概念与术语

围绕用户目标，持续感知状态、自主选择行动、调用工具执行并根据结果调整，直到完成目标或请求人工介入的软件系统。

Observe → Reason → Act → Verify 的循环，是 Agent 区别于一次性问答的核心机制。

套在模型外的整套系统：上下文管理、工具调度、权限、沙箱、重试与追踪。

从只回答（L0）到高度自主执行（L5）的分级，用来决定哪些操作需要人工确认。

模型处理文本的基本单位，决定成本与上下文长度。

模型一次调用中能看到的最大 Token 数量。

模型生成看似合理但与事实不符的内容。

让模型按指定 Schema 输出 JSON 等结构化数据，便于程序消费。

定义 Agent 角色、目标、约束与行为边界的最高层指令。

决定在什么时候、以什么形式、把多少信息交给模型的设计工作。

在长任务中把历史对话与工具结果压缩为摘要，释放上下文空间。

缓存不变的上下文前缀，降低重复调用的成本与延迟。

先从知识库检索相关内容，再交给模型生成答案。

把文本转换成向量，使语义相近的内容在空间中彼此靠近。

对初步检索结果再次打分排序，把最相关的内容放在前面。

模型输出结构化的调用请求，由程序执行后把结果返回给模型。

Model Context Protocol，让 AI 应用以统一方式连接工具、资源与提示模板的开放协议。

Agent2Agent，让不同厂商的 Agent 之间互相发现与协作的协议。

封装方法、步骤、脚本与资料的能力包，Agent 在需要时按描述加载。

预先定义好步骤与分支的确定性流程。

交替进行推理与行动，并用行动结果指导下一步推理的 Agent 模式。

放在仓库里、由 Harness 在会话开始时读入上下文的说明文件，写明构建命令、代码约定与注意事项；它是上下文，不是强制配置。

决定权限规则没有覆盖到的操作默认如何处理，例如逐项询问、自动放行编辑或只允许规划。

不经过交互界面、以命令行或 SDK 程序化运行 Agent，常用于 CI 与定时任务，需要预先设好权限、预算与输出格式。

在 Agent 生命周期的特定节点（如工具调用前后）执行的确定性逻辑。

跨轮次或跨会话保存的用户偏好、任务进度与历史信息。

长任务中保存的中间状态，用于中断后恢复。

隔离文件、网络与进程的执行环境，限制 Agent 行动的影响范围。

Agent 通过截图理解界面、用鼠标键盘操作软件的能力。

在输入、决策、工具、权限与输出层面限制 Agent 行为的机制。

在关键节点引入人工审批、确认或接管。

通过用户输入或网页、文档中的隐藏内容，诱导 Agent 偏离原本指令。

用评测集与指标系统衡量 Agent 效果，并在每次变更后回归验证。

用模型按评分标准评估另一个模型或 Agent 的输出。

一次 Agent 运行中所有模型调用、工具调用、参数、返回与耗时的完整记录。

一个 Agent 把任务控制权转交给另一个 Agent。

由主 Agent 派生、在独立上下文中完成子任务并返回结果的 Agent。

Agent 工作的最终交付物，如报告、文档、代码或工单。