Prompt、Output、Hallucination：聽起來比實際更怪的 AI 用字

你打開一個 AI 工具，有人叫你「寫一個更好的 prompt」。接著他們警告你 model 可能會「hallucinate」，又提到你的文字會花掉一定數量的「token」。如果你停下來單獨想想這些字，它們聽起來會很怪。一個會產生幻覺的工具？token，像電玩代幣那樣？

好消息是：這些字沒有聽起來那麼怪。每一個都借了一個日常的字，並交給它一份很窄、很特定的工作。一旦你學會那份工作，這套詞彙就不再嚇人，而開始變得好用。

把這些字想成戲服會很有幫助。一個熟悉的字穿上一件科技戲服，走進一個新房間。「prompt」外表看起來一樣，但在 AI 這個房間裡，它意味著某個特定的東西。你的任務只是辨認出自己正站在哪個房間，這樣才能用對的方式去讀那個字。

快速解答

在 AI 裡，prompt 是你輸入的指令或問題，output 是系統據此產出的東西，hallucination 是那份 output 裡自信卻錯誤的一段，token 是系統處理的一小塊文字，而 model 是受過訓練的系統本身。這些字都不是它們在餐桌上的意思，而那道落差，正是人們搞混的地方。

關鍵字

• Prompt（提示）。 你給 AI 的東西：你的問題、指令或文字。「幫我寫一個 prompt」是指「寫出你要送進去的輸入」。
• Output（輸出）。 系統產出回來的任何東西。它刻意保持中性。我們說「output」而非「answer」，是因為結果不保證正確、甚至不保證切題。
• Hallucination（幻覺）。 一段自信、流暢卻純屬編造或錯誤的 output。捏造的事實、虛構的引言、根本不存在的出處。
• Token（詞元）。 一小塊文字，常是一個字或一個字的一部分，作為系統讀取與計數的單位。長度和費用通常以 token 衡量。
• Model（模型）。 產出 output 的受訓系統。「the model」是做事的那個東西，不是某個人，也不是要效法的範本。
• Context（脈絡）。 系統當下正在注意的文字，包含你的 prompt 和最近的對話。「context window」是它一次能容納多少文字。
• Fine-tune（微調）。 拿一個既有的 model，再用特定材料多訓練一些，讓它以某種方式表現。這不是「用手做個小調整」，而是一個真實、雖然較小的訓練步驟。

常見陷阱

一個常見陷阱，是聽到 prompt 就想到它的日常含義。在日常英文裡，「prompt」可以指快速（"a prompt reply"）或提醒某人（"she prompted him to speak"）。在 AI 裡它是名詞：輸入的文字。所以「improve your prompt」不是「動作快一點」，而是「重寫你打進去的那段指令」。

output 這個字會絆倒人，因為他們以為它指「正確答案」。並不是。output 就是出來的東西。它可能很出色，也可能是一堆胡言。把這個中性的字放在心上，能保護你不要太快信任結果。

hallucination 聽起來戲劇化、甚至有醫學味，許多人因此以為它代表 AI 壞了或正在發作。它其實沒那麼誇張。它是一個平實的技術用語，指流暢、自信卻為假的 output。系統並沒有看見幻象；它是在用聽起來合理的文字填補一道空缺。危險正在於它看起來不像錯誤，而是很流暢。

token 起初幾乎讓每個人都困惑。它不是硬幣、不是禮物、不是手勢（"a token of thanks"），也不是門禁卡。在 AI 裡它是一塊文字。當一個工具說你有多少 token 的上限，它談的是它能處理多少文字，而不是你拿去換獎品的貨幣。

最後，model 聽起來像是該指擺姿勢拍照的人，或值得模仿的完美範例（"a model student"）。在 AI 裡它指受過訓練的系統本身。「你用的是哪個 model？」問的是哪個受訓系統，不是哪個範例或哪個榜樣。

一個更安靜的陷阱潛伏在 context 裡。在日常用語裡，context 指背景或情況（"in this context"）。在 AI 裡它有個精確的邊界：它是系統當下能看見的特定文字。當人們說「它忘了，context 用完了」，他們的意思是對話長到超過系統能容納的範圍，而不是它失去了興趣。而 fine-tune 在日常英文裡指做個小小的調整（"fine-tune the wording"）。在 AI 裡它指的是一輪真實的額外訓練。所以「we fine-tuned the model」比「我們調了一個設定」是更大的動作，即使這個日常字聽起來溫和又輕微。

在這所有字裡，模式都一樣：一個柔軟、熟悉的字，藏著一份精確的技術工作。誤解並非來自字難，而是來自我們相信日常含義多撐了一拍。在每個術語上放慢，替它接上那份窄窄的工作，困惑就會散去。

自然與不自然的例子

不自然： I gave the AI a quick prompt, so it answered promptly with the right output.

自然： I typed a short prompt, and the model produced an output I still had to check.

較不自然： The model hallucinated, so something must be seriously wrong with it.

更好： The model hallucinated a source, so I verified the claim before trusting it.

不自然： My message used too many tokens, like spending coins.

自然： My message was long, so it used a lot of tokens.

不自然： This AI model is a real role model for writing.

自然： This model produces strong writing, though it still makes mistakes.

自然的版本把這些字保持在它們窄窄的技術工作上，不讓日常含義偷偷溜進來。

較不自然： The conversation got too long, so the AI lost interest in the context.

更好： The conversation got too long, so it ran past the context the model could hold.

這裡「lost interest」夾帶了一種感受。model 沒有興趣可以失去。它只是無法把先前所有的文字都保持在視野裡。

迷你對照表

快速練習

用 prompt、output、hallucination、token、model 其中之一填空。填完後對答案。

1. The system invented a study that does not exist; that is a ________.
2. The instruction you type into the tool is the ________.
3. Long text costs more because it uses more ________s.
4. Whatever the tool generates back is its ________.
5. The trained system answering you is the ________.

答案：

1. hallucination
2. prompt
3. token
4. output
5. model

加碼測驗：在 "she gave a prompt reply" 裡，「prompt」是 AI 的意思嗎？（不是。那裡它指快速，是日常含義。）

重點帶走

這套詞彙之所以聽起來怪，只因為每個字都借了一個普通的字，再交給它一份單一、特定的工作。prompt 是你的輸入，output 是原始結果，hallucination 是自信的胡言，token 是一塊文字，而 model 是系統本身。把每個字守在它窄窄的意思上，尤其是 output 和 hallucination，你就能不退縮地讀 AI 寫的東西，並像真正懂這些字在做什麼的人那樣談論這些工具。這些術語不是什麼深奧的魔法。它們只是標籤，而現在它們是你的了。