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”

（1）LLM（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。

（2）Prompt（提示词）：用户对AI说的每一句话

（3）Context（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。

（4）Memory（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：

（1）RAG（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”。

（2）Search（搜索）：RAG的互联网版。AI联网搜索，把网页内容塞进上下文。

（3）Function 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”。

（1）MCP（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”。

（1）Agent（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。

（2）SubAgent（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。

（3）SKILL（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。