# Речник

Бърза справка за термините, които ще чуеш около промптове, модели и всичко останало.

## Основни понятия

- **Голям езиков модел (LLM) / Large Language Model (LLM)**: ИИ модел, обучен върху огромни количества текст, за да разбира и генерира човешки език.
- **Изкуствен интелект (ИИ) / Artificial Intelligence (AI)**: Компютърни системи, проектирани да изпълняват задачи, които обикновено изискват човешки интелект.
- **Промпт / Prompt**: Инструкцията или входът, който се подава на ИИ модел.
- **Инженерство на промптове / Prompt Engineering**: Практиката на проектиране на промптове, за да се получат по-добри и по-надеждни отговори от ИИ.
- **Контекст / Context**: Допълнителна информация, която помага на модела да разбере по-добре задачата или ситуацията.
- **Токен / Token**: Малка единица текст, която моделът обработва – например дума или част от дума.
- **Халюцинация / Hallucination**: Неверен или измислен отговор, генериран от ИИ, който звучи правдоподобно.
- **Верига от разсъждения / Chain of Thought**: Стил на разсъждение, при който моделът обяснява междинните стъпки на мисълта си.
- **Мултимодален модел / Multimodal Model**: ИИ модел, способен да обработва различни типове данни като текст, изображения и звук.
- **Агент / Agent**: ИИ система, която може автономно да извършва действия и да използва инструменти, за да изпълнява задачи.
- **Извикване на инструменти / Tool Calling**: Способността на ИИ модел да използва външни инструменти, API-та или услуги по време на задача.

## Под капака

- **Системен промпт / System Prompt**: Скрити инструкции, които определят поведението, правилата и личността на ИИ.
- **Контекстен прозорец / Context Window**: Максималното количество текст, което ИИ моделът може да обработва и помни наведнъж.
- **Инжектиране на контекст / Context Injection**: Добавяне на външна информация в промпта, за да се подобри отговорът на модела.
- **Лимит на токените / Token Limit**: Максималният брой токени, които моделът може да обработи в едно взаимодействие.
- **Данни за обучение / Training Data**: Голямата колекция от текст и информация, използвана за обучение на модела.
- **Инференция / Inference**: Процесът на генериране на изход чрез вече обучен ИИ модел.
- **Завършване (completion) / Completion**: Текстовият отговор, генериран от ИИ модела.
- **Предсказване на следващия токен / Next-Token Prediction**: Основният механизъм, чрез който моделът предсказва най-вероятния следващ токен в поредицата.
- **Transformer**: Архитектурата на невронната мрежа, използвана от модерните езикови модели като GPT.
- **Механизъм на внимание / Attention Mechanism**: Система, която помага на модела да се фокусира върху най-важните части на входа.
- **Тегла / Weights**: Научените вътрешни параметри, в които се съхраняват знанията на модела.
- **Температура / Temperature**: Настройка, която контролира колко креативни или предвидими са отговорите на модела.
- **Модел за разсъждение / Reasoning Model**: Модел, оптимизиран за по-задълбочено логическо мислене и поетапно решаване на проблеми.
- **Процент на халюцинации / Hallucination Rate**: Честотата, с която моделът произвежда неточна или измислена информация.
- **Заземяване (grounding) / Grounding**: Свързване на изходите на ИИ с реални данни или надеждни източници за повишаване на точността.
- **Подравняване (alignment) / Alignment**: Процесът на насочване на ИИ системите да следват човешките цели, ценности и правила за безопасност.
- **Предпазни рамки / Guardrails**: Защитни ограничения, проектирани да предотвратят вредно или нежелано поведение на ИИ.
- **Джейлбрейк / Jailbreak**: Опит за заобикаляне на вградените ограничения или защитни системи на ИИ модела.
- **Промптване с няколко примера / Few-Shot Prompting**: Предоставяне на няколко примера в промпта, за да се насочи поведението на модела.
- **Промптване с един пример / One-Shot Prompting**: Предоставяне на един единствен пример в промпта, за да се покаже желаният изход.
- **Промптване без примери / Zero-Shot Prompting**: Искане към модела да изпълни задача, без да му се дават примери.
- **Верижно промптване / Prompt Chaining**: Разделяне на сложна задача на няколко свързани промпта.
- **Структуриран изход / Structured Output**: Отговор, генериран в фиксиран формат като JSON, XML или таблици.
- **Учене с няколко примера / Few-Shot Learning**: Способността на модела да се адаптира към задачи с помощта на малък брой примери.
- **Embeddings (вграждания) / Embeddings**: Числови векторни представяния на текст, които улавят семантично значение.
- **Векторна база данни / Vector Database**: База данни, оптимизирана за съхранение и търсене на вграждания.
- **Семантично търсене / Semantic Search**: Търсене, основано на смисъл и контекст, а не на точни ключови думи.
- **Генериране с извличане (RAG) / Retrieval-Augmented Generation (RAG)**: Метод, при който моделът извлича външна информация, преди да генерира отговор.
- **Фино настройване (fine-tuning) / Fine-Tuning**: Допълнително обучение на модел върху специализирани данни за конкретна задача или област.

[Наръчник за промптове](https://prompt-coach.pro/bg/guide)

© 2026 Slivaro GmbH. Всички права запазени.

[AI системи](https://prompt-coach.pro/ai-systems) · [Политика за поверителност](https://prompt-coach.pro/privacy) · [Условия за ползване](https://prompt-coach.pro/terms) · [Правна информация](https://prompt-coach.pro/impressum) · [Контакти](https://prompt-coach.pro/bg/contact)

Canonical: https://prompt-coach.pro/bg/glossary