关于Agent的一些名词解释

1、核心大脑和基础沟通这是AI可以运行的基础底层逻辑是“概率预测”1LLM大语言模型本质上是超大型的“文字接龙”程序。并不具备真正意识知识通过海量数据学会了概率最高的说法方式。2Prompt提示词用户对AI说的每一句话3Context上下文像AI的“短期内存”。AI每次回答都要重新阅读这部分内容。4Memory记忆这是一个“名词诈骗”。AI模型本身是无记忆的stateless。目前的“记忆”实现方式起始就是程序自动把你们之前的对话历史重新塞进Context里。2、增强大脑赋予它知识与工具AI训练完后知识就固定了之后的事他就不知道因此需要1RAG检索增强生成思想是“开卷考试”AI不知道答案没关系先去私有文档或数据库里搜一下相关段落把段落塞进上下文让AI“看着文档回答”。2Search搜索RAG的互联网版。AI联网搜索把网页内容塞进上下文。3Function Calling函数调用AI只会说话不会操作。底层逻辑是AI回复一段特定格式的代码如JSON外部程序识别到这段代码后去执行动作如发邮件、查天气然后再把结果传给AI。3、连接协议如何让工具标准化当工具多了就需要统一的“插口”。1MCP模型上下文协议这是最近很火的概念。它的底层思想是“解耦”。以前每个AI助手都要单独写一套查天气、查数据库的代码有了MCP开发者写一个标准的“MCP服务器”任何知识该协议的AI如Claude、Cursor都能直接连接使用这些工具就像USB接口一样。4、进化形态聪对话框到智能体这是目前竞争最激烈的领域底层思想是从“你说我做”到“目标导向”。1Agent智能体AI规划能力工具使用自省能力。你给他一个目标如“帮我写个网站并部署”他会自己思考步骤、调工具、报错了自己改。2SubAgent子智能体拆分任务。主Agent负责分工子Agent负责具体执行如一个写代码一个找BUG防止单一AI陷入上下文混乱。3SKILL技能介于“死板代码”和“全自动Agent”之间。它把常用的复杂流程固化成一个“技能包”包含提示词、脚本、工具说明让Agent调用时更稳定。5、总结一句话所有的AI新词汇本质上都在做同一件事试图用自动化的程序不断把“有用的信息”和“操作的权限”塞进那个只会玩文字接龙的LLM大脑里从而让它显得像一个无所不能的专家。