AI Agent 最近火得一塌糊涂，但圈里的黑话也是真的多。这篇把你能在技术帖、播客、推特上看到的高频词全整理了，不写代码，只讲人话。建议收藏，随时翻。

一、地基：大模型本身

LLM（大语言模型）：所有这一切的地基。一个读了海量文本、学会了"预测下一个字"的超大神经网络。你用的ChatGPT、Claude、豆包，背后都是LLM。

Transformer（变换器）：LLM的底层架构。2017年Google提出，现在所有主流大模型都跑在这个架构上。

Token（词元）：AI处理文本的最小单位。不是一个字，是一个"词块"。你输入得越长，token花得越多，钱也越多。

Context Window（上下文窗口）：AI一次能"记住"多少内容。窗口小了，聊着聊着就忘了前面说过啥。

Inference（推理）：模型训练好之后，你每次提问、它打字回答的过程。你等的那几秒钟就是在inference。

Temperature（温度）：AI的"放飞程度"。温度0它很保守，温度高它开始自由发挥。写公文调低，写段子调高。

Hallucination（幻觉）：AI一本正经地胡说八道。它不知道的事不会说"不知道"，而是编一个看起来很像真的答案。

Pretraining（预训练）：模型在海量文本上学习的过程。

SFT（监督微调）：人工教模型怎么好好说话，从"话痨"变成"助手"。

二、跟AI说话：提示词工程

Prompt（提示词）：你给AI的指令。"写好prompt"已经成了一门手艺。

System Prompt（系统提示词）：你看不见但一直在生效的"人设设定"，决定了AI的角色边界。

Chain-of-Thought / CoT（思维链）：让AI把中间思考过程也写出来，而不是直接给答案。你说"一步步想"就是在启用它。

Tree-of-Thought / ToT（树状思维）：CoT的升级版——同时探索好几条思路，把不行的剪掉。

Context Engineering（上下文工程）：Karpathy提的新词，被认为是提示词工程的升级版——不只是写好一句话，而是精心策划每次给模型看什么。

Context Rot（上下文腐烂）：给模型塞的内容越多，它表现反而越差。不是窗口越大越好。

Structured Output / JSON Mode：强制AI按固定格式输出，这样才能被程序直接调用。

三、Agent 是什么

Agent（智能体）：能自己定目标、拆任务、调工具、跑完整个流程的AI。不是你问一句它答一句，而是你给它一个目标，它自己干完。

Agentic AI（智能体式AI）：形容AI"有主动性"——主动规划、行动、完成任务。

Agentic Workflow vs Agent：Workflow是固定路线写死了；Agent是自己选路、根据结果调整。大部分公司说的"agent"其实是workflow。

Agent Loop（智能体循环）：观察→思考→行动→再观察→再思考→再行动，循环到任务完成。

ReAct（推理+行动）：想一步、做一步、看结果、再想下一步。大部分生产环境的Agent都是这个模式。

Reflection（反思）：Agent干完一步自己检查"对不对"，不对就重来。

HITL（人在回路中）：关键操作必须等人确认才能执行。高风险场景必备。

四、Agent 的"身体"：Harness 与工具

Harness（驾驶舱）：最近最火的词。大模型是个聪明但没有手脚的大脑，harness就是给它装的身体——让它能打开浏览器、调API、读文件。没有harness的AI只是个聊天框，有了harness才是个能干活的员工。

Tool Use / Function Calling（工具调用）：AI不只是说话，还能调用外部工具——搜地图、查天气、读数据库、发邮件。

Computer Use / CUA：Agent像人一样操作电脑——看屏幕、动鼠标、点按钮。浏览器Agent就是它的消费者版。

Agent Skill / SKILL.md：Anthropic推出的开放标准。一个文件夹里放一个SKILL.md，写清楚技能怎么用，Agent需要时自动加载。相当于给Agent发的"操作手册"。

AGENTS.md：放在代码仓库根目录的文件，告诉Agent这个项目怎么构建、有什么规范。相当于给新AI同事的"入职须知"。

ADK（Agent开发套件）：构建和运行Agent的框架/工具包。

五、Agent 的记忆

Memory（记忆）：短期就是当前对话的上下文；长期是存在数据库里、下次对话还能翻出来的东西。

Session Memory（会话记忆）：记住当前任务的上下文，不用你重复说。

Semantic Memory（语义记忆）：存企业知识和业务概念，懂公司内部术语。

Procedural Memory（程序记忆）：记住怎么干活的流程和方法，下次直接复用。

Episodic Memory（情景记忆）：记住"上次发生了什么"。

六、协议：Agent 之间怎么对话

MCP（Model Context Protocol）：Anthropic出的开放协议，被称为"AI界的USB-C"——不管什么工具，插上就能用。现在已是行业标准。

A2A（Agent-to-Agent）：Google推出的协议，解决Agent之间互相通信。MCP是Agent连工具，A2A是Agent连Agent。

x402：让Agent能自己付钱买服务的协议——自动调用工具、自动付费，不用人插手。

Agent Handoff（Agent交接）：一个Agent干不完的活，转手交给另一个更专业的Agent。就像公司里转部门。

七、多Agent：一个团队干活

Multi-Agent / MAS（多智能体系统）：好几个AI分工合作——一个拆需求，一个写代码，一个做检查。

Orchestrator（编排者）：多Agent团队里的"项目经理"——分任务、汇总结果。

Sub-agent（子智能体）：被派出去干具体活的小弟。

Agent Swarm（Agent蜂群）：一大群专门化的Agent并行干子任务，像蜂群一样。

Guardian Agent（守护Agent）：专门监督其他Agent的Agent，负责审查、拦截。从"人盯着Agent"变成"Agent盯着Agent"。

八、数据与知识：让AI不瞎编

RAG（检索增强生成）：AI先去资料库"查资料"再回答。不是凭空编，是"开卷考试"。

Embedding（向量嵌入）：把文字变成一串数字，让AI按"意思相近"来搜索。

Vector Database（向量数据库）：专门存这些数字向量的数据库，RAG的底层。

Fine-tune（微调）：在已训练好的模型上再用你自己的数据"补课"。

LoRA（低秩适配）：微调的省钱版——只训练一小部分参数，效果差不多成本低很多。

Quantization（量化）：降低模型精度，让它在普通电脑上也能跑。

Ollama / llama.cpp：在本地电脑上跑大模型的工具，不用联网。

九、安全与对齐

Alignment（对齐）：让AI的行为符合人类意图和价值观。

RLHF（人类反馈强化学习）：人类给AI的回答打分，AI根据分数调整自己。这是ChatGPT从"话痨"变"助手"的核心技术。

DPO（直接偏好优化）：RLHF的简化版，更便宜更简单。

Prompt Injection（提示词注入）：黑客把恶意指令藏在网页或文档里，Agent读到后被劫持。Agent时代最大的安全问题之一。

Guardrails（护栏）：给AI加的安全边界——不让它说敏感话题、不让它干危险操作。

Sandboxing（沙箱）：把Agent运行环境隔离，它就算犯错也碰不到真实系统。

Agent Washing（Agent洗绿）：Gartner造的词——把普通聊天bot包装成"Agent"来卖。

十、工程与商业

Evals / LLM-as-Judge（评估）：给Agent出考试题跑测试用例打分。"你有evals吗"已经成了企业AI的第一个灵魂拷问。

Observability（可观测性）：Agent跑起来后，你能不能看到它每步在想什么、调了什么工具。

Latency / Throughput（延迟/吞吐量）：等多久才出结果 vs 一秒能处理多少。直接决定你用的时候卡不卡。

Digital Worker（数字员工）：企业把Agent当员工——有岗位、有KPI、有权限，跟人类一起被管理。

Ambient / Background Agent（后台Agent）：不用人盯着，自己在后台跑几小时甚至几天。

Vibe Coding（氛围编程）：Karpathy造的词——不看代码，直接跟AI对话让它写程序。

AaaS（Agent即服务）：Agent也变成订阅服务，你不用自己搭，付钱就能用。

写在最后

这些词不用你会写代码，但得听得懂。就像你不需要会造车，但得知道方向盘和油门是啥。AI Agent这个行业还在飞快进化，每周都有新词出来。但上面这些，是目前最核心的"行业普通话"。收藏这篇，下次刷帖再看到这些词，翻出来对一下就行。