  4. 什么是大语言模型 —— 加密 AI 中最常见的模型类型。
  5. 什么是推理 —— 训练好的模型如何产生输出。
  6. 基准与质量指标 —— 如何衡量模型质量。

常见问题

我需要阅读每一篇链接的文章吗？

不需要。用本页来选择一条路径；每篇讲解都是独立成篇的。当你需要回顾各主题如何相互关联时再回到这里——例如，证据层级如何与 AI component 的措辞相关联。

如果某篇文章使用了我不认识的术语，我该去哪里？

打开上方的概念树，沿着父文章前进（例如，从 LLM 向上到人工智能），或跳转到如何阅读项目卡片查看字段定义。

外部参考

No comments to display

Back to top