Agent 概念与关键词大全一览表

用途：一张表速览与 Agent 相关的所有核心概念与关键词，配合 01-什么是Agent.md / 02-Agent核心组件.md 及后续模块交叉阅读。每条仅做极简定义，想深入请跳对应模块。

一、基础与定义

概念 / 关键词 极简说明
Agent（智能体） 以 LLM 为大脑、能循环感知环境并调用工具达成目标的系统。
LLM Agent 特指以大语言模型为推理核心的 Agent（区别于规则/强化学习 Agent）。
Agent = LLM + Tools + Memory + Loop Agent 四大要素的黄金公式。
自主性（Autonomy） Agent 无需逐步人工干预即可推进任务的程度。
代理 / 智能代理 Agent 的中文别称。
具身智能（Embodied Agent） 有物理/虚拟身体、能与环境交互的 Agent（机器人、游戏角色）。
软件 Agent 纯软件形态、运行在数字环境中的 Agent。
Agentic 形容词，表示"具备 Agent 特性的"（如 agentic workflow）。
Agentic AI 强调系统整体具备自主行动能力的范式，区别于单一模型。
聊天机器人（Chatbot） 多轮问答，被动响应，一般不改环境——Agent 的前身形态。
Copilot（副驾） 人主导、AI 辅助的半自主形态，强调"人在环"。
自主智能体（Autonomous Agent） 端到端自主完成任务、人只验收结果的 Agent。

二、核心组件

概念 / 关键词 极简说明
推理（Reasoning） LLM 分解与推导问题的过程（如 CoT）。
规划（Planning） 把目标拆成有序步骤/子任务的过程。
执行（Acting） 调用工具落实规划、改变环境。
感知（Perception） 从环境/工具反馈获取观测结果。
行动循环（Action Loop） 感知→推理→行动→观测 的持续迭代。
工具（Tool） 供 Agent 调用的外部能力（API/函数/命令）。
记忆（Memory） 跨步骤/跨会话保存与召回信息的能力。
大脑（Brain） 对 LLM 核心推理模块的拟人化称呼。
手脚（Hands/Feet） 对工具调用能力的拟人化称呼。

三、推理与规划范式

概念 / 关键词 极简说明
CoT（Chain-of-Thought） 思维链，让模型一步步显式推理。
Zero-shot / Few-shot CoT 无示例 / 给少量示例触发思维链。
ReAct 推理（Reason）与行动（Act）交替的范式，最经典 Agent 循环。
Thought / Action / Observation ReAct 的三元组：思考、行动、观测。
Reflection（反思） 让 Agent 自我评价并修正输出。
Self-Correction（自纠） 基于反馈自动修正错误。
Self-Consistency 多采样投票提升推理稳定性。
ToT（Tree of Thoughts） 树状搜索多路径推理。
GoT（Graph of Thoughts） 图状推理，节点间可聚合。
Plan-and-Execute 先整体规划，再逐步执行。
任务分解（Task Decomposition） 把大任务拆成可管理的子任务。
子目标（Sub-goal） 分解后的中间目标。
反思循环（Reflexion） 带记忆的反思框架（ verbal + 情景记忆）。

四、工具调用与协议

概念 / 关键词 极简说明
Function Calling（函数调用） 模型按 schema 输出结构化调用请求。
Tool Calling 同 Function Calling，泛指工具调用。
Tool Schema / JSON Schema 描述工具入参的规范，模型据此生成调用。
MCP（Model Context Protocol） Anthropic 提出的统一工具/资源/提示接入协议。
MCP Server / Client 提供能力的服务端 / 消费能力的客户端。
MCP Resource / Prompt / Tool MCP 暴露的三类原语。
Tool Use / Tool Result 工具调用的请求与返回。
A2A（Agent-to-Agent） Google 提出的 Agent 间通信协议。
API 集成 通过外部接口扩展 Agent 能力。
Computer Use（电脑操作） Agent 直接操作 GUI/屏幕（如点击、输入）。
GUI Agent 基于界面视觉操作软件的 Agent。

五、记忆系统

概念 / 关键词 极简说明
短期记忆（Short-term） 当前上下文窗口内的临时信息。
长期记忆（Long-term） 跨会话持久化存储。
情景记忆（Episodic） 记录"发生过什么"的具体经历。
语义记忆（Semantic） 抽取的事实性知识。
程序性记忆（Procedural） "怎么做"的操作性知识。
向量记忆（Vector Store） 用 embedding 做相似度召回。
Memory Bank 把关键信息落盘文件供后续加载。
Scratchpad（草稿本） 中间推理暂存区。
遗忘 / 淘汰（Eviction） 控制记忆容量、丢弃低价值信息。
压缩（Compression） 将长记忆摘要化以省 token。
召回（Retrieval） 从记忆库取回相关片段。

六、多智能体

概念 / 关键词 极简说明
多智能体（Multi-Agent） 多个 Agent 分工协作完成复杂任务。
角色（Role） 给每个 Agent 设定职责（如规划者/执行者）。
编排（Orchestration） 调度多 Agent 的协同与消息流。
主管 / 经理（Manager/Supervisor） 负责分发与汇总的中枢 Agent。
工作者（Worker） 执行具体子任务的从属 Agent。
通信协议（Message Passing） Agent 间消息格式与通道。
辩论（Debate） 多个 Agent 互相反驳以提升答案质量。
共识（Consensus） 多 Agent 达成一致的机制。
黑盒 / 白盒协作 只看结果 vs 共享内部过程。
Agent 网络（Agent Network） 多 Agent 互联成网的结构。

七、知识增强（RAG）

概念 / 关键词 极简说明
RAG（检索增强生成） 先检索外部知识再生成，缓解幻觉与时效问题。
Embedding（向量化） 把文本转成可比较的向量。
向量数据库（Vector DB） 存储与检索向量的数据库。
切分（Chunking） 把文档切成检索单元。
混合检索（Hybrid Search） 关键词 + 向量结合。
重排序（Re-ranking） 对召回结果再打分排序。
Self-RAG 让模型自决何时检索、是否够用。
GraphRAG 用知识图谱增强检索的 RAG 变体。
知识库（Knowledge Base） Agent 可检索的私有知识来源。
上下文污染（Context Poisoning） 注入有害内容影响检索结果。

八、工程化、可观测与评估

概念 / 关键词 极简说明
LLMOps 面向 LLM/Agent 的运维体系。
可观测性（Observability） 通过 Trace/Span/Metric 看清内部运行状态。
Trace / Span 一次运行的完整链路 / 链路中的一段。
日志（Logging） 记录运行过程的文本。
评估（Evaluation） 量化 Agent 表现的过程。
基准（Benchmark） 标准化测试集（如 WebArena、τ-bench）。
回归测试 改动后验证不退化。
Prompt 版本管理 对提示词做版本与实验追踪。
提示缓存（Prompt Caching） 缓存前缀以降低重复调用成本。
批处理（Batch API） 离线批量调用以省成本。
模型路由（Model Routing） 按难度选便宜/强模型。
降级（Degradation） 失败时退回安全/简单路径。

九、可靠性与成本

概念 / 关键词 极简说明
重试（Retry） 失败自动再试。
指数退避（Exponential Backoff） 重试间隔递增，避免压垮服务。
熔断（Circuit Breaker） 错误率过高时暂停调用。
超时（Timeout） 限制单次调用最长耗时。
幂等（Idempotency） 重复执行不产生副作用。
人在环（Human-in-the-loop） 关键步骤需人工确认。
速率限制（Rate Limit） 单位时间调用上限。
Token 成本 按 token 计费的开销。
Token 预算 单次运行的上下文上限规划。

十、安全与护栏

概念 / 关键词 极简说明
护栏（Guardrail） 约束 Agent 行为的边界与过滤器。
输入校验（Input Validation） 过滤/校验用户与工具输入。
输出校验（Output Validation） 检查生成结果合规再外流。
提示注入（Prompt Injection） 通过输入劫持 Agent 意图。
投毒（Poisoning） 在"数据/知识/记忆"阶段埋入恶意内容，使系统行为被暗中操控（区别于运行时的提示注入）。
数据投毒（Data Poisoning） 在训练或微调数据里掺入恶意样本，污染模型本身。
知识库投毒（Corpus Poisoning） 向 RAG 检索库植入有害文档，污染召回结果（见第七节）。
提示投毒（Prompt Poisoning） 在记忆/系统提示等持久内容中埋入恶意指令，长期生效。
越狱（Jailbreak） 绕过模型安全限制。
权限最小化（Least Privilege） 只给 Agent 必需权限。
沙箱（Sandbox） 隔离执行环境防破坏。
红队（Red Teaming） 主动攻击测试弱点。
OWASP LLM Top 10 LLM 应用的十大安全风险清单。
数据泄露（Data Exfiltration） 敏感信息被外传。
内容审核（Moderation） 对输入输出做合规过滤。

十一、设计模式与工作流

概念 / 关键词 极简说明
Workflow（工作流） 预定义路径、LLM 按步执行（可预测）。
Agent 模式 LLM 自主决定流程与工具（更灵活）。
Prompt Chaining（提示链） 串行串联多步提示。
Routing（路由） 按输入分类分发到不同处理分支。
Parallelization（并行） 同一任务多份并行处理/投票。
Orchestrator-Worker（编排-工） 中枢拆解、工人执行。
Evaluator-Optimizer（评估-优化） 一模型生成、一模型评估迭代。
Reflection（反思）模式 产出后自我审视改进。
ReAct 模式 推理+行动交替（见第三节）。

十二、上下文工程

概念 / 关键词 极简说明
上下文工程（Context Engineering） 系统地设计送入模型的上下文内容。
选择（Selection） 挑哪些信息进上下文。
压缩（Compression） 缩减上下文长度。
分层（Layering） 不同层级信息分门别类组织。
淘汰（Eviction） 实时丢弃过期/低价值内容。
系统提示（System Prompt） 设定角色与规则的顶层指令。
上下文窗口（Context Window） 模型单次可处理的最大 token 量。

十三、框架与生态

概念 / 关键词 极简说明
LangChain 主流 Agent/LLM 应用编排框架。
LangGraph 基于图的有状态 Agent 工作流框架。
AutoGen 微软多 Agent 对话框架。
CrewAI 角色化多 Agent 协作框架。
MetaGPT 将软件工程 SOP 注入多 Agent 的框架。
LlamaIndex 以数据/RAG 为中心的 Agent 框架。
OpenAI Agents SDK OpenAI 官方轻量 Agent 框架。
Crew（团队） CrewAI 中对一组协作 Agent 的称呼。
Skill（技能） 可复用的能力包（如 WorkBuddy 技能）。

十四、前沿形态

概念 / 关键词 极简说明
Voice Agent（语音 Agent） 语音输入输出的实时 Agent。
Realtime Agent 低延迟流式对话 Agent。
Computer-Use Agent 直接操作图形界面的 Agent。
Coding Agent 专注写/改代码的 Agent（如 Devin）。
Agent UX Agent 产品的人机交互设计。
Agent 治理（Governance） 对 Agent 行为合规与责任的管控。
Agent 市场（Agent Marketplace） 分发/复用 Agent 与技能的平台。
长程任务（Long-horizon Task） 跨多步、多轮次的复杂任务。
Agent Memory Standard 跨 Agent 记忆互操作的标准探索。

速查建议

  • 想理解"是什么" → 第一节 + 01-什么是Agent.md
  • 想理解"由什么组成" → 第二节 + 02-Agent核心组件.md
  • 想搭系统但不确定模式 → 第十一节 + 13-进阶与工程化/01-Agent设计模式与工作流.md
  • 想深入工程化闭环 → 13-进阶与工程化/ 各专题