主题
第 12 章 附录
预计阅读 9 分钟 · 全文约 2,645 字
本章是工具书：术语速查、工具清单、避坑手册、学习资源、练习题库。
A. 术语表（中英对照）
| 术语 | 英文 | 大白话解释 |
|---|---|---|
| 大模型 | LLM (Large Language Model) | 读过海量文字、学会"猜下一个字"的程序 |
| 参数 | Parameter | 模型内部的数字，决定它怎么接话茬 |
| Token | Token | AI 眼里的文字单位，一个汉字约 1-2 个 |
| 上下文窗口 | Context Window | AI 一次能同时看到的内容上限 |
| 幻觉 | Hallucination | AI 一本正经编造不存在的东西 |
| 提示词 | Prompt | 你对 AI 说的话 |
| 系统提示词 | System Prompt | 给 AI 定的"人设和规矩" |
| 少样本提示 | Few-shot Prompting | 给几个例子，让它照着做 |
| 思维链 | Chain of Thought (CoT) | 让 AI 先写推理过程，再给答案 |
| 温度 | Temperature | 控制输出随机性的参数 |
| Top-p | Nucleus Sampling | 只从高概率词里挑，砍掉离谱选项 |
| 微调 | Fine-tuning | 在已有模型上用专门数据再训练 |
| 对齐 | Alignment | 让模型的行为符合人类偏好 |
| RLHF | Reinforcement Learning from Human Feedback | 用人类打分训练模型 |
| 量化 | Quantization | 压缩模型体积，精度换大小 |
| 推理 | Inference | 模型生成回答的过程 |
| 多模态 | Multimodal | 能处理文字、图片、声音等多种信息 |
| 嵌入 | Embedding | 把文字变成向量（一串数字），用于比较语义相似度 |
| 向量数据库 | Vector Database | 专门存 embedding 的数据库 |
| RAG | Retrieval-Augmented Generation | 先查资料，再生成回答 |
| 知识库 | Knowledge Base | 喂给 AI 的私有资料集合 |
| API | Application Programming Interface | 程序之间说话的接口 |
| API Key | API Key | 调用 API 的钥匙，等于钱 |
| 中转站 | API Relay | 二次转卖 API 的服务商 |
| 倍率 | Multiplier | 中转站的定价系数 |
| 号池 | Account Pool | 批量注册的账号池 |
| 智能体 | Agent | 会自己拆步骤、调工具、循环干活的 AI |
| 工具调用 | Function Calling | 模型输出"要用什么工具"的指令 |
| MCP | Model Context Protocol | 让 AI 接工具的标准协议 |
| 沙箱 | Sandbox | 隔离的执行环境 |
| 本地模型 | Local Model | 跑在自己电脑上的模型 |
| 开源模型 | Open-source Model | 权重公开的模型 |
| 闭源模型 | Closed-source Model | 只能通过 API 用的模型 |
| 工作流 | Workflow | 固定步骤的自动化流程 |
| 编排 | Orchestration | 把多个步骤/智能体组织起来 |
| 逆向工程 | Reverse Engineering | 从成品反推设计 |
| 反汇编 | Disassembly | 机器码 → 汇编 |
| 反编译 | Decompilation | 机器码 → 伪代码 |
| 壳 | Packer | 压缩/加密程序的工具 |
| OEP | Original Entry Point | 脱壳后的原始入口 |
| 反调试 | Anti-debugging | 阻止调试的技术 |
| 注册机 | Keygen | 生成合法卡密的程序 |
| 补丁 | Patch | 修改程序指令 |
| 漏洞 | Vulnerability | 可被利用的缺陷 |
| SQL 注入 | SQL Injection | 拼接输入改变 SQL 逻辑 |
| XSS | Cross-Site Scripting | 注入脚本在浏览器执行 |
| SSRF | Server-Side Request Forgery | 服务器替你发请求 |
| 越权 | Broken Access Control | 权限校验缺失 |
| 栈溢出 | Stack Overflow | 写入超过缓冲区，覆盖返回地址 |
| ROP | Return-Oriented Programming | 用现成代码片段拼攻击链 |
| 渗透测试 | Penetration Testing | 模拟攻击找漏洞 |
| CTF | Capture The Flag | 网络安全竞赛 |
| 靶场 | Range / Lab | 练习漏洞的环境 |
| 资金盘 | Ponzi Scheme | 用后来者的钱付前人利息 |
| 跑路盘 | Exit Scam | 圈钱后关站跑路 |
B. 工具清单（按用途分类）
对话与客户端
| 工具 | 用途 | 平台 |
|---|---|---|
| ChatGPT / Claude / 豆包 / DeepSeek | 网页版对话 | Web |
| ChatBox | 轻量客户端，接自己的 key | Win/Mac/Linux |
| Cherry Studio | 全能客户端，知识库+MCP+智能体 | Win/Mac/Linux |
| LM Studio | 本地模型图形界面 | Win/Mac/Linux |
| Ollama | 本地模型命令行 | Win/Mac/Linux |
API 与中转
| 工具 | 用途 |
|---|---|
| one-api / new-api | 自建中转站 |
| Postman / curl | 测试 API |
| OpenAI SDK | 代码调用 |
智能体与工作流
| 工具 | 用途 |
|---|---|
| Cline | VS Code 编程智能体 |
| Codex CLI | 终端编程智能体 |
| Claude Code | 终端编程智能体 |
| n8n | 自动化工作流 |
| Dify | AI 应用开发平台 |
| Coze / 扣子 | 中文 AI 应用平台 |
逆向
| 工具 | 用途 |
|---|---|
| Ghidra | 反汇编（免费） |
| IDA Pro | 反汇编（收费） |
| Hopper | macOS 反汇编 |
| x64dbg | Windows 调试 |
| GDB | Linux 调试 |
| JADX | Android 反编译 |
| dnSpy / ILSpy | .NET 反编译 |
| Frida | 动态插桩 |
| ScyllaHide | 反反调试 |
| strings / binwalk | 快速扫描 |
安全测试
| 工具 | 用途 |
|---|---|
| Burp Suite | Web 抓包改包 |
| OWASP ZAP | Web 扫描（免费） |
| nmap | 端口扫描 |
| subfinder | 子域名枚举 |
| httpx | HTTP 探测 |
| nuclei | 漏洞扫描 |
| sqlmap | SQL 注入检测 |
| ffuf | 目录爆破 |
| Wireshark | 流量分析 |
靶场
| 平台 | 特点 |
|---|---|
| DVWA | 经典 Web 靶场 |
| Pikachu | 中文 Web 靶场 |
| HackTheBox | 在线靶场，难度分级 |
| TryHackMe | 有引导的靶场 |
| CTFHub | 中文 CTF 练习 |
| 攻防世界 | 中文 CTF 平台 |
开发与部署
| 工具 | 用途 |
|---|---|
| VS Code | 编辑器 |
| Python / Node.js | 编程语言 |
| Docker | 容器化部署 |
| FastAPI / Express | Web 服务框架 |
| Git | 版本控制 |
C. 避坑手册
C1. AI 服务类
跑路盘识别：
- 价格低于官方 1 折
- 疯狂促销（充 100 送 500）
- 客服只在群里说话
- 群里禁言，只许发好评
- 搜索"站名 + 跑路"有前科
应对：小额充值、测模型真假、敏感数据不走中转。
C2. 课程与培训类
割韭菜识别：
- 承诺具体收入数字（"月入三万"）
- 制造焦虑（"不学就被淘汰"）
- 限时优惠逼单
- 课程内容网上免费
- 退款条件苛刻
应对：先看他有没有真实案例；先买最便宜的试；别信"学完就能赚钱"。
C3. 灰产类
危险信号：
- "平台查不到"
- "内部渠道"
- "稳过风控"
- "批量起号"
- "日引 500 粉"
应对：这类需求本身违规，接单等于参与。
C4. 资金盘类
特征：
- 承诺固定高收益（日息 1%）
- 拉人头返利
- 强调"早入场"
- 提现越来越慢
应对：一律不碰。你盯着利息，人家盯着你的本金。
C5. 技术陷阱类
| 陷阱 | 说明 |
|---|---|
| key 泄露 | 贴群里、推 GitHub、写前端 |
| 无沙箱跑命令 | Agent 删库 |
| 无授权测试 | 练手变攻击 |
| 无合同接单 | 尾款收不回 |
| 无备份改代码 | 改坏回不去 |
D. 学习资源
官方文档（最权威）
- OpenAI / Anthropic / Google 的 API 文档
- Qwen / DeepSeek / Llama 的模型文档
- MCP 官方规范
- Docker 官方文档
- Ghidra / x64dbg 官方手册
经典书籍
| 书 | 主题 |
|---|---|
| 《加密与解密》 | 逆向工程 |
| 《Web 安全深度剖析》 | Web 漏洞 |
| 《白帽子讲 Web 安全》 | Web 安全入门 |
| 《SQL 注入攻击与防御》 | SQLi 专题 |
| 《深入理解计算机系统》 | 底层基础 |
在线资源
- OWASP Top 10 / Testing Guide
- MITRE ATT&CK（攻击技术知识库）
- HackTricks（渗透技巧大全）
- PortSwigger Web Security Academy（免费 Web 安全课程）
- CTF Wiki（中文 CTF 百科）
社区
- GitHub（找开源项目、读源码）
- Hacker News / V2EX（技术讨论）
- 各模型官方 Discord / 论坛
E. 练习题库
E1. 原理题（第 1-2 章）
- 用一句话解释大模型在干什么（不许用"神经网络""参数"）
- 训练三阶段分别解决什么问题？
- 为什么 Transformer 是分水岭？
- 幻觉的三大来源是什么？
E2. 产品题（第 3-4 章）
- 聊天机器人、API、客户端、本地模型、智能体，五者关系是什么？
- 什么场景该用本地模型？
- 提示词四要素是什么？
- RAG 的流程是什么？
E3. 成本题（第 5 章）
- 输入和输出 token，哪个贵？为什么？
- 长对话为什么越聊越贵？
- 中转站的四种货源是什么？
- 跑路盘的四个征兆是什么？
E4. 部署题（第 6 章）
- 8G 显存能跑什么模型？
- 为什么"大模型低量化 > 小模型高量化"？
- CPU offload 的代价是什么？
E5. 智能体题（第 7 章）
- 智能体的四件套是什么？
- function calling 的流程是什么？模型负责哪一步？
- 沙箱的三种实现是什么？
- 什么时候用工作流，什么时候用智能体？
E6. 安全题（第 8 章）
- 卡密的三种验证模式是什么？哪种能破？
- 为什么"破解卡密白嫖 token"不成立？
- SQLi / XSS / SSRF / 越权，各一句话说清原理
- 栈溢出的原理是什么？
E7. 商业题（第 9 章）
- 真需求和伪需求怎么判断？
- 卖课、代装、咨询，三种模式的真相？
- 接第一单的七个步骤是什么？
E8. 工程题（第 10-11 章）
- Agent 主循环的四个步骤是什么？
- 为什么用 diff 而不是整个重写？
- 脱壳的核心思路是什么？
- 三种破解手法分别适用什么场景？
参考答案
1. 根据前面的内容，猜下一个最可能出现的字，一个接一个生成。
2. 预训练学文字规律；微调学对话格式；对齐学人类偏好。
3. 它让"并行训练 + 长距离依赖 + 可扩展"同时成立，从此可以堆规模。
4. 训练数据有错；知识有截止日期；生成机制本身追求"像"而非"对"。
5. 聊天机器人是入口，API 是电力，客户端是插座，本地模型是自备发电机，智能体是装了手脚的机器人。
6. 数据敏感、离线、高频简单任务、学习研究。
7. 角色、任务、约束、示例。
8. 文档切块 → 向量化 → 检索相关块 → 连同问题喂给模型 → 生成回答。
9. 输出贵，因为生成比阅读更耗算力，通常贵 2-4 倍。
10. 每一轮都要把全部历史作为输入重新计费。
11. 正规采购、号池、盗刷、模型降级。
12. 价格低到离谱、疯狂促销、客服失联、提现困难/规则突变。
13. 7B-8B（Q4 量化）。
14. 参数量带来的知识容量提升，比量化精度损失更重要。
15. 速度暴跌（CPU 比 GPU 慢几十倍）。
16. 脑子（模型）、手脚（工具）、循环、记忆。
17. 模型输出工具调用指令 → 程序执行 → 结果还给模型 → 模型生成回答。模型不执行任何东西。
18. 目录隔离、容器隔离、虚拟机隔离。
19. 流程固定用工作流，变数大用智能体。
20. 本地硬编码（能破）、本地算法（能破，写注册机）、服务器验证（本地破不了）。
21. token 计费在服务器端，客户端改不了服务器账本。
22. SQLi：输入拼进 SQL 改变逻辑；XSS：输入被当脚本执行；SSRF：服务器替你访问内网；越权：只验证登录不验证权限。
23. 写入超过缓冲区大小，覆盖栈上的返回地址，控制程序跳转。
24. 看客户现在怎么解决——用人工且成本高的是真需求。
25. 卖课卖信息差和焦虑；代装卖省时间但天花板低；咨询卖信任和行业理解，单价高但难接。
26. 明确需求 → 评估可行性 → 报价 → 收定金 → 分阶段交付 → 验收 → 收尾款要评价。
27. 看状态 → 想下一步 → 调工具 → 看结果 → 判断是否完成。
28. 省 token、精确、可审查、失败可回滚。
29. 壳必须把原程序解压到内存，所以找 OEP 后 dump 内存并修复 IAT。
30. 注册机用于本地算法验证；内存补丁用于本地验证但算法难还原；模拟服务器用于弱服务器验证。
全书的"一句话记住"合集
| 章 | 一句话 |
|---|---|
| 0 | 先打地基再盖楼，先做实验再装工具 |
| 1 | AI 不是查资料的，是现场猜话茬的 |
| 2 | 每次突破都来自换思路，技术不值钱，解决方案才值钱 |
| 3 | 没有问题就别装工具 |
| 4 | AI 不是许愿池，是执行器 |
| 5 | token 就是钱，上下文就是账单 |
| 6 | 显存决定上限，量化决定取舍 |
| 7 | 给它手脚的同时，别忘了给它围栏 |
| 8 | 本地验证能破，服务器验证破不了 |
| 9 | 客户买的是问题被解决，不是你会用 AI |
| 10 | Agent 骨架就三十行，难的是上下文和权限 |
| 11 | 逆向的尽头是还原逻辑，安全的尽头是理解边界 |
最后更新：2026-10