Agent 手册

外观

术语表

本页速览 收录 120+ 个 AI Agent 领域核心术语，按基础概念、推理规划、工具协议、记忆检索、架构编排、工程运维、产品生态七组分类，每条一句话精确定义并附站内深入阅读链接，支持锚点互跳，是阅读全站时的随身字典。

术语表 ​

这是全站的字典页。读任何一篇文章时遇到生词，先来这里查；每个词条只给一句话的精确定义，深入的展开都通过「详见」链到对应长文。词条按七个主题分组，组内和组间用锚点互相跳转。

如何使用本页

  • 词条锚点格式为 #英文小写连字符，例如 [Token](#token)，写本站其他页面时可直接引用 /resources/glossary#mcp 这类深链。
  • 术语定义以 2026 年 8 月的行业共识为准；Agent 领域术语漂移很快，同一个词两年前后可能含义不同，正文中已标注关键演变。

一、基础概念 ​

  • Agent（智能体）：能感知环境、自主决策并调用工具执行动作以达成目标的系统；在 LLM 语境下，特指由模型在循环中决定下一步行动、而非走固定流程的程序。与 Workflow 的分界在于「路径由谁决定」。详见 什么是 AI Agent。
  • LLM（Large Language Model，大语言模型）：基于海量文本训练、以下一个 Token 预测为核心任务的大型神经网络，是当代 Agent 的「发动机」，但本身只会生成文本，不构成 Agent。
  • Foundation Model（基础模型）：在大规模数据上预训练、可适配多种下游任务的通用模型，GPT、Claude、Gemini、DeepSeek 等皆属此类；强调「预训练一次、多处适配」的范式。
  • Token：模型处理文本的最小单位，由分词器（tokenizer）切分得到；英文约 0.75 个词、中文约 0.5–1 个汉字对应一个 token。计费、限速、上下文窗口都以它为单位。
  • Context Window（上下文窗口）：模型单次请求能看到的 token 总量上限，包含输入与输出；窗口内的一切就是 Agent 的「工作记忆」，装不下的内容必须靠 RAG、Memory 或 Compaction 处理。详见 上下文工程。
  • Temperature（温度）：控制采样随机性的参数，越低输出越确定；写代码、调工具的 Agent 场景通常设 0 或接近 0，创意写作才调高。它影响的是「选词分布」，不改变模型能力。
  • Prompt（提示词）：喂给模型的输入文本的统称；在 Agent 系统里，prompt 是被代码动态拼装的工程产物，而非一句手写的话。详见 Prompt 工程。
  • System Prompt（系统提示词）：位于对话最顶端、定义模型角色、边界与行为准则的指令，优先级高于用户消息；Claude Code 等产品的 system prompt 长达数千 token，是 Agent 行为的主要塑造者。本站收录了多份真实产品的 system prompt，见 Prompt 档案。
  • In-context Learning（上下文学习）：模型不改权重、仅凭 prompt 中的示例或说明即时学会新任务的能力；few-shot（给几个例子）与 zero-shot（只给指令）是它的两种形态，也是一切 prompt 技巧的理论基础。
  • Hallucination（幻觉）：模型生成看似合理但与事实不符内容的现象；根因是它只对「像不像人话」负责、不对「真不真」负责。工程上的缓解手段是 RAG、工具核实与引用溯源，而非调高 prompt 里的「请诚实」。
  • Reasoning Model（推理模型）：经专门训练、会先产出长串内部推理再给出答案的模型（如 OpenAI o 系列、DeepSeek-R1、Claude 的 extended thinking 模式）；用更多 test-time compute 换复杂任务准确率。
  • Inference（推理）：用训练好的模型生成输出的过程，与训练（training）相对；日常说「推理成本」指 token 生成开销，注意它与「reasoning（逻辑推理）」是同一个英文词的两个义项，需看语境区分。
  • Fine-tuning（微调）：在预训练模型上用领域数据继续训练以改变其行为；2026 年的共识是：能靠 prompt + 上下文解决的问题不要微调，微调留给风格固化、格式强约束和蒸馏小模型。
  • RLHF（Reinforcement Learning from Human Feedback，人类反馈强化学习）：用人类偏好数据训练奖励模型、再据此强化学习对齐 LLM 的技术；后续变体 RLAIF 用 AI 反馈替代部分人工标注，Constitutional AI 是 Anthropic 的代表性实现。
  • Multimodal（多模态）：模型同时处理文本、图像、音频、视频等多种输入/输出形态的能力；Computer Use 依赖视觉模态读屏，语音 Agent 依赖音频模态实时交互。
  • Structured Output（结构化输出）：强制模型输出符合指定 JSON Schema 的功能；是 Function Calling 和 Agent 间数据交换的地基，比「prompt 里求它输出 JSON」可靠得多。
  • SLM（Small Language Model，小语言模型）：参数量较小、可本地或边缘部署的模型（数 B 级）；在 Agent 系统里常做路由、分类、护栏判断等廉价前置步骤，与大模型分工以省成本。详见 成本优化。
  • Context Engineering（上下文工程）：设计「在每一步把什么信息放进上下文窗口」的学科，2025 年中由 Shopify CEO Tobi Lütke 与 Andrej Karpathy 等人的讨论带火，被视为 prompt 工程的升维——prompt 是写一句话，context engineering 是管理整个信息供给系统。详见 上下文工程。
  • Vibe Coding（氛围编程）：Karpathy 2025 年 2 月造的概念，指「不细看代码、凭感觉让 AI 写、跑不通就再骂一轮」的开发方式；适合原型和玩具项目，用于生产代码则是事故温床。
  • AGENTS.md：放在仓库根目录、写给 coding Agent 看的说明文件（构建命令、目录约定、禁区），类似给新员工的 README；2025 年起被 OpenAI Codex、Cursor、Claude Code（其变体为 CLAUDE.md）等广泛支持。写法详见 编写 AGENTS.md。

二、推理与规划 ​

  • Chain-of-Thought（CoT，思维链）：让模型「一步步想」再作答的提示技术（Wei 等，2022），显著提升数学与逻辑任务表现；是后来一切 reasoning 技术的起点。详见 核心论文导读。
  • ReAct：Yao 等 2022 年提出的范式（arXiv:2210.03629），把推理（Thought）与行动（Action/Observation）交替交织，让模型边想边查边改；它是现代 Agent Loop 的思想原型，至今仍是最常用的 Agent 骨架。
  • Tree of Thoughts（ToT，思维树）：把 CoT 的单链扩展成可搜索的思维树，允许分支、评估、回溯（Yao 等，2023）；理论漂亮，但推理成本数倍于单链，实践中多数场景被「推理模型 + 简单循环」取代。
  • Self-Consistency（自洽性）：对同一问题采样多条 CoT 再投票取多数答案的技术；简单有效但成本成倍，推理模型兴起后使用频率下降。
  • Reflection / Self-Critique（反思）：让模型审视自己的输出、发现错误并重写的模式；Anthropic 的构建指南将其列为基本工作流之一（evaluator-optimizer），对写作和代码有明显收益，对事实性错误收益有限——模型常「反思不出自己不知道的事」。
  • Reflexion：Shinn 等 2023 年提出的框架，Agent 失败后把教训写成文字存入记忆，下一轮尝试时读取；是「用语言做强化学习」的代表作，对需要多次试错的任务（如代码修复）有效。
  • Plan-and-Execute：先由规划器生成完整计划、再由执行器逐步执行的架构（BabyAGI、Plan-and-Solve 一脉）；比 ReAct 更有全局观，但计划易过期，实践里常加「每步后重规划」。
  • Planning（规划）：把目标分解为有序子任务的能力总称，实现方式从「prompt 里要求先列计划」到独立的规划模块不等；长程任务中规划与重规划的频率是成败关键。详见 规划与任务分解。
  • Task Decomposition（任务分解）：把大任务拆成小任务的通用技术，CoT（隐式）、ToT（显式搜索）、Subagent（委派执行）都是它的实现形态。
  • Least-to-Most Prompting：先让模型把问题拆成由易到难的子问题、再依次求解的提示技术（Zhou 等，2022），对泛化到超纲问题优于普通 CoT。
  • Scratchpad（草稿本）：让模型把中间计算写在输出里的技巧（Nye 等，2021），是 CoT 的前身；在 Agent 系统里也指 Agent 用来记中间状态的临时存储区。
  • Reasoning Trace（推理轨迹）：模型或 Agent 在解题过程中产生的中间推理文本；对调试和 Eval 至关重要，但注意推理轨迹不一定如实反映模型「真实想法」（忠实性问题）。
  • Extended Thinking（扩展思考）：Anthropic 对 Claude 可调推理预算功能的称呼，允许指定 thinking tokens 上限；OpenAI 对应概念是 reasoning effort。都是 test-time compute 的产品化旋钮。
  • Test-time Compute（测试时计算）：推理阶段投入的计算量；2024 年 o1 之后成为新的 scaling 轴——不增大模型，而是让模型「想更久」来换性能。
  • Deep Research：一类产品形态：Agent 自主进行多轮搜索、阅读、综合，产出带引用的长篇研究报告；OpenAI（2025 年 2 月）、Gemini、Perplexity 均有同名功能，本质是「搜索增强的多步 Agent Loop」。
  • Inner Monologue（内心独白）：早期 Agent 论文中对模型自言自语式推理的称呼（如 Inner Monologue, Huang 等 2022，用于机器人）；现在一般并入 reasoning trace 的说法。

三、工具与协议 ​

  • Tool Calling（工具调用）：模型在输出中表达「我要调用某工具」、由宿主程序执行并把结果回灌给模型的机制总称；是 Agent 与世界交互的唯一通道。详见 工具与 MCP。
  • Function Calling（函数调用）：tool calling 的早期形态与别称，模型按预定义 JSON Schema 生成函数名与参数；OpenAI 2023 年 6 月首次推出，此后各厂商跟进并统称为 tool use / tool calling。
  • Tool Schema：用 JSON Schema 描述工具名称、功能、参数的结构化定义；写 schema 是门手艺——描述含糊的 schema 是工具误调用的首要原因。
  • MCP（Model Context Protocol，模型上下文协议）：Anthropic 2024 年 11 月开源的协议，标准化「LLM 应用 ↔ 外部工具/数据源」的连接方式，被称为「AI 的 USB-C」；2025 年 3 月起 OpenAI、Google 相继支持，2025 年 12 月捐赠给 Linux 基金会旗下的 AAIF，成为厂商中立标准。详见 工具与 MCP。
  • MCP Server / Client / Host：MCP 的三方角色：Server 暴露工具、资源与 prompt 模板；Client 是应用内与 Server 一对一的连接器；Host（如 Claude Code、Cursor、IDE）是发起连接的 Agent 应用本体。传输层支持 stdio（本地进程）与 HTTP（远程）。
  • A2A（Agent2Agent Protocol）：Google 2025 年 4 月发布、同年 6 月捐给 Linux 基金会的协议，解决「不同厂商的 Agent 之间如何互相发现并协作」；与 MCP 互补而非竞争——MCP 管 Agent 调工具，A2A 管 Agent 找 Agent。详见 多智能体架构。
  • Agent Card：A2A 协议中 Agent 对外发布的「能力名片」JSON（约定路径 /.well-known/agent-card.json），声明自己会做什么、怎么调；是 A2A 服务发现的基础。
  • ACP（Agent Communication Protocol）：IBM/BeeAI 系提出的 Agent 通信协议，2025 年协议混战后生态向 A2A 收敛，ACP 一脉的设计并入 Linux 基金会体系；选型时只需记住：工具用 MCP，Agent 互通看 A2A。
  • Computer Use：让模型直接看屏幕截图、输出鼠标键盘操作来控制真实电脑的能力；Anthropic 2024 年 10 月首个公开 API，OpenAI Operator 等产品随后跟进。准确率仍远低于人类，适合兜底而非主通道。详见 Claude Agent SDK。
  • Browser Agent / Browser Use：Computer Use 的浏览器特化形态：解析 DOM 或截图来操作网页，常用于数据采集与 Web 自动化；开源代表是 browser-use 库，产品代表是各类「自动帮你填表订票」的 Agent。
  • Code Interpreter（代码解释器）：给模型一个可执行代码的 Sandbox 环境，让它「写代码解决问题」而非「心算」；对数学、数据分析类任务是质变，现已成为 ChatGPT、Claude 等的标配工具。
  • GUI Agent：以图形界面为操作对象的 Agent 统称，Computer Use 与 Browser Agent 是其子类；核心难点是视觉 grounding（把「确定按钮」映射到像素坐标）。
  • Agent Skills（技能）：Anthropic 2025 年 10 月推出、12 月发布为开放标准（规范在 agentskills.io）的能力封装格式：一个含 SKILL.md（元数据 + 指令）及可选脚本、参考文件的文件夹，Agent 按需加载。可理解为「可复用的专家经验包」。
  • Progressive Disclosure（渐进式披露）：Skills 与 MCP 共用的省 token 设计原则：启动时只加载名称和描述（几十 token），任务匹配时才读入完整指令，执行时再按需读参考文件——三级加载，把常驻上下文压到最小。
  • Tool Registry（工具注册表）：Agent 系统里登记、发现、管理可用工具的目录；MCP 生态 2025 年推出官方 Registry 以解决 server 发现与信任问题，企业内部也常自建 registry 做权限与审计收口。

四、记忆与检索 ​

  • RAG（Retrieval-Augmented Generation，检索增强生成）：先从知识库检索相关片段、再连同问题一起喂给模型生成的架构；是对抗 幻觉 和知识截止的主力手段，2026 年仍是企业落地第一选择。详见 RAG 检索增强。
  • Agentic RAG：让 Agent 自主决定「要不要查、查什么、查几轮、查完够不够」的 RAG 形态，区别于一次性检索的朴素 RAG；质量更高但更慢更贵，适合复杂问法。
  • Embedding（嵌入）：把文本（或图像）映射为高维向量的技术，语义相近则向量距离相近；是语义检索的数学基础。选 embedding 模型要看 MTEB 榜单与语言覆盖，别只看维度。
  • Vector Database（向量数据库）：存储 embedding 并支持近似最近邻（ANN）检索的数据库，代表有 Pinecone、Milvus、Qdrant、pgvector 等；中小规模用 pgvector 往往足够，没必要一上来就独立向量库。
  • Semantic Search（语义搜索）：基于向量相似度而非关键词匹配的搜索；擅长同义改写，弱于精确术语和编号，所以生产系统几乎都与 BM25 混用。
  • Chunking（分块）：把长文档切成检索粒度片段的策略；块太大稀释相关性、太小丢失上下文，主流做法是按语义边界（标题、段落）切并保留重叠区，进阶方案是父子块与 late chunking。
  • HyDE（Hypothetical Document Embeddings）：先让模型编造一份「假设答案」、再用它的向量去检索真实文档的技术（Gao 等，2022）；对「问题与答案措辞差异大」的场景有效，代价是多一次生成延迟。
  • Reranking（重排序）：检索出候选后用更强的 cross-encoder 模型重新精排的环节；通常能把检索质量拉高一个档次，是性价比最高的 RAG 优化之一。
  • Hybrid Search / BM25（混合检索）：BM25 是经典的关键词统计检索算法；混合检索把 BM25 的精确匹配与向量的语义匹配做加权融合，再经 rerank 精排，是 2026 年生产 RAG 的默认配方。
  • Knowledge Graph（知识图谱）：以实体-关系-实体三元组存储知识的图结构；在 Agent 场景用于多跳推理与可解释检索，构建成本高，适合关系密集的领域（医疗、法务、金融）。
  • GraphRAG：微软 2024 年提出的方法，用 LLM 从语料抽取知识图谱、再基于社区摘要做全局问答；擅长「这份语料整体讲了什么」类问题，增量更新麻烦是其主要短板。
  • Long-term Memory（长期记忆）：跨会话持久保存的用户偏好、事实与经验，与单次会话内的短期记忆（对话历史）相对；实现上通常是「写入判定 + 向量/结构化存储 + 召回注入」三件套。详见 记忆系统。
  • Memory Types（记忆分类）：借自认知科学的三分法——情景记忆（发生过的事）、语义记忆（知识与事实）、程序性记忆（怎么做事）；Agent 系统里分别对应对话存档、事实库与 Skills/SOP。
  • Context Compaction（上下文压缩/压实）：会话逼近 上下文窗口 上限时，把早期历史总结成摘要以腾空间的技术；Claude Code 等产品的 /compact 即是手动触发版。摘要必然有损，关键决策要提前落盘。
  • Context Rot / Context Poisoning（上下文腐化/中毒）：上下文越长、混入的无关或错误信息越多，模型表现越差的现象；2025 年多项研究证实「窗口大不等于都能用好」，对策是少塞、勤清、及时压缩，而非无脑堆满 1M token。
  • Memory Tool：把记忆操作本身做成工具（save_memory / search_memory）交给模型自主调用的设计；比「每轮自动注入全部记忆」更省 token，也更接近人类「想起来再记」的行为。

五、架构与编排 ​

  • Workflow（工作流）：步骤与控制流由开发者预先写死的 LLM 编排方式，与 Agent（路径由模型动态决定）相对；Anthropic 的建议是「能用 workflow 解决就别上 Agent」，确定性、成本、可调试性全面占优。详见 概念辨析。
  • Agent Loop（智能体循环）：Agent 的最小骨架——「模型思考 → 调工具 → 观察结果 → 再思考」的循环，直到任务完成或触及终止条件；所有花哨架构都是这个循环的变体。详见 Agent Loop。
  • Orchestration（编排）：对多个 LLM 调用、工具、Agent 的流程进行组织与调度的总称；框架之争（LangGraph vs CrewAI vs 手写）本质就是编排抽象之争。详见 框架选型总览。
  • Multi-Agent System（多智能体系统）：多个各有专长的 Agent 分工协作完成任务的架构；收益是上下文隔离与专业化，代价是调试难、token 消耗数倍（Anthropic 实测约 4–15 倍于单 Agent）。详见 多智能体架构。
  • Supervisor（主管模式）：一个中央 Agent 负责分派任务、汇总结果，其余 Agent 只干活不互聊的多智能体拓扑；是最常用也最稳的多 Agent 结构，OpenAI Agents SDK 与 LangGraph 都内置支持。
  • Handoff（移交）：一个 Agent 把对话控制权连同上下文转交给另一个 Agent 的机制；OpenAI Agents SDK 的核心原语，客服场景的「转人工/转专家」就是典型 handoff。
  • Subagent（子代理）：被主 Agent 派生、拥有独立上下文窗口、完成后只把结论带回的临时 Agent；Claude Code 的 Task tool 即此设计——隔离上下文、保护主线程干净是其最大价值。
  • Router（路由）：先用一次廉价调用判断意图、再把请求分发到不同分支（模型、prompt 或 Agent）的模式；是最简单也最该先做的编排优化。
  • Orchestrator-Workers（编排器-工人模式）：中央 LLM 动态拆解任务并派发给多个并行 worker、最后综合结果的拓扑（Anthropic 命名）；与 Supervisor 的区别在于子任务是运行时动态生成的。
  • Evaluator-Optimizer（评估器-优化器模式）：一个 LLM 生成、另一个 LLM 按标准打分并反馈、循环迭代直到达标的工作流；是 Reflection 模式的工程化版本，适合有明确验收标准的任务。
  • Parallelization（并行化）：多个 LLM 调用同时跑再合并结果的模式，分子任务并行（sectioning）与多结果投票（voting）两类；换来的不只是速度，还有准确率（多数表决）。
  • HITL（Human-in-the-Loop，人在回路）：在关键节点（删数据、发邮件、付款）暂停执行、等人类批准或修正的设计；不是能力不足的妥协，而是高风险场景的默认架构。详见 人机协作。
  • State（状态）：Agent 运行过程中跨步骤传递的数据结构（消息历史、中间产物、计数器）；LangGraph 把 state 作为一等公民，所有节点读写同一份类型化状态。
  • Checkpoint（检查点）：把 Agent 中间状态持久化、支持中断恢复与时间旅行的机制；LangGraph 的 checkpointer 是代表实现，也是 HITL「暂停等待人工」能成立的技术前提。
  • Graph-based Agent（图结构 Agent）：把 Agent 流程建模为「节点 + 边」的有向图，节点是计算、边是转移条件；比纯代码循环更显式、可持久化，代价是抽象税——简单 Agent 用它是过度设计。
  • Agent-as-Tool（代理即工具）：把一个完整 Agent 包装成普通工具供另一个 Agent 调用的模式；与 Subagent 几乎同义，不同框架叫法不同（LangGraph 叫 tool-calling subgraph，OpenAI 叫 agents as tools）。
  • Swarm（蜂群）：去中心化的多 Agent 拓扑，Agent 之间两两通信、无中央调度；OpenAI 2024 年的实验性教学框架 Swarm 让这个词流行开来（其理念后并入 Agents SDK），但生产上几乎都用 Supervisor，swarm 更多是研究概念。

六、工程与运维 ​

  • Eval（评估）：用结构化测试集与打分标准衡量 Agent 质量的工程实践；没有 eval 的 Agent 迭代等于闭眼开车——这是 2026 年工程团队与玩具项目最硬的分水岭。详见 评估体系 与 Evals 实战。
  • Benchmark（基准测试）：公开标准化的评测集（如 SWE-bench、GAIA）；适合横向比较模型，但无法替代针对你自己业务的私有 eval——榜单分数高不代表在你的任务上行。
  • LLM-as-a-Judge：用另一个 LLM 当裁判给输出打分的评估方法；可扩展但有自己的偏差（偏好长答案、偏好自己的输出风格），需用人工标注定期校准裁判本身。
  • Trace（轨迹）：一次 Agent 运行的完整记录——每步的输入、输出、工具调用、token 消耗与时间；是调试 Agent 的第一现场。详见 可观测性。
  • Observability（可观测性）：对 Agent 系统采集 trace、指标与日志以理解其行为的实践；代表工具有 LangSmith、Langfuse、Braintrust、Arize Phoenix，2025 年起 OpenTelemetry 的 GenAI 语义约定成为采集层事实标准。
  • Prompt Injection（提示注入）：攻击者把恶意指令藏进网页、邮件、文档等外部内容，劫持读到它的 Agent；是 Agent 安全的头号威胁，且目前没有完美解法，只能靠最小权限、隔离与人工确认纵深防御。详见 安全与对齐。
  • Jailbreak（越狱）：诱导模型绕过自身安全限制的对话攻击；与 prompt injection 的区别在于目标是模型本体而非其读取的外部内容。
  • Guardrails（护栏）：在模型输入输出两侧做的程序化检查（敏感词、PII 过滤、话题限制、格式校验）；要点是护栏跑在模型之外、确定可审计，而不是又写一个「请你不要犯错」的 prompt。
  • Sandbox（沙箱）：隔离执行 Agent 生成代码或命令的环境（容器、microVM 如 Firecracker、gVisor）；给 Agent 开放 shell 而不上沙箱，等于把生产机交给一个会被注入的实习生。
  • Red Teaming（红队测试）：主动扮演攻击者、系统性试探 Agent 安全边界的实践；上线前必做，且要覆盖工具滥用路径，不只测聊天内容。
  • Least Privilege（最小权限原则）：Agent 的每个工具只授予完成任务所必需的最小权限（只读优于读写、限定目录优于全盘）；是防注入损失扩大化的最后一道墙。
  • Approval Flow（审批流）：高风险动作执行前必须经人类或策略引擎批准的机制；与 HITL 同族，工程实现上通常借助 checkpoint 暂停-恢复。
  • Data Exfiltration（数据外泄）：被注入的 Agent 把读到的敏感数据通过工具调用（发请求、写公开仓库）送出去的攻击；防御关键是限制出站通道而非指望模型「自觉」。
  • Golden Dataset（黄金数据集）：人工精心标注、作为回归基准的测试集；规模不必大（几十到几百条），但必须覆盖核心业务路径，且随线上 badcase 持续增补。
  • Rate Limit（速率限制）：模型 API 对请求频率与 token 吞吐的限制（RPM/TPM）；Agent 单任务就要发起几十次调用，比聊天应用更容易撞限，架构上要做队列与退避。
  • TTFT（Time to First Token，首 token 延迟）：发出请求到收到第一个 token 的时间，是流式体验的核心指标；对 Agent 更重要的是端到端任务时长——它等于 TTFT 与生成时间的多轮累加。
  • Prompt Caching（提示缓存）：厂商对重复前缀（system prompt、长文档）缓存 KV 以降价提速的机制（Anthropic、OpenAI、Gemini 均支持）；工程要点是把稳定内容放前面、变动内容放后面，命中率决定账单量级。详见 成本优化。
  • Retry & Fallback（重试与降级）：模型调用失败时的恢复策略——瞬时错误指数退避重试，持续失败降级到备选模型或简化 prompt；多模型 fallback 链是生产 Agent 的标配。
  • Determinism / Reproducibility（确定性/可复现性）：同一输入得到同一输出的性质；LLM 即使 temperature=0 也不保证逐 token 一致（浮点与批处理所致），eval 与回归测试要按「分布稳定」而非「完全一致」来设计断言。

七、产品与生态 ​

  • Claude Code：Anthropic 的终端原生 coding Agent（2025 年 5 月 GA），以极简工具集 + 长 system prompt + Subagent 著称，是「少即是多」Agent 设计的标杆，其运行时已被抽出为 Claude Agent SDK。详见 Claude Code 解剖。
  • Claude Agent SDK：Anthropic 把 Claude Code 内核抽出的开发框架（原名 Claude Code SDK），适合构建以文件与 shell 为操作对象的 Agent。详见 Claude Agent SDK。
  • Cursor：Anysphere 的 AI 原生 IDE，从「带 Copilot 的编辑器」进化为以内置 Agent 模式为核心的开发环境；是 IDE 路线 coding Agent 的代表。详见 Cursor 解剖。
  • GitHub Copilot：GitHub 的 AI 编程助手，从行内补全起家，2025 年起全面转向 Agent 模式（异步 coding agent、可指派 issue）；胜在与 GitHub 工作流（PR、Actions、Code Review）的深度整合。
  • Devin：Cognition 推出的「AI 软件工程师」，以全自主完成开发任务为卖点；2024 年发布时演示引发巨大争议，促使行业更严肃地区分 demo 与可交付能力。详见 Devin 复盘。
  • Manus：蝴蝶效应（Monica）团队 2025 年 3 月发布的通用 Agent 产品，以「云上虚拟机里跑完整电脑环境」的形态出圈，引爆了国内通用 Agent 赛道。详见 Manus 解剖。
  • OpenAI Codex：OpenAI 的 coding Agent 产品线（CLI + 云端沙箱任务，2025 年推出）；注意与 2021 年同名的早期代码模型是两回事。
  • LangChain：Harrison Chase 2022 年创立的 LLM 应用框架，生态最大但抽象层争议也大；2025 年 10 月发布 1.0（LTS），核心收敛为 create_agent 与中间件，底层运行时让位给 LangGraph。
  • LangGraph：LangChain 团队的图结构 Agent 编排框架，把流程建模为 state + 节点 + 边，内建 checkpoint 与 HITL；2025 年 10 月随 1.0 成为生产级标准选项之一。详见 LangGraph 实战。
  • OpenAI Agents SDK：OpenAI 的轻量 Agent 框架（前身是实验项目 Swarm），核心原语只有 Agent、Handoff、Guardrails、Tracing 四样；哲学是「原语少、贴近模型 API」。详见 OpenAI Agents SDK。
  • Responses API：OpenAI 2025 年 3 月推出的 Agent 导向 API，把工具调用、推理项、对话状态管理内建进接口，逐步取代 Chat Completions 成为新应用默认入口。
  • CrewAI：以「角色扮演团队」为隐喻的多 Agent 框架，Agent 有 role/goal/backstory 三要素；上手快、概念友好，适合业务流程原型。详见 CrewAI。
  • AutoGen / AG2：微软研究院开源的多 Agent 对话框架，以「Agent 之间对话即编程」为核心；2024 年底社区分叉出 AG2，2025 年微软将其能力并入 AutoGen 后续版本与 Agent Framework，选型时注意版本谱系。详见 AutoGen。
  • LlamaIndex：以数据连接与索引见长的框架，RAG 管线能力最全，后也扩展出 Agent 与工作流模块；知识密集型 Agent 项目的常见选择。
  • Dify：开源的 LLM 应用低代码平台（LangGenius），可视化编排 workflow + RAG + Agent，自托管友好，国内私有化部署采用率高。详见 Dify。
  • Coze（扣子）：字节跳动的 Bot/Agent 搭建平台，插件生态与分发渠道（豆包、飞书、微信）是其壁垒；适合运营与非研发角色快速上线 Bot。详见 Coze 解剖。
  • n8n：开源工作流自动化工具，2024 年起内置 AI Agent 节点（支持工具调用与记忆），成为「传统自动化 + LLM」混合编排的热门选择。
  • OpenHands：开源的 AI 软件开发者平台（前身 OpenDevin），提供完整的 Agent 运行时、沙箱与评测基建，是研究 coding Agent 的标准实验场。详见 OpenHands。
  • SWE-bench：普林斯顿团队 2023 年发布的基准，用真实 GitHub issue 评测 Agent 修 bug 能力；官方家族含原版（2294 题，12 个 Python 仓库）、Lite（300 题）、Verified（500 题，人工筛过）、Multilingual（300 题，9 种语言）、Multimodal（517 题）。Verified 已被顶尖模型打到接近饱和，2026 年业界转向更难的 SWE-bench Pro 与 Terminal-Bench。详见 SWE-agent 案例。
  • Terminal-Bench：评测 Agent 在真实终端里完成系统级任务（装环境、调服务、写脚本）的基准（斯坦福大学与 Laude Institute 等，2025）；比 SWE-bench 更贴近「全栈运维型」能力。
  • GAIA：Meta、HuggingFace、AutoGPT 等联合发布的通用助手基准（2023），考网页浏览、多模态、工具链协作的综合任务；题目分三级难度，曾是通用 Agent 的试金石，头部系统分数已逼近上限。
  • AAIF（Agentic AI Foundation）：Linux 基金会 2025 年 12 月成立的专项基金，由 Anthropic、Block、OpenAI 联合发起，Google、微软、AWS 等支持，托管 MCP、goose 等 Agent 基础设施项目；标志着 Agent 协议层进入厂商中立治理时代。

术语会过期

本页 2025 年之前的流行词（如 AutoGPT 式「全自主 Agent」、GPT-3 时代的「prompt 魔法」）有些已沦为历史名词，而 MCP、Skills、context engineering 等 2024–2025 年才出现的词如今是面试高频。学术语的正确姿势是理解它解决什么问题，而非背诵定义——概念背后的工程取舍才是长期资产。详见 演进简史。

参考资料 ​