学习 AI 时总有很多关键字，另大家产生疑惑这是什么，下面总结了一个附表：
逻辑关系总结
- LLM = 大脑：负责思考、理解需求、生成执行方案
- Agent = 完整自主机器人：大脑 + 记忆 + 规划 + 工具调度能力
- Skill / Tool = 机器人手脚工具：仅单一执行能力，无自主思考
- Function Call = 大脑指挥手脚执行的通讯协议
- RAG、计算器、爬虫、文件读写 全部归类为 Skill
- Multi-Agent = 多个智能体分工协作完成复杂项目
一、AI Agent 智能体体系
| 英文术语 |
中文名称 |
标准定义 |
实操示例 |
| AI Agent |
AI智能体 |
具备目标、记忆、规划、工具调用、自主循环执行任务的自治AI单元 |
自动周报生成智能体、售后工单处理智能体 |
| Multi-Agent |
多智能体 |
多个独立智能体可通信、分工协同完成复杂长链路任务 |
调研Agent+数据分析Agent+绘图Agent联动办公 |
| Agent Framework |
智能体开发框架 |
封装记忆、规划、工具调度的底层开发底座，快速搭建Agent |
LangGraph、AutoGen、LlamaIndex、扣子智能体框架 |
| Agent Runtime |
智能体运行时 |
管理Agent会话生命周期、工具权限、上下文、状态缓存执行环境 |
OpenAI Agent Runtime、字节内部Agent Runtime |
| Task Planner / Planner |
任务规划器 |
Agent内置模块，将复杂总目标拆解为有序子任务 |
做月度报表拆解：拉业务数据→指标计算→生成图表→导出PDF |
| Self-Reflection |
自我反思模块 |
任务执行完成后复盘错误、校验结果、优化后续执行逻辑 |
数据计算出错后自动复核参数，重新调用计算工具 |
| Agent Memory |
智能体记忆系统 |
存储对话、任务上下文、历史资料，分为短期、长期两类 |
会话聊天记录、长期业务知识库快照 |
| Short-term Memory |
短期记忆 |
当前会话上下文窗口，会话结束自动清空 |
单次对话内全部问答上下文 |
| Long-term Memory |
长期记忆 |
持久化向量库存储，跨会话可检索历史信息 |
历史客户工单、过往项目文档模板 |
| Agent State |
智能体状态 |
记录任务进度、中间变量、工具返回结果的临时快照 |
爬取商品数据过程中缓存的半成品数据 |
| Agent Prompt Template |
智能体提示词模板 |
约束Agent身份、行为规则、输出格式、工具调用范围的固定指令 |
限制Agent禁止编造数据、仅允许指定工具调用 |
| Agent Orchestration |
智能体编排 |
调度多个Agent执行顺序、数据流、分支判断、条件流转 |
调研Agent输出素材后，流转给文案Agent生成报告 |
二、Skill / Tool 技能工具体系
| 英文术语 |
中文名称 |
标准定义 |
实操示例 |
| Skill |
技能 |
可被Agent调用的最小标准化执行功能单元，单一功能能力 |
表格计算、文档解析、联网搜索、邮件发送 |
| Tool / Tool Function |
工具函数 |
标准化外部调用接口，大模型通过函数调用协议触发技能 |
天气查询API、数据库查询接口、代码运行工具 |
| Function Calling |
函数调用 |
大模型自主识别需求，自动组装参数、发起外部工具调用的标准协议 |
用户询问股价，模型自动调用股票查询Skill |
| Built-in Skill |
内置技能 |
框架原生自带、开箱即用的通用公共工具 |
计算器、文本翻译、图片解析、联网搜索 |
| Custom Skill |
自定义私有技能 |
开发者自主封装，对接企业内部业务系统的专属工具 |
ERP数据读取、内部业务数据库读写、私有接口 |
| Skill Schema |
技能描述规范 |
JSON格式定义技能名称、入参、出参、功能说明，供模型识别调用 |
定义天气Skill需要城市、日期两个入参字段 |
| Skill Permission |
技能权限管控 |
限制不同Agent能否调用对应Skill、可操作数据范围 |
普通客服Agent禁止调用用户隐私数据库Skill |
| Tool Router |
工具路由调度器 |
自动判断当前子任务匹配所需Skill，分发调用请求 |
资料检索走搜索Skill，数值运算走计算器Skill |
| Plugin |
插件包 |
一组关联Skill打包集合，一键导入扩展Agent能力 |
办公插件：包含Excel处理、Word导出、发送邮件三类Skill |
三、大模型基础核心术语
| 英文术语 |
中文名称 |
标准定义 |
| LLM |
大语言模型 |
基于文本预训练的生成式基础大模型，理解与生成自然语言 |
| Multimodal LLM |
多模态大模型 |
同时支持文本、图片、音频、视频输入输出的通用大模型 |
| Embedding |
向量嵌入 |
将文本、图像转为高维数值向量，用于相似度匹配、知识库检索 |
| Token |
令牌 |
模型文本最小计算单位，用于上下文限制、计费统计 |
| Context Window |
上下文窗口 |
模型单次可读取处理的最大Token长度，决定短期记忆上限 |
| Fine-tuning |
微调 |
在通用基座模型上，使用自有业务数据二次训练适配专属场景 |
| SFT |
监督微调 |
基于人工标注问答样本训练，对齐人类语言输出习惯 |
| RLHF |
人类反馈强化学习 |
通过人工打分优化模型输出偏好，降低幻觉、提升回答合规性 |
| Inference |
模型推理 |
模型接收输入、计算并生成回复的运行过程 |
| Temperature |
温度参数 |
控制生成内容随机性，数值越高输出越发散、创意越强 |
| Hallucination |
模型幻觉 |
大模型编造不存在的事实、虚假数据、不存在文献引用 |
四、RAG 检索知识库配套术语（Agent高频依赖Skill）
| 英文术语 |
中文名称 |
标准定义 |
| RAG |
检索增强生成 |
先检索私有知识库参考资料，再结合资料让模型生成准确回答 |
| Vector Database |
向量数据库 |
持久化存储Embedding向量，提供高速相似度检索，长期记忆载体 |
| Chunking |
文本分块 |
将超长文档切割为小段文本再向量化存储，提升检索精准度 |
| Retrieval |
检索器 |
RAG核心技能，从知识库匹配与问题相关的参考片段 |
| Re-rank |
检索重排序 |
初筛检索结果后重新打分排序，过滤低相关无关内容 |
| Knowledge Base |
私有知识库 |
企业业务文档、规则手册、内部资料集合 |
| Hybrid Search |
混合检索 |
关键词全文检索 + 向量语义检索结合，兼顾精准与语义匹配 |
五、AI 开发、应用、运维通用术语
| 英文术语 |
中文名称 |
标准定义 |
| Prompt Engineering |
提示工程 |
设计指令、示例、规则，引导模型/Agent输出符合预期结果 |
| Zero-shot / Few-shot |
零样本 / 少样本提示 |
不给示例 / 少量示例，让模型直接完成陌生任务 |
| Workflow |
AI自动化工作流 |
固定顺序多步骤AI流程，可串联模型、Agent、工具、分支判断 |
| LLM Pipeline |
大模型处理流水线 |
标准化完整链路：输入预处理→检索→规划→工具调用→生成→结果校验 |
| Orchestration |
任务编排 |
串联模型、智能体、工具、数据库，搭建自动化业务链路 |
| API Gateway |
AI接口网关 |
统一管控模型、Agent、Skill接口，提供鉴权、限流、日志能力 |
| Tokenizer |
分词器 |
将自然文本切割为模型可识别Token的预处理工具 |
| Guardrail |
安全护栏 |
限制Agent、Skill输出违规内容，拦截高危操作、隐私泄露 |
| AI Sandbox |
AI安全沙箱 |
隔离运行环境，限制工具文件读写、网络访问，规避安全风险 |
| Agent Store |
智能体市场 |
平台预制成品Agent库，支持直接导入复用 |
| Skill Marketplace |
公共技能市场 |
平台提供开箱即用的通用公共Skill资源库 |
