> For the complete documentation index, see [llms.txt](https://yeasy.gitbook.io/agentic_ai_guide/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://yeasy.gitbook.io/agentic_ai_guide/di-wu-bu-fen-fu-lu/12_appendix/12.1_glossary.md). # 12.1 术语表 本书中出现的关键术语及其解释。 ## 12.1.1 术语翻译约定 | 英文术语 | 中文翻译 | 本书写法 | 首次出现 | | -------------------- | ------- | ---------------------- | ------ | | Agent | 智能体 | 智能体 (Agent) | 1.1 节 | | Token | 词元 | Token（代码/技术讨论中保留英文） | 1.1 节 | | Prompt | 提示词 | 提示词 或 提示词 (Prompt) | 2.5 节 | | Context | 上下文 | 上下文 | 1.1 节 | | Context Engineering | 上下文工程 | 上下文工程 | 3.6 节 | | Embedding | 嵌入向量 | 嵌入 或 嵌入向量 | 3.3 节 | | Hallucination | 幻觉 | 幻觉 | 1.1 节 | | Fine-tuning | 微调 | 微调 | 1.4 节 | | RAG | 检索增强生成 | RAG | 3.4 节 | | Guardrails | 护栏 | 护栏 | 1.1 节 | | Sandbox | 沙箱 | 沙箱 | 1.3 节 | | Orchestrator | 编排器 | 编排器 | 5.1 节 | | Trace / Tracing | 追踪 | Trace 或追踪 | 9.3 节 | | Trajectory | 轨迹 | 轨迹 | 7.3 节 | | Human-in-the-Loop | 人机协作 | HITL 或人机协作 | 5.4 节 | | Agentic Coding | 智能体编程 | 智能体编程 (Agentic Coding) | 10.1 节 | | Vibe Coding | 氛围编程 | Vibe Coding | 10.1 节 | | Model Distillation | 模型蒸馏 | 蒸馏 | 1.1 节 | | Speculative Decoding | 投机解码 | 投机解码 | 8.7 节 | | MCP | 模型上下文协议 | MCP | 4.3 节 | | Function Calling | 函数调用 | 函数调用 或 工具调用 | 1.1 节 | *** ## 12.1.2 A **Agent（智能体）**: 具有自主决策能力的 AI 系统，能够感知环境、制定计划并执行行动以达成目标。 **Agent-to-Agent Protocol（A2A, 智能体对智能体协议）**: 一类用于智能体间通信和协作的协议标准。 **Agent Card（智能体名片）**: A2A 协议中智能体发布的自我描述文档，包含身份和能力信息。 **Artificial General Intelligence（AGI, 通用人工智能）**: 具有人类水平通用智能的 AI 系统。 **Alignment（对齐）**: 确保 AI 系统的行为与人类意图和价值观一致的过程。 **Agentic Coding（智能体编程）**: AI 作为自主开发伙伴参与软件开发的新范式。 **Agent Harness（智能体运行壳）**: 包裹在 AI 模型外围的操作系统级基础设施，通过预设系统指令、工具调用管理、生命周期钩子等机制，专门管理长周期任务，解决模型在复杂任务中易跑偏、忘规则等问题。 **Agentic Workflow（智能体工作流）**: AI 以迭代、自主方式完成复杂任务的工作模式。 **Agentic Development Maturity Model（智能体研发成熟度模型）**: 一种用于描述研发模式演进的分级框架：L1 辅助、L2 协同、L3 自主。 ## 12.1.3 B **Budget Circuit Breaker（预算熔断）**: 基于 Token 累积消耗或执行时间设置的硬阈值机制，超额时立即阻断智能体执行，防止失控的循环消耗大量资源。 ## 12.1.4 C **Chain-of-Thought（CoT, 思维链）**: 让模型在给出答案前展示推理步骤的技术。 **Computer Use（计算机使用）**: AI 直接控制鼠标、键盘操作桌面环境的能力。 **Context Engineering（上下文工程）**: 管理大语言模型有限“注意力预算”的学科，比提示词工程更广泛。 **Context Window（上下文窗口）**: 模型一次能处理的最大词元 (Token) 数量。 **Compounding Engineering（复利工程）**: 通过知识沉淀使智能体系统持续进化的工程方法。 ## 12.1.5 D **Deliberative Alignment（审慎对齐）**: 推理模型在思维链中显式调用安全原则的技术。 **Disaggregated Serving（分离式推理架构）**: 将模型推理的预填充（Prefill）和解码（Decode）阶段部署到不同集群的架构模式，解决高并发场景下的计算/访存资源竞争问题。 **Domain Randomization（域随机化）**: 在仿真训练中对材质、光照、摩擦系数等环境参数进行随机变化，以训练模型学到更鲁棒特征，从而改善仿真到现实（Sim-to-Real）的策略迁移效果。是具身智能中的关键技术。 ## 12.1.6 E **Embedding（嵌入向量）**: 将文本转换为高维向量表示，用于语义相似度计算。 ## 12.1.7 F **Function Calling（函数调用）**: 模型生成结构化的函数调用请求，由外部系统执行。 **Few-Shot Learning（少样本学习）**: 通过少量示例让模型学会新任务的技术。 **FinOps（云财务运营）**: 将财务问责制引入云和 AI 支出的文化与实践。在智能体体系中意味着工程团队需对每一次 Token 消耗的投资回报率（ROI）负责。 ## 12.1.8 G **Graph of Thoughts（GoT, 思维图）**: 将推理过程组织为图结构的高级推理技术。 **Guardrails（护栏）**: 对智能体输入输出施加约束的安全机制，用于防止有害内容生成、越权操作等风险。 **Grounding（事实锚定）**: 通过检索增强生成（RAG）等技术将智能体输出锚定到可验证的外部证据或环境状态，减少幻觉。可选地附带引用/证据链接，从而提高事实准确性。 ## 12.1.9 H **Hallucination（幻觉）**: 模型生成看似合理但实际错误的信息。 **Human-in-the-Loop, HITL（人机协作，又译人在回路）**: 在智能体工作流的关键决策点引入人类审核与干预的设计模式。用于处理高风险操作、不确定性较高的决策或合规要求。 **Hooks（钩子）**: 在工具或框架的生命周期事件中注入自定义逻辑的机制。 **HTN（Hierarchical Task Network, 分层任务网络）**: 一种任务规划技术，通过递归地将高层目标分解为更小的子任务，形成层级结构的任务网络。在智能体系统中用于复杂任务的分解与编排。 ## 12.1.10 I **Instruction Hierarchy（指令层级）**: 定义智能体如何在冲突指令间进行优先级选择的机制，通常遵循 `system ≻ developer ≻ user ≻ tool` 的信任顺序。通过对抗训练（如 IH-Challenge）可增强模型在此层级下的鲁棒性。 ## 12.1.11 K **Knuth, Donald（高德纳）**: 图灵奖得主，1984 年提出“文学编程”（Literate Programming）概念，被视为 Agentic Coding “自然语言优先”理念的思想先驱。 **KV Cache（键值缓存）**: Transformer 模型推理时缓存已计算的 Key-Value 对，避免重复计算前缀 Token。是提示词缓存（Prompt Caching）的底层机制。 ## 12.1.12 L **Large Language Model（LLM, 大语言模型）**: 基于 Transformer 架构、在大规模文本数据上训练的深度学习模型，是智能体系统的核心“大脑”。 **Large Multimodal Model（LMM, 大型多模态模型）**: 能处理文本、图像、音频等多种输入的模型。 **LLM-as-Judge（大模型作为评审）**: 利用大语言模型对其他模型或智能体的输出进行评估、打分或作出合规判断的范式。在红队测试、幻觉检测和质量门禁中广泛应用。 ## 12.1.13 M **Memory Poisoning（记忆投毒）**: 间接提示词注入的一种变种，旨在污染智能体的长期记忆（例如向量检索知识库）。 **Model Context Protocol（MCP, 模型上下文协议）**: 一类用于模型与工具交互的开放协议标准。 **Multi-Agent（多智能体）**: 多个 AI 智能体协作完成任务的系统架构。 **Model Router（模型路由）**: 根据任务复杂度或置信度评估，将请求动态分发到不同规格模型（大模型 vs 小模型）的策略组件，用于优化成本与质量的平衡。 ## 12.1.14 O **Orchestrator（编排器）**: 负责协调多个智能体或工具调用顺序的控制组件。 ## 12.1.15 P **Perceive-Plan-Act Loop（PPA, 感知-规划-行动循环）**: 智能体的基本工作循环。 **Plan Mode（规划模式）**: 智能体先制定计划再执行的工作模式。 **Prompt Engineering（提示词工程）**: 设计有效提示词以引导模型产生期望输出的技术。 ## 12.1.16 R **Retrieval-Augmented Generation（RAG, 检索增强生成）**: 通过检索外部知识增强生成质量。 **ReAct（推理与行动）**: 将推理和行动交织进行的智能体架构模式。 **Reflexion（反思）**: 让智能体从失败中学习并改进的机制。 **Reinforcement Learning from Human Feedback（RLHF, 基于人类反馈的强化学习）**: 使用人类偏好数据优化模型的训练方法。 **Rules（规则）**: 存储在项目规则目录中的项目级行为规范。 **Reasoners（推理模型）**: 在复杂任务上表现更稳定、更擅长多步推理的一类模型，是智能体系统能力提升的重要来源。 ## 12.1.17 S **Sandbox（沙箱）**: 隔离执行环境，防止代码对系统造成危害。 **Skills（技能）**: 封装领域知识的可复用知识包。 **Standard Operating Procedure（SOP, 标准操作流程）**: 预定义的工作流程。 **Stop Sequence（停止序列）**: 控制模型暂停生成、等待工具结果的特殊标记。 **Speculative Decoding（投机解码）**: 用小型“草稿模型”快速预测多个候选 Token，再由大型“目标模型”并行验证的推理加速技术。在不损失生成质量的前提下，可将推理延迟降低数倍。 **Structured Output（结构化输出）**: 让模型按照指定的数据格式（如 JSON Schema）生成内容的技术，提高输出的可解析性。 **Supply Chain Attack（供应链攻击）**: 针对智能体依赖的第三方组件（如 MCP 服务器、插件、工具包）发起的攻击。攻击者通过篡改上游依赖注入恶意代码，影响所有下游智能体系统。 **Sim-to-Real Transfer（仿真到现实迁移）**: 将在虚拟仿真环境中训练的策略（如机器人控制策略）迁移到真实物理环境执行的过程。是具身智能的核心难题，涉及域适应与精确校准。 ## 12.1.18 T **Tool Return Injection（工具返回注入）**: 一种间接提示词注入攻击，攻击者在智能体调用的工具返回结果中隐蔽地嵌入恶意指令，诱导智能体执行非预期操作。属于提示词注入的高级形式，防御需在指令层级训练中加强。 **Token（词元）**: 模型处理的基本文本单位，一个汉字约 1-2 个词元。 **Tool Use（工具使用）**: 智能体调用外部工具扩展能力的能力。 **Tree of Thoughts（ToT, 思维树）**: 将推理过程组织为树结构的推理技术。 **Trajectory（轨迹）**: 智能体完成任务的完整执行路径，包含所有思考和行动。 **Trace / Tracing（追踪）**: 记录智能体从接收任务到产出结果全过程中每个步骤的技术。包括推理轨迹、工具调用、中间状态等，用于调试、优化和审计。 ## 12.1.19 V **Vibe Coding（氛围编程）**: 用自然语言描述需求、由 AI 生成代码的编程风格。 **Vector Database（向量数据库）**: 专门存储和检索向量的数据库系统。 ## 12.1.20 Z **Zero-Shot（零样本）**: 不提供示例，仅通过指令让模型完成任务。 ## 12.1.21 复合术语 **Total Cost of Ownership, TCO（总拥有成本）**: 衡量智能体系统全生命周期成本的指标，包括模型推理费用（Token 消耗）、基础设施、开发维护、监控运维和人工干预等各项成本的总和。 *** **下一节**: [推荐论文与阅读清单](/agentic_ai_guide/di-wu-bu-fen-fu-lu/12_appendix/12.2_reading_list.md)