大家好，我是玄姐。

我整理了一份簡(jiǎn)潔的可視化指南，涵蓋 AI Agent 領(lǐng)域 30 個(gè)最重要的術(shù)語(yǔ)。這些術(shù)語(yǔ)能幫你理解現(xiàn)代 AI 智能體（Agent）實(shí)際的思考、行動(dòng)和協(xié)作方式，是核心必備知識(shí)。

如果你正在研究 LangChain、Spring AI、Spring AI Alibaba、CrewAI、LangGraph 或 AutoGen 等智能體框架，這份術(shù)語(yǔ)表能幫你理清關(guān)鍵構(gòu)成模塊之間的關(guān)聯(lián)。

一、核心術(shù)語(yǔ)解析

• Agent（智能體）：能感知環(huán)境、進(jìn)行推理并為達(dá)成目標(biāo)采取行動(dòng)的自主 AI 實(shí)體。
• Environment（環(huán)境）：智能體運(yùn)行和交互的外部世界或系統(tǒng)。
• Action（行動(dòng)）：智能體基于推理或目標(biāo)執(zhí)行的響應(yīng)的任務(wù)。
• Observation（觀測(cè)）：智能體在任意時(shí)刻從環(huán)境中獲取的數(shù)據(jù)或輸入信息。
• Goal（目標(biāo)）：智能體被設(shè)計(jì)要實(shí)現(xiàn)的預(yù)期結(jié)果。
• LLMs（大型語(yǔ)言模型）：支持智能體進(jìn)行推理和生成自然語(yǔ)言的基礎(chǔ)模型。
• Tools（工具）：智能體用來(lái)擴(kuò)展功能、與外部世界交互的 API 或?qū)嵱贸绦颉?/li>
• Evaluation（評(píng)估）：衡量智能體是否達(dá)成預(yù)設(shè)目標(biāo)的過(guò)程。
• Orchestration（協(xié)調(diào)調(diào)度）：多個(gè)智能體協(xié)同工作以完成復(fù)雜任務(wù)的協(xié)調(diào)與控制機(jī)制。
• Multi-agent system（多智能體系統(tǒng)）：一組智能體協(xié)作實(shí)現(xiàn)最終目標(biāo)的系統(tǒng)。
• Human-in-the-loop（人機(jī)協(xié)同）：人類介入或指導(dǎo)智能體決策過(guò)程的模式。
• Reflection（反思）：智能體自我評(píng)估行為，以改進(jìn)未來(lái)表現(xiàn)的過(guò)程。
• Planning（規(guī)劃）：確定智能體達(dá)成目標(biāo)所需步驟順序的過(guò)程。
• ReAct：一種將推理（思考）和行動(dòng)（工具使用）逐步結(jié)合的框架。
• Feedback loop（反饋循環(huán)）：收集結(jié)果、觀察影響并調(diào)整行動(dòng)的持續(xù)過(guò)程。
• Context window（上下文窗口）：智能體能同時(shí)處理的最大信息量。
• System prompt（系統(tǒng)提示詞）：定義智能體行為的持續(xù)性背景指令或特性設(shè)定。
• Few-shot learning（少樣本學(xué)習(xí)）：僅通過(guò)少量示例教會(huì)智能體新行為或新任務(wù)的方法。
• Hierarchical Agents（分層智能體）：由上級(jí)智能體向下級(jí)智能體分配任務(wù)的多層級(jí)智能體結(jié)構(gòu)。
• Short-term memory（短期記憶）：在單次會(huì)話中存儲(chǔ)的臨時(shí)上下文信息。
• Long-term memory（長(zhǎng)期記憶）：跨多次會(huì)話存儲(chǔ)的持久化上下文，用于保證連貫性和支持學(xué)習(xí)。
• Knowledge base（知識(shí)庫(kù)）：結(jié)構(gòu)化的信息存儲(chǔ)庫(kù)，智能體可用于推理和決策。
• Context engineering（上下文工程）：通過(guò)篩選智能體可獲取的信息，優(yōu)化其輸出結(jié)果的實(shí)踐方法。
• Guardrails（安全護(hù)欄）：防止智能體采取有害或非預(yù)期行動(dòng)的規(guī)則或邊界。
• Tool call（工具調(diào)用）：智能體為執(zhí)行特定任務(wù)發(fā)起的 API 調(diào)用。
• Guidelines（指導(dǎo)原則）：確保智能體行為與預(yù)期結(jié)果一致的政策或約束條件。
• ARQ：一種新的結(jié)構(gòu)化推理方法，智能體可通過(guò)逐步拆解解決復(fù)雜的特定領(lǐng)域問(wèn)題。
• MCP：智能體連接外部工具、API 和數(shù)據(jù)源的標(biāo)準(zhǔn)化方式，包含 MCP 服務(wù)器、MCP 客戶端、JSON-RPC、采樣機(jī)制、MCP 安全防護(hù)、沙箱技術(shù)，以及如何將 LangGraph/LlamaIndex/CrewAI/PydanticAI 與 MCP 結(jié)合使用。
• A2A（智能體對(duì)智能體協(xié)議）：支持智能體直接通信和交換數(shù)據(jù)的協(xié)議。
• Router（路由）：將任務(wù)分配給最合適的智能體或工具的機(jī)制。

這些術(shù)語(yǔ)共同構(gòu)成了 AI 工程師必須掌握的 AI Agent 生態(tài)核心。

?? 輪到你了：我們還遺漏了哪些重要術(shù)語(yǔ)？

好了，這就是我今天想分享的內(nèi)容。

本文轉(zhuǎn)載自??玄姐聊AGI??  作者：玄姐