היסודות
זו הגרסה המקיפה לעיון: 55 מונחים, הגדרה קודם, פירוט אחר כך. אם אתם מעדיפים סיור עדין יותר רק במילים שחשובות בשבוע הראשון, קראו את מונחי AI מוסברים במקום זאת וחזרו לכאן כשמונח מסוים שולח אתכם לכאן.
בינה מלאכותית
בינה מלאכותית היא תוכנה שמבצעת משימות שבדרך כלל דורשות שיקול דעת אנושי, כמו כתיבה, היגיון או זיהוי מה מופיע בתמונה.
בשימוש היומיומי בשנת 2026, "AI" כמעט תמיד מתכוון לעוזרי הצ'אט הבנויים על מודלי שפה גדולים, ולא לתחום האקדמי הרחב יותר.
למידת מכונה
למידת מכונה היא הטכניקה של ללמד תוכנה באמצעות הצגת דוגמאות במקום תכנות אותה עם כללים.
כל עוזר AI מודרני בנוי כך: ההתנהגות נובעת מדפוסים בנתוני האימון, ולכן אותו מודל יכול להיות מבריק במשימות נפוצות וקצת רעוע במשימות נדירות.
מודל
מודל הוא מערכת AI אחת ספציפית שאומנה, זה החפץ שאליו אתם בעצם שולחים פרומפט.
GPT, Claude ו-Gemini הן משפחות מודלים; משפחה מכילה מודלים בודדים בגדלים, מהירויות ומחירים שונים. הבחירה ביניהם לפי המשימה היא המיומנות המרכזית בשימוש טוב ב-AI.
LLM (מודל שפה גדול)
LLM, או מודל שפה גדול, הוא מודל שאומן על כמויות עצומות של טקסט כדי לחזות מה הטקסט הבא צריך להיות.
התרגיל הבודד הזה, בקנה מידה גדול, הוא מה שמייצר תשובות, טיוטות, קוד וסיכומים. המילה "גדול" מתייחסת גם לנתוני האימון וגם למספר הפרמטרים.
צ'אטבוט
צ'אטבוט הוא הממשק השיחתי שעוטף מודל, הדבר עם תיבת ההודעות.
ההבחנה הזו חשובה כשמשווים מוצרים: שני צ'אטבוטים יכולים לעטוף את אותו מודל ולהרגיש שונה, וצ'אטבוט אחד יכול להציע כמה מודלים, וכך Whizi עובד.
פרומפט
פרומפט הוא כל מה שאתם שולחים למודל: השאלה, ההוראות וכל טקסט או קובץ שאתם כוללים.
איכות התשובה עוקבת מקרוב אחר איכות הפרומפט. הקשר, מגבלות ותבנית הפלט הרצויה הם שלושת הדברים שמתחילים הכי הרבה משמיטים.
טוקן
טוקן הוא הפיסת הטקסט הקטנה שמודל בפועל קורא וכותב, בערך שלושת רבעי ממילה באנגלית בממוצע.
תמחור, מהירות וחלונות הקשר נמדדים כולם בטוקנים, ולכן המילה מופיעה בכל דף תמחור AI. מסמך בן 1,000 מילים הוא בערך 1,300 טוקנים.
חלון הקשר
חלון הקשר הוא כמות הטקסט המרבית, נמדדת בטוקנים, שמודל יכול לקחת בחשבון בבת אחת.
הפרומפט שלכם, השיחה עד כה, מסמכים מצורפים והתשובה, כולם חולקים אותו. הטבלה השוואת חלונות הקשר מפרטת את הנתון הנוכחי לכל מודל מרכזי, והמדריך ההסבר מכסה למה זה מסביר את רוב התלונות מסוג "ה-AI שכח".
פרמטרים
פרמטרים הם המספרים הפנימיים שמודל למד במהלך האימון, והמדד הרגיל לגודלו.
נספרים במיליארדים, יותר פרמטרים אומר בערך יותר יכולת ויותר עלות. זה מדד קנייה חלש כשלעצמו; מבחני השוואה ובדיקות משלכם עדיפים על ספירת פרמטרים.
תגובה
תגובה היא הפלט של המודל עבור פרומפט אחד, נקראת גם השלמה.
תגובות נוצרות מחדש בכל פעם, ולכן יצירה מחדש של אותו פרומפט נותנת ניסוח שונה ולפעמים תשובה שונה.
שיחה עם מודל
פרומפט מערכת
פרומפט מערכת הוא ההוראה הקבועה שמודל מקבל לפני ההודעה שלכם, שקובעת את תפקידו, הטון שלו וכלליו.
לכל מוצר יש אחד כזה גם כשלא רואים אותו. כשצ'אטבוט "מקבל אישיות", פרומפט המערכת הוא בדרך כלל המקום שבו זה חי.
הנדסת פרומפטים
הנדסת פרומפטים היא הנוהג של כתיבת פרומפטים בכוונה כדי לקבל פלט טוב יותר בעקביות.
למרות השם המרשים, רוב זה בהירות פשוטה: לציין את המטרה, לתת הקשר, להראות דוגמה, לשם התבנית. המדריך למתחילים מכסה את הטכניקות שבאמת משפרות תוצאות.
Zero-shot
Zero-shot פירושו לבקש ממודל לבצע משימה בלי לתת לו שום דוגמה.
מודלים מודרניים מתמודדים עם רוב המשימות היומיומיות ב-zero-shot. המונח שרד בעיקר כניגוד ל-few-shot.
Few-shot
Few-shot פירושו לכלול בפרומפט כמה דוגמאות מוכנות כך שהמודל יעתיק את הדפוס.
זו שדרוגת האמינות הזולה ביותר לעבודה רגישה לפורמט: שתיים או שלוש דוגמאות של קלט ופלט רצוי עדיפות על פסקת תיאור.
שרשרת מחשבה
שרשרת מחשבה היא מודל שעובד דרך שלבי ביניים לפני שהוא נותן את תשובתו הסופית.
לבקש ממודל לחשוב שלב אחר שלב משפר באופן מדיד בעיות קשות, ומודלי הסקה כיום עושים גרסה של זה באופן פנימי כברירת מחדל.
טמפרטורה
טמפרטורה היא ההגדרה ששולטת בכמות האקראיות שמודל מוסיף בבחירת כל טוקן הבא.
טמפרטורה נמוכה נותנת פלט עקבי ושמרני; טמפרטורה גבוהה נותנת מגוון ולפעמים שטויות. מוצרי צ'אט בדרך כלל בוחרים ערך אמצעי בשבילכם.
הזרמה
הזרמה היא מודל ששולח את תשובתו טוקן אחרי טוקן תוך כדי היווצרותה, במקום הכול בבת אחת בסיום.
בגלל זה נראה שהתשובות מקלידות את עצמן, ובגלל זה אפשר לעצור תשובה גרועה מוקדם במקום לחכות לה עד הסוף.
יצירה מחדש
יצירה מחדש פירושה לבקש תגובה חדשה לאותו פרומפט.
מכיוון שהיצירה היא הסתברותית, יצירה מחדש היא הגרלה חדשה של ממש, לא ניסיון חוזר על אותו חישוב. השוואת שתי הגרלות, או אותו פרומפט על שני מודלים, היא בדיקת איכות מהירה.
איך בונים מודלים
אימון
אימון הוא התהליך של כיוון הפרמטרים של מודל מול נתונים עד שהתחזיות שלו נעשות טובות.
זה קורה לפני שאתם בכלל פוגשים את המודל ועולה לספק כוח מחשוב עצום. שום דבר שאתם מקלידים בצ'אט לא מאמן מחדש את המודל באותו רגע, אף שספקים עשויים להשתמש בשיחות כדי לאמן גרסאות עתידיות, בהתאם למדיניות שלהם.
נתוני אימון
נתוני אימון הם הטקסט וחומר נוסף שמודל למד ממנו.
ההיקף שלהם מסביר מה מודל יודע, הפערים שלהם מסבירים נקודות עיוורות שיטתיות, וטווח התאריכים שלהם קובע את תאריך קצה הידע.
אימון מקדים
אימון מקדים הוא השלב הראשון והגדול ביותר של האימון, שבו מודל לומד שפה וידע עולם מטקסט בכמות עצומה.
התוצאה מוכשרת אך גולמית. כל מה שהופך מודל להתנהג כמו עוזר מועיל מגיע אחר כך.
כוונון עדין
כוונון עדין הוא אימון נוסף על מערך נתונים צר יותר כדי להתמחות או לעצב מודל שכבר עבר אימון מקדים.
ספקים מכוונים עדין לתועלת ובטיחות; חברות מכוונות עדין למשימות תחום מסוים. לרוב המשתמשים, פרומפט טוב בשילוב מודל כללי מוכשר עדיף על תשלום עבור כוונון עדין.
RLHF
RLHF, למידת חיזוק מפידבק אנושי, היא אימון מודל מול דירוגים אנושיים של תשובותיו.
זה חלק גדול מהסיבה שעוזרים מודרניים מנומסים, מובנים וזהירים. כשעושים את זה יותר מדי, זה גם מייצר את ההתחמקות שגורמת לחלק מהמודלים לסרב או להתפתל.
יישור
יישור הוא העבודה של להתאים את התנהגות המודל לכוונה ולערכים אנושיים.
בפועל זה מכסה הכול, מסירוב בקשות מזיקות ועד פשוט מעקב מדויק אחר הוראות. כשמודל עושה משהו מרשים מבחינה טכנית אך לא רצוי, זה פער יישור.
הסקה
הסקה היא הרצת מודל שאומן כדי לייצר תשובה, בניגוד לאימונו.
כל הודעה שאתם שולחים מפעילה הסקה, ועלות ההסקה היא מה שתמחור הטוקנים מודד. מודלים זולים להרצה יכולים להיות מוכשרים באופן מפתיע; מדד עלות המודלים של AI מציג פער מחירים פי 2,000.
טרנספורמר
הטרנספורמר הוא ארכיטקטורת רשת עצבית שעומדת מאחורי כמעט כל מודל שפה מודרני.
המנגנון המרכזי שלו, קשב (attention), מאפשר למודל לשקלל כל חלק בקלט מול כל חלק אחר. אתם אף פעם לא באמת צריכים את הפרטים, אבל המילה נמצאת בכל מקום בכתיבה על AI.
כשדברים משתבשים
הזיה
הזיה היא מודל שמצהיר משהו שקרי בביטחון מוחלט.
זה לא באג שיתוקן במהדורה הבאה; זה נובע מאופן פעולת היצירה. התדירות משתנה מאוד לפי מודל ומשימה. התייחסו לכל עובדה, מספר או ציטוט ספציפיים כלא מאומתים עד שיבדקו. למה AI טועה מכסה את המנגנון.
עיגון
עיגון (grounding) הוא נתינת חומר סמכותי למודל כדי לענות ממנו, במקום לתת לו להסתמך על הזיכרון.
הדבקת החוזה, צירוף הדוח, או הפעלת חיפוש ברשת הם כולם עיגון. זו ההגנה היעילה ביותר נגד הזיה בשימוש יומיומי.
הטיה
הטיה היא מודל שמעוות באופן שיטתי את הפלטים שלו בדרכים שירש מנתוני האימון.
זה מתבטא כהנחות לגבי אנשים, מקומות וברירות מחדל. עבור החלטות משמעותיות, בדקו פלט של AI כפי שהייתם בודקים עבודה של מתמחה חכם אך לא מבוקר.
מעקות בטיחות
מעקות בטיחות הם המגבלות שספק בונה סביב מודל כדי לחסום פלט מזיק או לא תואם מדיניות.
ספקים שונים מציבים את הגבולות אחרת, וזה הבדל אמיתי בין מוצרים: אותה בקשה יכולה להיענות על ידי מודל אחד ולהידחות על ידי אחר.
ג'יילברייק
ג'יילברייק הוא פרומפט שנוצר כדי לרמות מודל להתעלם ממעקות הבטיחות שלו.
ספקים מתקנים אותם ברציפות. עבור משתמשים רגילים, המונח חשוב בעיקר כמושג אבטחה: כל דבר שאפשר לשכנע מודל לעשות, מישהו ינסה לשכנע אותו לעשות.
צוות אדום
צוות אדום הוא תקיפה מכוונת של מודל לפני שחרורו כדי לאתר מצבי כשל מזיקים.
ספקים מפעילים צוותי אדום פנימיים וחיצוניים, וכרטיסי מודל שמתפרסמים מסכמים לעיתים קרובות את מה שמצאו. זה המקבילה בעולם ה-AI לבדיקת חדירה.
תאריך קצה ידע
תאריך קצה ידע הוא התאריך שאחריו מסתיימים נתוני האימון של מודל.
שאלו על משהו מאוחר יותר והמודל או מודה בבורות, גולש ברשת אם הוא יכול, או מזה. לדעת את תאריך הקצה של המודל שבו אתם משתמשים מונע קטגוריה שלמה של טעויות.
אחזור מידע והנתונים שלכם
RAG (יצירה מוגברת באחזור)
RAG, יצירה מוגברת באחזור, פירושה להביא קודם מסמכים רלוונטיים ולתת למודל לענות מהם.
כך מוצרי "שוחחו עם מאגר הידע שלכם" עובדים מתחת למכסה המנוע, ולכן הם יכולים לצטט מקורות. RAG מקטין הזיה אך יורש את האיכות של מה שהוא מאחזר.
הטמעה (embedding)
הטמעה היא רשימת מספרים שמייצגת את המשמעות של קטע טקסט.
טקסטים במשמעות דומה מקבלים מספרים קרובים, וזה מאפשר לתוכנה למצוא קטעים קשורים באופן מתמטי. הטמעות הן המנגנון שמאחורי חיפוש סמנטי ו-RAG.
מסד נתוני וקטורים
מסד נתוני וקטורים הוא מסד נתונים שנבנה לאחסן הטמעות ולמצוא את הקרובות ביותר במהירות.
אם מוצר אומר שהוא "אינדקס" את המסמכים שלכם עבור חיפוש AI, יש הטמעה לכל קטע יושבת באחד מאלה.
חיפוש סמנטי
חיפוש סמנטי הוא מציאת טקסט לפי משמעות ולא לפי התאמת מילות מפתח.
חיפוש "בעיות כספיות" יכול להעלות קטע על לחץ תזרים מזומנים למרות שאף מילה לא תואמת. אלו הטמעות בפעולה.
חלוקה לקטעים (chunking)
חלוקה לקטעים היא פיצול מסמכים ארוכים לחלקים קטנים מספיק כדי להטמיע ולאחזר היטב.
זה נשמע כמו אינסטלציה, וזה אכן כך, אבל חלוקה גרועה היא סיבה נפוצה לכך שכלי שיחה עם מסמכים עונים מהחלק הלא נכון של קובץ.
חיפוש ברשת (ב-AI)
חיפוש ברשת ב-AI פירושו שהמודל מביא דפים עדכניים לפני שהוא עונה, במקום להסתמך על זיכרון האימון.
זה מחליף מהירות בעדכניות ומאפשר לתשובות לשאת ציטוטים שאפשר לפתוח. עבור כל דבר שאחרי תאריך קצה הידע של המודל, זה ההבדל בין תשובה לניחוש.
מאגר ידע
מאגר ידע הוא אוסף המסמכים הערוך שחברה נותנת ל-AI שלה כדי לענות ממנו.
איכות בכניסה, איכות ביציאה: עוזר שמעוגן על ויקי מיושן מגיש בביטחון תשובות מיושנות, עם ציטוטים.
שלושה מונחים במילון הזה נותנים תשובות מתחרות לאותה שאלה, איך לשפר מודל במשימה שלכם, ובלבול ביניהם היא טעות הז'רגון הנפוצה ביותר בפגישות מוצר. זה מול זה:
| גישה | מה משתנה | עלות ומהירות | מתי היא מנצחת |
|---|---|---|---|
| כתיבת פרומפטים טובה יותר (zero-shot, few-shot) | רק הטקסט שאתם שולחים | חינם, לוקח דקות | כמעט תמיד המהלך הראשון; שתיים או שלוש דוגמאות עובדות פותרות רוב בעיות הפורמט |
| RAG | מה המודל קורא לפני שהוא עונה | בינוני לבנייה, ללא אימון מחדש | תשובות שחייבות להישאר עדכניות או לצטט את המסמכים שלכם |
| כוונון עדין | הפרמטרים של המודל עצמו | איטי ויקר, ואז קבוע | דרישות סגנון ופורמט יציבות בקנה מידה גדול, כמעט אף פעם לא עבור יחיד |
מעבר לטקסט
מולטימודלי
מולטימודלי פירושו מודל שעובד על יותר ממדיום אחד, כמו טקסט בשילוב תמונות, אודיו או וידאו.
בגלל זה אתם יכולים לצלם צילום מסך של שגיאה ולשאול מה קרה. מדריך AI מולטימודלי מכסה מה שבאמת עובד היום.
מודל ראייה
מודל ראייה הוא מודל שיכול לפרש תמונות: תצלומים, צילומי מסך, תרשימים ומסמכים.
קריאה אינה כמו יצירה; מודל יכול לתאר את התרשים שלכם בצורה מושלמת ועדיין לא להיות מסוגל לצייר אחד.
יצירת תמונות
יצירת תמונות היא הפקת תמונות חדשות מתיאור טקסטואלי.
איכות, מגוון סגנונות ורינדור טקסט בתוך תמונות משתנים מאוד בין מחוללים, ולכן משתמשים רציניים משווים כמה כלים. סקירת מחוללי התמונות נשארת עדכנית בתחום.
מודל דיפוזיה
מודל דיפוזיה מייצר תמונות בכך שהוא מתחיל מרעש ומעדן אותו שלב אחר שלב לכיוון התיאור.
זו הטכניקה הדומיננטית שמאחורי מחוללי תמונות מודרניים. המילה חשובה בעיקר כדי ש"דיפוזיה" בשם מוצר תגיד לכם מה המוצר עושה.
דיבור לטקסט
דיבור לטקסט הוא תמלול אודיו מדובר למילים כתובות.
תמלול מודרני מדויק מספיק כדי להפוך פגישות, הודעות קוליות וראיונות לניתנים לחיפוש, וכך פועל קלט קולי באפליקציות צ'אט.
טקסט לדיבור
טקסט לדיבור הוא יצירת אודיו מדובר ממילים כתובות.
מערכות כיום מייצרות קולות טבעיים ומלאי הבעה, וזה מפעיל תכונות הקראה ושיחות קוליות עם AI.
המערכת הרחבה
API
API הוא השער התכנותי שמפתחים משתמשים בו כדי לשלוח פרומפטים למודל מהתוכנה שלהם עצמם.
תמחור API הוא לפי טוקן, ומשם בסופו של דבר נובעת הכלכלה של מחיר לכל תשובה בכל מוצר AI.
משקלים פתוחים
משקלים פתוחים פירושו שהפרמטרים המאומנים של מודל מתפרסמים לכל מי שרוצה להוריד ולהריץ.
זה מאפשר אירוח עצמי ומאפשר לספקים אחרים להגיש את המודל על התשתית שלהם עצמם. DeepSeek ו-Llama הן הדוגמאות המפורסמות.
מודל קוד פתוח
מודל קוד פתוח הוא, באופן רופף, מודל ששוחרר לשימוש ולשינוי ציבוריים, אף שהרישיונות משתנים מאוד.
השאלות המעשיות תמיד אותן שתיים: האם אפשר להשתמש בו מסחרית, ומי מארח אותו בשבילכם. מערכת המשקלים הפתוחים חשובה במיוחד כשפרטיות או עלות פוסלים דגלי אונייה מאוחסנים.
מבחן השוואה (benchmark)
מבחן השוואה הוא מבחן תקני שמשמש לניקוד והשוואת מודלים.
שימושי לחתך ראשוני, לעיתים קרובות מותאם יתר על המידה בשיווק. מודל שמוביל במבחן השוואה עדיין יכול להפסיד בעבודה האמיתית שלכם, ולכן הרצת השוואת שלוש משימות משלכם עדיפה על קריאת גרפים.
סוכן
סוכן הוא מערכת AI שנוקטת פעולות בשלבים לקראת מטרה, ולא רק עונה פעם אחת.
הזמנה, מחקר, כתיבת קוד וטיפול בפניות הם תחום הסוכנים. היכולת אמיתית ומשתפרת במהירות, וכך גם הצורך לבדוק מה סוכן עשה לפני שזה משנה.
שימוש בכלים
שימוש בכלים, או קריאה לפונקציות, הוא מודל שמפעיל יכולות חיצוניות כמו חיפוש, מחשבון, קוד או היומן שלכם.
כך עוזרי צ'אט פועלים בעולם במקום רק לתאר אותו, וזה המנגנון שמאחורי סוכנים.
מודל הסקה
מודל הסקה הוא כזה שמשקיע כוח מחשוב נוסף בחשיבה על בעיה באופן פנימי לפני שהוא עונה.
העסקה היא זמן ועלות תמורת דיוק בבעיות קשות. עבור שאלות פשוטות, החשיבה הנוספת לא קונה כלום, וזה עוד טיעון להחלפת מודלים לפי משימה.
זמן השהיה (latency)
זמן השהיה הוא כמה זמן אתם מחכים בין שליחת פרומפט לבין שהתשובה מגיעה או מתחילה להיות מוזרמת.
זה משתנה לפי גודל המודל, עומס, ואם המודל הוא מודל הסקה. לעבודה אינטראקטיבית, מודל מהיר ומספיק טוב לעיתים קרובות עדיף על מודל איטי ומבריק.
מגבלת קצב (rate limit)
מגבלת קצב היא התקרה שספק מציב על כמות הבקשות או הטוקנים שאפשר להשתמש בהם בחלון זמן.
להיתקל באחת היא הסיבה הרגילה שמוצר צ'אט אומר לכם לחכות או לשדרג. תקרות הודעות בתוכניות מנוי הן מגבלות קצב עם מיתוג ידידותי יותר.
לשמור על המילון שימושי
מונחים מתיישנים מהר בתחום הזה. הדף הזה מתוחזק כמקור עיון: ערכים נכתבים מחדש כשהשימוש משתנה, ומדריכי ההעמקה המקושרים נושאים את הפירוט שלא נכנס להגדרה.
אם מונח שנתקלתם בו בשטח חסר כאן, הדרך המהירה ביותר היא להדביק את המשפט שבו מצאתם אותו למודל מוכשר ולבקש הגדרה בהקשר. ב-Whizi אפשר לשאול שני מודלים בבת אחת ולשים לב מתי הם חלוקים, וזה לגבי ז'רגון חדש קורה בהפתעה לעיתים קרובות.
- צטטו את ההגדרה במשפט אחד; קראו את הפירוט לפני שאתם מסתמכים עליה
- כששני מקורות מגדירים מונח באופן שונה, השימוש החדש יותר בדרך כלל מנצח ב-AI
- למדו טוקן, חלון הקשר והזיה קודם; רוב שאר המונחים תלויים בשלושת אלה
- בדקו טענות לא מוכרות על מודל מול השוואת שלוש המשימות שלכם עצמכם
- השתמשו קודם במילון למתחילים אם הדף הזה מרגיש כמו ספר עיון, כי הוא אכן ספר עיון
שאלות נפוצות
מה ההבדל בין AI, למידת מכונה ו-LLM?
AI היא המטרה הרחבה של תוכנה שמבצעת משימות שדורשות שיקול דעת אנושי. למידת מכונה היא הטכניקה של ללמד תוכנה מדוגמאות, וכך בעצם בנוי כל AI מודרני. LLM הוא סוג אחד של מודל שנלמד באמצעות מכונה, מאומן על טקסט, וזה הסוג שמאחורי ChatGPT, Claude ו-Gemini.
מה זה RAG ב-AI?
RAG הוא ראשי תיבות של יצירה מוגברת באחזור: המערכת קודם מביאה מסמכים רלוונטיים, ואז נותנת למודל לענות מהם ולא מהזיכרון. זו הטכניקה הסטנדרטית שמאחורי מוצרים שמשוחחים עם הקבצים או מאגר הידע שלכם, ובגללה מוצרים אלה יכולים לצטט מקורות.
מה ההבדל בין כוונון עדין ל-RAG?
כוונון עדין משנה את המודל עצמו באמצעות אימון נוסף, שהוא איטי וקבוע. RAG משאיר את המודל כפי שהוא ומעביר לו את המסמכים הנכונים בזמן השאלה, וזה גמיש ועדכני. לשמירה על עוזר מעודכן במידע משתנה, RAG הוא כמעט תמיד הכלי הנכון; כוונון עדין מתאים לדרישות סגנון ופורמט יציבות.
מה זה טוקן ב-AI?
טוקן הוא יחידת הטקסט שמודל קורא וכותב, בערך שלושת רבעי ממילה באנגלית. הכול נמדד בטוקנים: תמחור, מהירות וחלון ההקשר. מסמך בן 1,000 מילים הוא בערך 1,300 טוקנים.
כמה מהמונחים האלה אני באמת צריך?
לשימוש יומיומי, בערך חמישה: מודל, פרומפט, טוקן, חלון הקשר והזיה. הגרסה למתחילים של המילון הזה מכסה אותם בסבלנות רבה יותר. שאר הדף הזה קיים לרגע שבו עמוד מוצר או כתבה זורקים עליכם מונח.