概念图谱
55 个概念 · 60 条联系- Agent 基础
- 推理与编排
- 知识与上下文
- 工具与协议
- 评测与可靠性
- 安全工程
BFCL局部图谱1 个概念 · 0 条关系
打开概念详情图形加载后可拖动和缩放；概念与关系列表已可阅读。
箭头表示关系方向：前置 → 后续 · 整体 → 组成 · 方法 → 应用 · 控制 → 受约束对象 · 系统 → 风险。建议先学是学习建议，应用关系不表示必需。
全部概念 55浏览概念索引
- 智能体Agent智能体是一类能根据任务目标选择行动、观察结果并继续调整行动的系统。语言模型可以负责决策，工具和运行环境让决策真正落地。
- 大语言模型LLM大语言模型从大量序列数据中学习规律，并根据输入生成输出。常见的生成式模型通过逐步预测 token 来完成问答、写作、分类等任务。
- 执行循环Agent Loop执行循环把决策、工具执行、结果回传和停止判断连接起来，使智能体能够用上一步的结果决定下一步。
- 规划Planning任务规划把目标拆成相互关联的步骤，说明每一步需要什么、产出什么，以及哪些步骤可以同时进行。
- 工具接口Tools工具是应用提供给智能体的外部能力，例如查订单、读文件或运行计算。模型选择工具，运行程序执行它，并把真实结果返回。
- 提示工程Prompt Engineering提示工程是设计和测试模型输入的方法：把任务、材料、要求和示例表达清楚，使模型更容易完成指定工作。
- TokenTokenToken 是模型处理文本时使用的序列单位。分词方式决定一段文本占多少 token，也影响输入长度、输出预算和使用成本。
- ReActReActReAct 是把任务分析、外部行动和观察结果交替组织的方法，让后续步骤能够利用执行过程中获得的新信息。
- 规划与执行Plan-and-SolvePlan-and-Solve 是先拆出解决步骤、再依次求解的提示方法，适合包含多个相互依赖计算或判断的问题。
- 反思Reflection反思是检查已有结果、利用反馈找出问题并尝试修正的过程。它需要具体的评价依据，也需要防止改动让原本正确的部分退步。
- 函数调用Function Calling函数调用让模型用结构化的函数名和参数表达要执行的操作。应用收到调用后负责校验、执行，并把结果返回给模型。
- 记忆Memory智能体记忆是保存信息、在需要时取回并持续更新的机制，使任务进度、经验或明确偏好能够跨越单次模型调用继续使用。
- 工作记忆Working Memory工作记忆是智能体在当前任务中立即需要的活动信息，包括目标、限制、最新观察和中间结果。它帮助下一步行动保持连贯。
- 情景记忆Episodic Memory情景记忆保存一次具体经历中的条件、行动和结果。遇到相似任务时，它能提供线索，但不能直接当作普遍规则。
- 语义记忆Semantic Memory语义记忆保存可以重复使用的事实、定义和明确偏好。记录时保留主体、范围与时间，才能判断某条事实现在是否仍然适用。
- RAGRAGRAG 在生成回答前检索相关资料，再把资料作为回答依据。它把“去哪里找到信息”与“怎样组织答案”连接起来，常用于文档问答和知识助手。
- 切分Chunking文档切分把长资料拆成可独立检索的小块。块的大小和边界决定检索能否找到细节，也决定回答时是否保留了必要条件。
- 嵌入Embedding嵌入把文本等对象编码成数值向量，使程序能够计算它们的相似程度。向量表示有助于检索，但相似并不等于事实相同。
- 向量检索Vector Search向量检索根据查询向量与资料向量的距离或相似度找出候选。它擅长发现表达相近的内容，但结果还需要结合条件和原文判断。
- 查询扩展Query Expansion查询扩展为同一个信息需求补充其他表达方式，帮助检索找到使用不同术语的资料。扩展词汇时仍需保留原来的对象、时间和范围。
- 上下文工程Context Engineering上下文工程负责为一次模型调用准备合适的信息，包括任务指令、当前状态、检索证据、历史记录和工具说明，并随任务推进持续更新。
- 上下文压缩Context Compaction上下文压缩用更短的摘要或任务状态替代部分历史，使长任务能够继续。压缩后仍需保留会影响后续行动的条件、结果和未决事项。
- 结构化笔记Structured Notes结构化笔记用稳定字段记录目标、进度、证据和未决问题，方便跨会话继续工作，也方便其他执行者接手。
- 多智能体Multi-Agent多智能体系统让多个执行者分别承担子任务，再交换和整合结果。它适合相对独立的工作，也会增加交接、同步和核对成本。
- MCPMCPMCP 为 AI 应用连接外部工具和资料定义共同协议。应用通过客户端与服务端交互，发现能力、读取信息或调用工具；本篇以 2025-11-25 规范为准。
- A2AAgent2AgentA2A 约定智能体之间怎样介绍能力、委派任务和交付结果，让调用方不必了解对方的内部实现。
- 智能体评估Evaluation智能体评估检验整个系统能否完成任务，既看最终结果，也看过程中是否遵守约束、花费多少资源。
- 模型评审LLM-as-a-Judge模型评审让语言模型依据标准和证据评价回答，适合辅助判断开放式质量，但评分本身也需要校准。
- 文档问答Document QA文档问答根据指定资料回答问题，关键是找到适用的证据，并保留结论与原文位置之间的联系。
- 旅行助手Travel Assistant旅行助手把时间、地点、预算和个人偏好放在一起比较，帮助形成可执行的行程，并区分候选方案与已确认预订。
- TransformerTransformerTransformer 通过注意力、前馈网络和位置信息处理序列，是许多语言模型的基础架构。
- 注意力机制Attention注意力根据当前查询为不同信息分配权重，再把它们组合成新的表示，是一种可学习的信息读取方式。
- 思维链提示方法Chain-of-Thought思维链提示通过分步求解示例或要求，帮助模型把问题转成中间结果；这些结果仍需要独立检查。
- 幻觉与证据不足Hallucination生成式系统可能输出看似可信、实际与证据冲突或缺乏支持的内容；判断时要分清错误、无依据和未知。
- 智能体工作流Workflow工作流预先规定步骤、分支和等待条件，模型在其中处理需要理解与判断的部分，系统负责维持执行秩序。
- 文档解析Document Parsing文档解析把文件中的文字、表格和版面转成可处理的结构，并保留它们原来的位置与关系。
- HyDEHypothetical Document EmbeddingsHyDE 先生成一段可能回答问题的文字，用它去寻找真实文档；生成的文字是检索线索，不能成为答案证据。
- 感知记忆Perceptual Memory这里的感知记忆指对最近观测的短暂保留，让智能体接续行动，同时知道眼前信息何时可能已经过时。
- 上下文窗口Context Window上下文窗口规定模型一次处理能容纳多少信息；它限制当下可见的内容，并不等于系统的长期记忆容量。
- 上下文构建器Context Builder上下文构建器把当前任务所需的指令、历史与证据整理成一次模型输入，决定模型这一次能看见什么。
- ANPAgent Network ProtocolANP 探索开放网络中智能体的身份、发现与交互，理解它需要区分协议目标、具体规范和可用实现。
- 智能体强化学习Agentic RL智能体强化学习用交互任务的反馈训练行动策略，学习对象是一段观察、行动和结果组成的轨迹。
- 监督微调Supervised Fine-Tuning监督微调用输入与目标输出示例更新模型参数，让模型更倾向于产生示范中的回答或行动方式。
- LoRALow-Rank AdaptationLoRA 把权重更新表示成两个小矩阵的乘积，在保留基座权重的同时，用较少可训练参数完成适配。
- 奖励函数Reward Function奖励函数把可观察结果转成数值反馈，决定策略学习倾向于哪些行为；它只是实际目标的一种表达。
- GRPOGroup Relative Policy OptimizationGRPO 比较同一问题下多次采样的奖励，用组内的相对好坏构造学习信号，再据此更新策略。
- BFCLBerkeley Function Calling LeaderboardBFCL 围绕函数选择、参数构造和工具交互评价模型，阅读成绩时必须同时看测试版本与分项设置。
- GAIAGAIAGAIA 用需要查资料、读附件和组合多步结果的问题评价助手，考察的是模型与工具链协同完成任务的能力。
- 深度研究助手Deep Research深度研究型智能体围绕一个问题反复查找、阅读和核对证据，根据发现调整方向，最后形成可追溯的判断。
- 多智能体模拟Social Simulation多智能体社会模拟在设定好的环境中观察角色互动，用来探索机制和情景；模拟中的行为不能直接当作真实人群结论。
- 最小权限Least Privilege最小权限把智能体的可用能力限定在当前任务所需的动作、资源和时间内，降低误操作可能造成的影响。
- 提示注入Prompt Injection提示注入把网页、文件或工具结果中的文字伪装成指令，试图让智能体改变任务、越权操作或泄露信息。
- 人工确认Human Approval人工确认让有权限的人决定是否执行具体动作，有效批准需要对应明确的对象、内容和条件。
- 失败恢复Failure Recovery失败恢复先查清任务停在哪里、是否已经产生副作用，再决定重试、继续还是停下；幂等让同一操作的重复请求不重复生效。
- 执行沙箱Sandbox执行沙箱用可强制执行的隔离机制限制代码访问资源的范围，使生成代码或陌生文件的风险不轻易扩散到宿主。
关系与依据 0
当前关系筛选下没有相邻关系。查看全部关系类型