AI Agent 术语表
核心概念
15 个术语
AI 智能体（AI Agent）
AI 智能体是一种借助大语言模型自主决定下一步该做什么、并调用工具去执行的软件系统，目标明确但不需要人在每一步都下达指令。
智能体式 AI（Agentic AI）
智能体式 AI（Agentic AI）指的是那些能够自己规划、连续多步行动去完成一个目标的 AI 系统，而不是每次只针对一句提示词给出一个回答。
自主智能体
自主智能体是指能够朝着一个目标连续执行多个动作、不需要人对每一步都点头确认的 AI 智能体，但它通常仍会在预设的检查点停下来。
多智能体系统
多智能体系统是指把一个大任务拆给多个分工更细的 AI 智能体去分别处理，再通过某种编排机制把它们协调起来的架构。
子智能体
子智能体是主智能体为完成某个具体子任务而派生出来的辅助智能体，通常有自己专属的指令和工具，做完之后把结果汇报给主智能体。
智能体编排
智能体编排是指决定由哪个智能体、子智能体、工具或服务器来处理某项工作、按什么顺序处理、以及最后怎么把各方结果拼起来的协调层。
智能体团队
智能体团队是一种按角色分工组织起来的多智能体架构——一个主导智能体加上规划、编码、评审、测试等专职成员——大致仿照人类团队的分工方式。
智能体循环
智能体循环是指 AI 智能体反复执行『感知—规划—行动—观察』这个周期，把一个目标一步步变成具体动作，每次都先看结果再决定下一步。
ReAct（推理-行动范式）
ReAct 是一种提示技巧，让语言模型在采取行动前先明确写出『思考』，行动之后再读『观察』结果，如此交替进行，而不是直接从问题跳到动作。
任务规划（Planning）
任务规划是指智能体在开始行动之前（或行动过程中），把一个目标拆解成有先后顺序的若干小步骤，而不是完全没有整体思路地一步步硬走。
自我反思与自我纠错
自我反思（或自我纠错）是指智能体对照目标评估自己刚产出的结果或采取的动作，如果不满意就修正，而不是把第一次尝试直接当作最终结果。
人在回路（Human-in-the-Loop）
人在回路（Human-in-the-Loop）是一种设计模式：智能体在执行有实质影响的动作之前或过程中暂停，等人审核或批准，而不是完全自己说了算。
自主等级
自主等级是一种非正式的说法，用来大致描述智能体在找人确认之前，能自己决定和完成多少事情，大致从完全手动到完全自主排列——这不是一个官方或统一的标准。
智能体-计算机接口（ACI）
智能体-计算机接口（ACI）是指把工具、接口或运行环境设计成给 AI 智能体用而不是给人用——优化的重点是方便机器解析和结构可预测，而不是视觉排版。
Agent 记忆（Agent Memory）
Agent 记忆指的是智能体记住并在之后复用信息的能力，覆盖的范围超出单次提示词能装下的内容——既包括一个任务内部的多个步骤，也包括跨越多次独立会话。
协议与标准
14 个术语
MCP（模型上下文协议）
MCP（模型上下文协议）是一套开放协议，让 AI 应用可以用同一套接口连接外部工具、数据和提示词，而不必为每一个工具单独写对接代码。
MCP 服务端（MCP Server）
MCP 服务端是一段程序，它通过 MCP 协议把工具、资源和/或提示词模板暴露给能理解该协议的 AI 应用。
MCP 客户端（MCP Client）
MCP 客户端是宿主应用内部的组件，负责代表模型建立并维护与一个或多个 MCP 服务端的连接。
A2A（智能体间通信协议）
A2A（Agent2Agent 协议）是一个开放协议方向，让不同厂商开发的 AI 智能体能互相发现对方的能力，并把任务委派给对方来执行。
ACP（智能体通信协议）
ACP（Agent Communication Protocol）是一个较早出现的提案，试图用类似 REST 的 HTTP 约定，标准化 AI 智能体之间该怎么通信。
AGENTS.md
AGENTS.md 是放在项目仓库里的一个纯文本文件，用来给 AI 编程 Agent 提供项目特定的说明，比如怎么安装、构建、测试，以及要遵守哪些约定。
SKILL.md（Claude Skills）
SKILL.md 是一种文件格式，用来把一项可复用的能力——包括操作说明，以及可选的脚本或参考资料——打包起来，让 Agent 只在遇到匹配任务时才加载它。
函数调用 / 工具调用
函数调用（也叫工具调用）是模型的一种能力：它可以输出一个结构化请求，指定要调用哪个函数、传什么参数，而不是只能生成自然语言文本。
工具清单（Tool Manifest）
工具清单是对一个工具的结构化描述——它的名称、能做什么、需要什么参数——被放进模型的上下文里，让模型知道有这个工具、该怎么调用它。
能力发现（Capability Discovery）
能力发现是客户端了解某个服务端实际提供哪些工具、资源等能力的过程，而不是靠事先假设或写死的配置。
WebMCP（网页模型上下文协议）
WebMCP 是一个提案中的浏览器 API（`navigator.modelContext`），让网页把自己的 JavaScript 函数以结构化工具的形式发布出来，供浏览器里的 AI Agent 直接发现并调用，而不是像人一样去读页面、点按钮。
AP2（Agent 支付协议）
AP2（Agent Payments Protocol，Agent 支付协议）是一个开放协议，用来让 AI Agent 代替用户付款，其设计使每一笔购物都带有可密码学验证的凭据：用户要买什么、Agent 往购物车里放了什么、允许扣多少钱。
UCP（通用商务协议）
UCP（Universal Commerce Protocol，通用商务协议）是一个开放标准，让 AI Agent 通过一套统一、可协商能力的接口，在许多不同商家那里走完整个购物旅程——发现商品、拼购物车、结账、售后。
MHS（模型硬件标准）
MHS（Model Hardware Standard，模型硬件标准）是 Anthropic 于 2026 年预览的一套开放规范提案，让 AI 智能体用统一的方式发现和操作实验室、产线上的物理仪器——显微镜、机械臂、移液工作站等——而不用为每一台设备单独写对接代码。
Skill 与工作流
14 个术语
Skill（技能包）
Skill 是一种打包好的、可复用的能力单元——通常是一段说明文字，有时还搭配脚本或参考文件——智能体只有在任务真正用得上时才会把它加载进上下文。
工作流（Workflow）
工作流是一串定义好的步骤——可以由智能体执行、由人执行、或者两者配合——从某个触发点开始，最终跑出一个结果。
操作手册（Playbook）
Playbook 是一套“遇到某种情况，就套用某条规则，采取某个行动”的说明，是为一类反复出现的问题写的，而不是单一固定的步骤序列。
流水线（Pipeline）
Pipeline 是一条线性、按固定顺序排列的处理阶段链条，数据或任务从初始输入一路流经这些阶段，最终得到输出。
钩子（Hook）
Hook 是挂在智能体动作生命周期某个固定节点上、自动运行的一段代码或检查，通常就在动作执行前或执行后触发。
斜杠命令（Slash Command）
斜杠命令是用户主动输入的一条以 `/` 开头的简短指令，用来触发一段预先写好的提示词、流程或动作，而不用每次都重新完整地写一遍。
任务分解（Task Decomposition）
任务分解是把一个大而模糊的任务拆成更小、更具体的子任务的过程，每个子任务都能单独执行、单独检查。
思维链（Chain-of-Thought）
思维链（Chain-of-Thought）是一种提示技巧，要求模型先写出中间推理步骤，再给出最终答案，而不是直接跳到结论。
有向无环图工作流（DAG）
DAG 工作流是把工作流建模成一张有向无环图：步骤可以分出并行的分支，之后再汇合回一条路径，而且任何一条路径都不会绕回自己。
状态机式智能体
状态机式智能体是把自己的行为建模成一组固定的、命名清楚的状态——比如空闲、执行中、等待输入——并且明确规定了什么情况下会从一个状态转到另一个状态。
触发器（Trigger）
触发器是启动一次新的智能体运行的外部事件——可能是定时任务到点了、一个 webhook 到达了、某个文件变化了，或者有人手动发出了一条命令。
定时智能体（Scheduled Agent）
定时智能体是配置成按固定时间周期自动运行的智能体——每天、每小时，或者每周一——而不是靠人或外部事件来启动。
Agent Harness（智能体运行框架）
Agent Harness 指的是包裹在模型外面的那层软件——负责组装上下文、执行工具调用、控制权限、把结果喂回给模型——把一个原始模型变成真正能操作代码环境的智能体。
持久化执行（Durable Execution）
持久化执行是一种运行时方式：记录每一步的进度和结果，让长时间运行的工作流或 Agent 在故障、重启或长时间等待后能从中断处继续。
评测与安全
13 个术语
Agent 评估（Agent Evaluation）
Agent 评估，是把智能体放到一组任务里从头跑到尾，看它完整的多步执行过程——而不只是某一次回答——做得怎么样。
Agent 基准测试（Benchmark）
Agent 基准测试是一套固定的任务和打分方法，让不同的智能体或模型在同样条件下跑一遍，方便横向比较。
Agent 安全（Agent Safety）
Agent 安全，关注的是当一个 AI Agent 能真正在现实世界里执行动作时，如何预判并限制它可能造成的伤害，而不只是管住它说了什么。
Agent 护栏（Guardrails）
护栏，是加在 agent 的输入或即将执行的动作上的一条规则、过滤器或检查，独立于 agent 自身的推理运行，用来限制它能做什么。
提示词注入（Prompt Injection）
提示词注入是一种攻击：在模型会读到的内容里——网页、文档、邮件、工具返回结果——精心放入一段文字，让模型把它当成指令并照做，从而压过开发者或用户真正的要求。
工具投毒（Tool Poisoning）
工具投毒是间接提示词注入的一种：恶意指令藏在工具自身的元数据里——它的描述、参数说明或 schema——模型在决定怎么用这个工具时会把这些内容读进去，但用户界面从不展示。
Agent 身份（Agent Identity）
Agent 身份是指在访问管理体系里，把自主 Agent 当作一个独立主体来对待——有自己的凭据、范围收窄且带时限的权限、一条回溯到授权人类的委派链，以及自己的审计记录。
确定性护栏（Deterministic Guardrails）
确定性护栏是指用普通的、非概率性的代码来约束 Agent——状态机、策略引擎、前置/后置条件校验、白名单——让必经步骤按固定顺序、以固定结果发生，不管模型怎么决定。
OWASP Agentic AI Top 10
OWASP Top 10 for Agentic Applications 是 OWASP GenAI 安全项目组织社区编写的一份榜单，梳理 AI Agent 系统特有的十类最重要安全风险，从目标劫持到失控 Agent。
幻觉（Hallucination）
幻觉指语言模型输出流畅而笃定、但内容错误、编造，或没有来源与任务输入支撑的现象。
影子 AI（Shadow AI）
影子 AI 指在未经 IT 和安全团队批准、监督或知晓的情况下，在组织内使用 AI 应用、模型或 Agent。
Agent 沙箱（Sandboxed Execution）
Agent 沙箱是一个隔离的执行环境（如容器、微虚拟机或受限的操作系统进程），AI Agent 在其中运行代码和命令，对文件、网络和凭证的访问受到限制。
影子 MCP（Shadow MCP）
影子 MCP 指在组织内部使用未经安全团队批准、登记或监控的 MCP（模型上下文协议）服务器。
生态与新兴热词
22 个术语
上下文工程（Context Engineering）
上下文工程是指决定模型在某一步的上下文窗口里究竟放哪些信息——系统指令、可用工具、检索到的文档、历史对话、记忆——并管理这些内容的结构和时效性的一整套实践。
Agent 可观测性（Agent Observability）
Agent 可观测性是指采集足够的信息，还原 Agent 一步步的执行轨迹——调用了哪些工具、先后顺序如何、每次返回了什么——从而搞清楚它为什么会做出这样的行为。
MRC（多路径可靠连接）
MRC（Multipath Reliable Connection，多路径可靠连接）是一种开放网络传输协议，它把一次数据传输同时拆散到成百条网络路径上，让超大规模 AI 训练集群在个别链路拥塞或中断时仍能满速运行。
代理式商务（Agentic Commerce）
代理式商务是一种新兴实践——以及为它构建的一整套协议栈——由 AI Agent 代替用户完成购物：从发现商品到结账、付款，而人只负责定好意图、对结果做确认，而不是自己一步步点。
上下文腐化（Context Rot）
上下文腐化指的是一个观察到的现象：随着输入里文字量增加，语言模型的可靠性会下降——不只是在上下文窗口快满时，而是随 token 累积逐步下降，哪怕是模型在短输入下轻松就能做对的任务。
推理期计算（Test-Time Compute）
推理期计算是指在模型回答查询时（而非训练时）花费的计算——通过更长的推理链、多次独立采样、在候选项上做搜索、或自我检查，来提升结果质量。
Agentic RAG（代理式检索增强生成）
Agentic RAG 是把检索增强生成重构成一个 Agent 循环：不是检索一次就生成，而是由模型规划查询、检索、判断结果够不够、改写查询或换来源，反复直到能作答。
Jev（TypeSafe AI 的 System One 模型）
Jev 是 TypeSafe AI 在 2026 年 9 月发布的模型，输入程序状态和带类型的问题，输出带校准概率的类型化决策，而不是一段生成的文字。
System One 模型（System One Model）
System One 模型是借“快思考”命名的一类 AI 模型：一次快速计算回答结构化问题，返回带校准概率的类型化值，而不是生成文本。
大型推理模型（LRM）
大型推理模型（LRM）是一类经过训练、会在给出最终答案前先逐步展开一长串内部推理的语言模型。
RLVR（可验证奖励的强化学习）
RLVR 是一种强化学习：奖励来自对结果的自动检查，比如代码是否通过测试、数学答案是否与标准答案一致。
混合专家模型（MoE）
混合专家（MoE）模型包含许多专家子网络和一个路由器，路由器把每个 token 只送给其中少数几个专家，所以每个 token 只会用到模型的一部分参数。
提示缓存（Prompt Caching）
提示缓存是模型服务商提供的功能：保存重复提示前缀的处理结果，之后以相同内容开头的请求就能更快、以更低的输入成本得到处理。
Vibe Coding（氛围编程）
Vibe coding 是一种编程方式：用自然语言说出想要什么，让 AI 写代码，主要凭运行效果而不是阅读代码来决定是否接受。
生成式引擎优化（GEO）
生成式引擎优化（GEO）是调整内容，让由 AI 驱动的问答引擎更可能检索、采用并在回答中引用它的做法。
AI 垃圾内容（AI Slop / Workslop）
AI slop 指未经认真审核、批量产出的低质量 AI 生成内容；workslop 则是职场里的同类现象：看似完成的 AI 产出，实际让接收者不得不修正或重做。
System One API（Noul / Choice / Score）
System One API 是 TypeSafe AI 为 Jev 提供的 HTTP 接口：发送一段状态和一组命名的、带类型的问题，得到每个问题对应的一个类型化答案。
RLCD（面向校准决策的强化学习）
RLCD 是 TypeSafe AI 给训练 Jev 所用强化学习方法起的名字，目标是让模型输出的概率如实反映它到底有几成把握。
校准置信度（Calibrated Confidence）
模型的置信度是校准的，指它所给的概率与现实相符：在它标注 80% 把握的所有答案里，大约八成应该是对的。
置信度分流（Confidence-Threshold Routing）
置信度分流是一种模式：快速模型处理它有把握的情况，把拿不准的交给更慢更强的模型或真人。
结构化输出（Structured Outputs）
结构化输出是一种模型能力：强制回答遵循预先声明的 schema，比如带指定字段的 JSON 对象，让程序不必靠脆弱的解析就能读取。
杰文斯悖论（Jevons Paradox）
杰文斯悖论是这样一种现象：当一种资源的使用效率提高后，总消耗量可能不降反升，因为成本下降让更多的用途变得划算。