AI 名词完全指南
从模型到智能体，一篇讲透
AI、LLM、Agent、MCP、Skill、Harness……这些词天天见，却总让人分不清谁是谁。这篇指南把 49 个高频名词按「模型 → 训练 → 推理 → 智能体 → 产品」五层拆开，每个词讲清它是什么、从哪来、怎么用、和谁容易混。适合完全没接触过的小白，也适合想一次理清体系的从业者。
收录于 Mine 学习资源 · 根据提供的资料整理。产品名称与能力会变化，使用前请以各官网说明为准。
49概念
35产品
5层级
3关系图
Ctrl / ⌘ + K 快速查词
一个 AI 系统，如何运转
目标进入执行循环，模型、知识与工具协同工作。
INPUT用户目标 / Prompt描述目标与约束KNOWLEDGESkills知识 · 方法 · 规范EXECUTION LOOPAgent观察 → 决策 → 行动CONNECTIONMCP连接外部工具与数据REASONINGLLM为执行提供模型能力
EXTERNAL SYSTEMS工具与数据API · 文件 · 数据库
Agent 加载 Skills，调用 LLM，经 MCP 接入外部系统。点击节点，查看名词解释 ↗
AI 的五层架构
从下往上读：模型 → 训练 → 推理 → 智能体 → 产品。
05
产品形态
你最终看到的应用
4 个概念
Chatbot / Bot
Copilot
AI Coding Agent
Workflow
04
Agent 工程层
从「会想」到「会干」
18 个概念
Agent
Agent Loop
ReAct
Agentic Workflow
Multi-Agent
Sub-agent
Harness
MCP
Skill
Tool
Hook
Ruleset
AGENTS.md
Context Engineering
Memory
SDD
Vibe Coding
Orchestration
03
推理与生成
怎么把模型用得对
10 个概念
Prompt
System Prompt
提示工程
CoT
RAG
Function Calling
Few / Zero-shot
Temperature
幻觉
KV Cache
02
训练与调优
模型怎样获得能力
6 个概念
预训练
微调
RLHF
LoRA
知识蒸馏
量化
01
模型地基
理解底层的引擎
11 个概念
AI
LLM
SLM
多模态模型
推理模型
基础模型
MoE
Token
Tokenizer
上下文窗口
Embedding
点击任意概念查看解释 · 浅蓝标签突出关键概念 · 此图用于分层理解
核心概念连线拓扑图
悬停或聚焦节点，查看相连关系；点击节点，打开名词解释。
左右滑动查看全图 · 点击节点查看解释
从 Agent 出发，连接模型、能力包与外部工具；Harness 提供治理。
箭头关系：LLM「运行于」Agent · Agent「加载」Skill · Agent「接入」MCP「调用」Tool · Harness 治理组件「管控」Agent，全部被 Harness 边界包围
第一层 · 模型地基：AI 到底"想"什么
这一层是万物之源。先搞清"模型"本身由什么组成、有哪些变体，后面的 Agent、Skill 才站得住。
1 AI（人工智能）Artificial Intelligence
定义：让机器模拟人类智能——学习、推理、感知、决策、创作——的统称。
- 背景：1956 年达特茅斯会议正式提出，距今近 70 年，经历过多轮高潮与低谷。
- 范围：是个"总纲"。机器学习、深度学习、大模型、计算机视觉、语音识别……都属于 AI 的子集。
- 别搞混：AI ≠ 大模型。AI 是最上层的伞，LLM 只是 2020 年代这波 AI 里最亮的一个分支。
- 通俗理解：AI 是总纲，好比「电器」这个大类；LLM 只是其中一种，像「冰箱」。举个例子：人脸识别、语音助手、自动驾驶都是 AI，但它们都不是 LLM。
2 LLM（大语言模型）Large Language Model
定义：在海量文本上训练出来的、专门处理和生成语言的超大神经网络。
- 背景：以 2017 年 Transformer 架构为起点，GPT 系列让它走入大众视野。
- 核心含义：本质是"预测下一个词"——给一段上文，它算出最可能接的下一个 token，逐个生成整段话。
- 能力边界：只会"想和答"，不会"做"。不能发邮件、查数据库、改文件，这些得靠后面的 Agent 和工具。
- 别搞混：LLM 特指"大 + 语言"，比它小的叫 SLM，能看图听声的另叫多模态模型。
- 通俗理解：它就像一个读遍全网的「超级文字接龙」，你起个头，它就顺着往下接。举个例子：ChatGPT、Claude，背后都是套了壳的 LLM。
3 SLM（小语言模型）Small Language Model
定义：参数规模小（通常几亿到几十亿）、可在本地设备直接跑的语言模型。
- 背景：大模型虽强但重，催生了"够用就好"的小模型路线（如 Phi、Qwen 小参数量版）。
- 场景：手机、边缘设备、离线环境、对延迟和隐私敏感的任务。
- 别搞混：SLM 不是"低配版"，而是"轻量版"——牺牲部分泛化能力，换速度、成本和可控性。
- 通俗理解：大模型的「迷你版」，牺牲一点能力换速度和省钱。举个例子：手机离线翻译、在你本机跑得动的小模型。
4 多模态模型 Multimodal Model
定义：能同时理解和生成多种信息形态（文本、图像、音频、视频）的模型。
- 背景：从"只能打字"到"能看图、听声、出图"（如 GPT-4V、Gemini 系列）。
- 场景：图文问答、让 AI 看截图给操作建议、视频理解、图像生成。
- 别搞混：纯文本 LLM 是它的一个特例；多模态 = 更宽的"输入/输出口"。
- 通俗理解：一个模型既会「看」又会「听」还会「说」。举个例子：给它一张报错截图，问「这该怎么修」。
5 推理模型 Reasoning Model
定义：专门强化了逻辑推理能力、会"先想清楚再回答"的模型。
- 背景：代表是 OpenAI o 系列、DeepSeek-R1，通常通过额外的推理计算处理复杂问题；产品不一定公开完整内部推理。
- 核心：用强化学习训练模型"多步思考"，显著提升数学、编程、逻辑题的正确率。
- 别搞混：推理计算可能改善复杂任务的表现，也可能增加时间和成本；效果需要在具体任务上验证。
- 通俗理解：答题前会先「打草稿」、想一会儿再开口的模型。举个例子：DeepSeek-R1、OpenAI 的 o 系列。
6 基础模型 Foundation Model
定义：以广泛数据训练、可适配多种下游任务的模型；与是否经过指令调优不是同一个分类维度。
- 背景：2021 年斯坦福提出这个词，强调"一个大底座、适配无数任务"的新范式。
- 场景：所有下游应用（聊天、编程、客服）都从同一个底座派生。
- 别搞混：基础模型强调可支撑多种下游任务，不应简单等同于未经调优的模型。
- 通俗理解：可为多种任务提供共同基础的模型。举个例子：在共同的基础模型上适配不同任务。
7 MoE Mixture of Experts，混合专家
定义：把模型拆成多个"专家"子网络，每次只激活其中一小部分的架构。
- 背景：解决"模型越大越慢"的矛盾——总参数很大，但每次推理只用一小部分。
- 核心：一个"路由器"决定当前输入该交给哪几个专家处理，省钱又保性能。
- 别搞混：MoE 是架构，不是模型等级；一个 MoE 模型可以同时是 LLM。
- 通俗理解：一个团队分很多「专家」，来了问题只叫其中几个来答，省算力。举个例子：Mixtral、DeepSeek 都用了 MoE 架构。
8 Token 词元
定义：模型处理文本的基本单位。词元与文字的对应关系取决于分词器、语言和具体内容，不能按固定字数换算。
- 核心：模型不按"字"而是按 token 读写；上下文的长度、API 的计费，都以 token 为准。
- 场景：你在算 AI 使用量、控制成本、估算输入能否塞进模型时，全在看 token 数。
- 别搞混：token ≠ 字。同样一句话，中文和英文的 token 数可以差很多。
- 通俗理解：模型的「字数单位」，就像论文按「字」计费一样按它计费。举个例子：同一段文字在不同模型的分词器中，可能得到不同数量的 token。
9 Tokenizer（分词器）
定义：负责把一段文字切成 token 序列的组件。
- 核心：它是模型入口的"翻译官"，决定"文本 ↔ token"怎么对应。
- 别搞混：Tokenizer 是工具，Token 是它切出来的结果。
- 通俗理解：负责切词的「切菜刀」，把文字切成 token。举个例子：把「大语言模型」切成若干个小片段。
10 上下文窗口 Context Window
定义：模型一次能"看到并记住"的最大 token 数量，即它的短期记忆上限。
- 背景：早期只有几千，如今主流模型已达几万甚至百万级（"超长上下文"）。
- 场景：塞一整份文档、一整个代码库给模型，都取决于这个窗口够不够大。
- 别搞混：窗口大 ≠ 记得牢——塞得越多，模型越容易"忘中间"，所以才有 RAG 和 Memory。
- 通俗理解：模型的「工作记忆容量」，一次最多能记住多少。举个例子：128K 的窗口，大概能一次读进去一整本书。
11 Embedding（嵌入）
定义：把文字、图片等变成一串数字（向量），让"意思相近"的东西在数学空间里也相近。
- 场景：语义搜索、相似度比对、知识库检索——是 RAG 的地基。
- 别搞混：Embedding 产出"向量"，LLM 产出"文字"，两者常配合使用。
- 通俗理解：把文字变成「坐标」，意思越近坐标也越近。举个例子：语义搜索、给文档找相似内容，靠的就是它。
第二层 · 训练与调优：模型是怎么"变聪明"的
模型不是天生的。这一层解释它从"一无所知"到"专家"要经历哪些工序。
12 预训练 Pre-training
定义：让模型在互联网级的海量文本上"读遍全网"，学会语言规律和世界知识的第一步。
- 核心：代价最大、最烧算力的阶段，决定了模型的"底子"。
- 别搞混：预训练 = 学"通识"，微调 = 学"专业"。
- 通俗理解：从零开始「把整个互联网读一遍」。举个例子：GPT 花上千万美元，才学出这些通用知识。
13 微调 Fine-tuning
定义：在预训练好的底座上，再用特定领域的小数据继续训练，让它更懂你的业务。
- 场景：让模型学会公司的产品术语、客服话术、行业黑话。
- 别搞混：微调改变模型本身；而 RAG 不改模型、只是临时喂资料——两者是"记住"和"翻书"的区别。
- 通俗理解：给通用模型「补专业课」，让它更懂你的行业。举个例子：拿你的客服话术微调，它就变成你们公司的客服。
14 RLHF 基于人类反馈的强化学习
定义：让人给模型回答打分，再用这个"分数"训练模型，使它的回答更符合人类偏好。
- 背景：ChatGPT 能"听话、有礼貌、不胡说"，靠的就是这步对齐。
- 核心：把"你觉得哪个好"变成训练信号，是让模型从"能用"到"好用"的关键。
- 别搞混：RLHF 是微调的一种高级形态，专门解决"对齐"问题。
- 通俗理解：人给回答打分，模型照着「讨好」人，越来越懂礼貌。举个例子：ChatGPT 从「爱胡说」变「会好好说话」，就是这一步的功劳。
15 LoRA 低秩适配
定义：一种省钱的微调方法——不重训整个大模型，只训练一小层"外挂"参数。
- 核心：成本从"烧几百万"降到"一张显卡也能玩"，是个人/小团队微调的首选。
- 别搞混：LoRA 是微调的一种技术路径，不是和微调并列的独立概念。
- 通俗理解：不重训整个大模型，只外挂一小层「补丁」。举个例子：一张消费级显卡就能微调，个人也能玩。
16 知识蒸馏 Distillation
定义：让一个"小模型"去模仿"大模型"的输出，把大模型的能力压缩进小模型。
- 场景：造 SLM 的常用手段——用大模型当"老师"，小模型当"学生"。
- 别搞混：蒸馏是"压能力"，量化是"压体积"，两者目的不同。
- 通俗理解：大模型当老师，小模型当学生，把能力「压」进小模型。举个例子：把 GPT 的能力蒸馏进一个手机能跑的小模型。
17 量化 Quantization
定义：把模型权重的数值精度降下来（如从 32 位浮点降到 4 位整数），减小体积、加速推理。
- 场景：让大模型能塞进显存有限的本机、跑得更快，代价是轻微掉精度。
- 别搞混：量化不改变模型结构，只"压缩数字"，和蒸馏（改能力）是两码事。
- 通俗理解：把模型「压缩文件」，体积小了跑得快，代价是轻微掉精度。举个例子：把权重从 32 位浮点压到 4 位整数。
第三层 · 推理与生成技术：怎么让模型"用得对"
模型有了，怎么提问、怎么补知识、怎么控制输出，都是这一层的事。
18 Prompt（提示词）
定义：你发给模型的输入——可以是一句话、一段背景，也可以是一份包含角色、数据、格式要求的任务书。
- 核心：长度不改变它的性质，2000 字的任务书也只是一个 Prompt。
- 别搞混：Prompt 是"一次性文字"，Skill 是"可复用的方法论资产"——这是两者最本质的区别。
- 通俗理解：你给模型的那段「输入指令」。举个例子：「把这段话翻译成英文」就是一条 Prompt。
19 System Prompt（系统提示词）
定义：在每次对话最前面固定注入的一段指令，用来设定角色的身份、边界和默认行为。
- 场景："你是客服，语气亲切，绝不说脏话，不知道就说不知道"。
- 别搞混：System Prompt 管"你是谁、底线在哪"（长期恒定），User Prompt 管"这次要干嘛"（每轮变化）。
- 通俗理解：贴在它「脑门」上的身份和底线，每次对话都生效。举个例子：「你是客服，语气亲切，绝不说脏话」。
20 Prompt Engineering（提示工程）
定义：系统性地设计、测试、优化提示词，以稳定拿到高质量输出的方法。
- 核心：把"凭感觉写提示"变成"可复用的工程方法"。
- 别搞混：它是"手艺/方法论"，Prompt 是它的产出物。
- 通俗理解：把「写提示词」变成一门可复用的手艺。举个例子：加示例、定格式、约束输出，稳定拿到高质量结果。
21 CoT（思维链）Chain of Thought
定义：让模型"一步步推演"再给结论，而不是直接蹦答案。
- 核心：分步推理提示在部分任务与模型上有帮助，但效果不能保证，也不必要求公开完整内部推理。
- 别搞混：CoT 是一种提示技巧；而推理模型是把"逐步思考"内建进了模型本身，不用你提醒。
- 通俗理解：让模型「一步步想」再给结论，而不是直接蹦答案。举个例子：可以让系统给出结论、关键依据与可核验步骤，并检查是否真正解决问题。
22 RAG（检索增强生成）Retrieval-Augmented Generation
定义：先从外部知识库检索相关资料，再把资料喂给模型生成答案。
- 背景：解决 LLM 两大硬伤——知识有截止日期、没有你的私有数据。
- 核心：不重新训练模型，而是"现查现用"，还能给出处、减幻觉。
- 别搞混：微调 = 把知识"背进脑子"；RAG = 临时"翻书"。RAG 便宜、可更新，是当前主流。
- 通俗理解：答题前先「翻书查资料」，把查到的喂给模型再生成。举个例子：先检索公司内部知识库，再基于真实资料回答。
23 Function Calling（函数调用 / 工具使用）
定义：模型不输出自然语言，而是输出"调用哪个函数、带什么参数"的结构化请求，由程序真正执行。
- 核心：这是"模型能用工具"的底层开关，也是 Agent 得以存在的基础能力。
- 场景：查数据库、发邮件、改文件——模型"说要干嘛"，程序"去真干"。
- 别搞混：Function Calling 是"能力"，MCP 是"让这个能力标准化接入的协议"。
- 通俗理解：模型说「我要查数据库」，程序就真的去查。举个例子：模型输出一段结构化调用请求，外层程序执行后把结果喂回去。
24 Few-shot / Zero-shot 少样本 / 零样本
定义：给几个示例（few-shot）或完全不给示例（zero-shot）直接让模型干活。
- 场景：few-shot 用来定格式、教风格；zero-shot 检验模型的通用能力。
- 别搞混：两者是"提示里带不带示例"的区别，与是否微调无关。
- 通俗理解：区别就在「给不给例题」。举个例子：给 3 个示例是 few-shot，一个都不给直接问是 zero-shot。
25 Temperature（温度）
定义：影响采样随机性的参数。取值范围和是否可调整取决于模型及 API。
- 核心：越低越保守、稳定（适合写代码、算账）；越高越发散、有创意（适合写诗、起名）。
- 通俗理解：模型的「脑洞开关」，越低越保守、越高越发散。举个例子：可在支持该参数的接口中比较不同设置，结合任务检查实际输出。
26 幻觉 Hallucination
定义：模型一本正经地输出看似合理、实则错误或凭空捏造的内容。
- 根因：模型只会"预测下一个词"，不知道"自己不知道"。
- 对策：RAG 补真实资料、要求给出处、关键结论人工复核。
- 别搞混：幻觉不是"故意骗人"，而是生成机制的天生缺陷，需靠工程手段兜底。
- 通俗理解：一本正经地胡说八道。举个例子：信誓旦旦地编出一条根本不存在的法条。
27 KV Cache 键值缓存
定义：把已经算过的注意力"键值"缓存起来，避免每生成一个新词就重算一遍历史。
- 核心：长对话能明显加速的幕后功臣，也是模型显存占用的大头。
- 通俗理解：把已经算过的「草稿」缓存起来，别每次都重算。举个例子：长对话能明显加速，幕后功臣就是它。
第四层 · 智能体与工程层：从"会想"到"会干"
这是全文的重头戏，也是当下最热的战场。模型是引擎，这一层是把它变成"能替你干活的人"的全部机关。
28 Agent（智能体）
定义：建立在 LLM 之上、具备"规划 + 工具使用 + 执行"能力的自主系统，能自己拆目标、调工具、反复试直到完成。
- 背景：从"聊天机器人"到"能干活"，是 2024–2025 年最大的范式转变。
- 核心区别：LLM 像坐办公桌的顾问（你问它答）；Agent 像项目经理（自己规划、要资源、一步步干完，中间不打断你）。
- 公式：模型、工具与循环控制是许多 LLM Agent 的常见组成，具体结构取决于任务。
- 通俗理解：一个能自己动手干活的「项目经理」，而不只是顾问。举个例子：让它「查销量→做报表→发邮件」，它自己一步步全干完。
29 Agent Loop（智能体循环）
定义：Agent 的工作方式——观察 → 决策 → 行动 → 看结果 → 没完成就再来一轮，直到达成目标或判断做不了。
- 核心：这循环就是 Agent 区别于"一问一答"的本质——它会根据中间结果不断调整。
- 通俗理解：观察→动手→看结果→再动手，一直循环到干完。举个例子：查数据发现缺了周五，就回去补查一轮再继续。
30 ReAct Reasoning + Acting
定义：把"思考"和"行动"交错进行的经典 Agent 范式——想一步、做一步、再看、再想。
- 背景：2022 年论文提出，是绝大多数 Agent 框架的底层蓝本。
- 别搞混：ReAct 是 Agent Loop 的一种具体实现方式。
- 通俗理解：把「想」和「做」交错进行的经典套路。举个例子：想一步、做一步、看一眼结果、再想下一步。
31 Agentic Workflow（智能体工作流）
定义：把复杂任务拆成多个可分支、可回退、可并行的步骤，由 Agent 自主编排执行。
- 别搞混：普通 Workflow 是"写死的固定流程"，Agentic Workflow 是"模型自己决定下一步"的活流程。
- 通俗理解：模型自己决定下一步怎么走的「活流程」。举个例子：调研时发现信息不够，就自主补搜，不用人指挥。
32 Multi-Agent（多智能体）
定义：多个 Agent 分工协作，各自扮演不同角色（如 PM、开发、测试、审稿）共同完成一个大任务。
- 场景：复杂项目里"一个 Agent 干所有事"容易乱，拆成各司其职的团队更可控。
- 别搞混：Multi-Agent 是"多个 Agent 协作"，Sub-agent 是"一个主 Agent 派分身"，粒度不同。
- 通俗理解：多个 Agent 分工协作，像一个小团队。举个例子：一个当 PM、一个写代码、一个做测试，配合完成项目。
33 Sub-agent（子智能体）
定义：主 Agent 派出去、在独立上下文里完成某个子任务的"分身"。
- 场景：主流程里"开个隔离窗口去调研/查资料"，干完把结果交回来，不污染主上下文。
- 别搞混：Sub-agent 强调"隔离 + 委派"，是保持主上下文干净的重要手段。
- 通俗理解：主 Agent 派出去干独立小任务的「分身」。举个例子：开个隔离窗口去查资料，干完把结果交回来，不污染主流程。
34 Harness / Harness Engineering（驾驭系统 / 驾驭工程）
定义：围绕 LLM 搭起来的整套控制与工程环境——管输出格式、工具调用重试、成本、上下文，以及让 Agent 稳定产出的基础设施。
- 背景：OpenAI 用它描述"把 Agent 当工程系统来驾驭"的实践。
- 核心公式：Agent = Model + Harness——基础设施往往比模型本身更决定成败。
- 组成：知识库（AGENTS.md）、自动化反馈回路（lint/测试）、架构约束、定期清洁机制。
- 心法：Agent 卡住了，别"换个提示词"，要追问"环境里缺了什么"——缺工具写脚本、缺文档补 ADR、缺约束写规则。
- 通俗理解：驾驭烈马的「马具 + 场地」，让 Agent 稳定不出轨。举个例子：知识库、自动化测试反馈、架构约束，都是 Harness 的一部分。
35 MCP（模型上下文协议）Model Context Protocol
定义：让 AI 与外部工具、数据源统一对接的开放协议，被比作"AI 世界的 USB-C"。
- 背景：Anthropic 2024 年 11 月开源，迅速成为行业标准。
- 核心：没有它时，接 GitHub/Slack/数据库要各写一套代码；有了它，一次开发处处可用。
- 结构：Host（宿主应用）→ Client → Server，Server 暴露三类能力——Tools（执行操作）、Resources（只读数据）、Prompts（提示模板）。
- 别搞混：MCP 是"连接协议"，不是工具本身；它负责"传输"工具，不"创造"工具。
- 通俗理解：AI 世界的「USB-C」，统一接外部工具的接口。举个例子：一个 GitHub 的 MCP Server，Claude、Cursor 都能直接用。
36 Skill（技能 / 能力包）
定义：把某类任务的领域知识、执行步骤、判断标准、输出格式打包成的可复用"操作手册"。
- 背景：由 Anthropic 提出并开放为 SKILL.md 标准，如今跨 Claude Code、Codex、WorkBuddy 等通用。
- 核心：让 Agent 从"能做"升级到"做得好"——输出稳定、可预期、换人做结果一致。
- 与 Prompt 区别：Prompt 是一段文字，Skill 是一套可管理的工程资产（独立文件、可版本化、可测试、结构化）。工程化程度是唯一分水岭。
- 与 MCP 区别：MCP 给"连接"，Skill 给"怎么专业地做事"。
- 通俗理解：一份「岗位操作手册」，教 Agent 这类活该怎么干才专业。举个例子：代码审查 Skill 固化了审查维度、风险评级和输出格式。
37 Tool（工具）
定义：单个原子能力——搜索、查数据库、发邮件、读写文件。
- 别搞混：Tool 是一把螺丝刀，Skill 是一整套工具箱 + 使用说明；MCP 是"插上螺丝刀的通用接口"。
- 通俗理解：一把「螺丝刀」，单个原子能力。举个例子：搜索、查数据库、发邮件，各自是一个 Tool。
38 Hook（钩子）
定义：由宿主系统在指定生命周期节点触发的程序，用于检查、反馈或控制；执行范围与失败策略由具体系统决定。
- 核心：把部分检查从模型提示转交给宿主程序执行——测试没跑过就不许合并、每次改动后自动格式化、所有命令都留日志。
- 别搞混：Skill 是"建议怎么做"，Hook 是"必须这么做"。
- 通俗理解：一道模型跳不过去的「安检门」。举个例子：测试没跑过就不许合并代码，每次改动后自动格式化。
39 Ruleset（规则集）
定义：为 Agent 划定的边界和运行策略——什么能做、什么绝不能碰。
- 别搞混：Ruleset 是"政策"，Hook 是"强制执行政策的机关"。
- 通俗理解：给 Agent 划好的「红线」，什么能做、什么绝不许碰。举个例子：明令禁止它碰生产数据库。
40 AGENTS.md
定义：放在代码仓库根目录、专门给 AI Agent 看的"项目说明文档"——告诉它这个仓库怎么跑、有什么约定、别碰什么。
- 核心：它是"常驻上下文"，每次会话都读；Skill 是"按需加载"，用到才读。
- 别搞混：AGENTS.md 管"这个项目的全局背景"，Skill 管"某类任务的专业流程"。
- 通俗理解：仓库里专门写给 AI 看的「说明书」。举个例子：告诉它项目怎么跑、有哪些约定、别碰哪些文件。
41 Context Engineering（上下文工程）
定义：把"给模型喂什么上下文"当作第一工程对象来设计——哪些信息常驻、哪些按需加载、怎么省 token。
- 背景："上下文是新的编程界面"，已成为 AI 应用设计的核心命题。
- 别搞混：它是对 Skill / AGENTS.md / Memory 的统一"编排思想"。
- 通俗理解：精心设计「喂给模型什么信息」的工程。举个例子：哪些常驻上下文、哪些按需加载、怎么省 token。
42 Memory（记忆）
定义：让 Agent 跨会话记住信息的能力，分短期（本轮上下文）和长期（持久化存储）。
- 场景：记住你的偏好、历史决定、项目约定，下次会话不再重复交代。
- 别搞混：Memory 解决"跨会话记忆"，上下文窗口解决"单次能装多少"，两者互补。
- 通俗理解：让 AI 跨会话「记住你」。举个例子：记住你的偏好和历史决定，下次不用重新交代。
43 SDD（规范驱动开发）Spec-Driven Development
定义：先写好详细规范（要什么、怎么验收），再让 AI 照着生成代码，确保产出可复现、可验证、可维护。
- 核心：面向"生产级"的 AI 编程路线，追求稳定可交付。
- 别搞混：规范驱动与快速探索可以结合使用；选择取决于项目阶段和验收要求。
- 通俗理解：先画好「图纸」再写代码。举个例子：先把需求、验收标准写清楚，再让 AI 照着生成。
44 Vibe Coding（氛围编程 / 感觉编程）
定义：不看细节、凭感觉用自然语言让 AI 快速试错、迭代出结果的编程方式。
- 核心：快、爽、适合原型验证，但质量不可控。
- 别搞混：快速探索与规范驱动可以结合；进入交付阶段时仍需验证代码与结果。
- 通俗理解：不看细节、凭感觉快速试错的编程方式。举个例子：直接用大白话让 AI 改，改到满意为止。
45 Orchestration（编排）
定义：把多个工具、步骤、Agent 按逻辑串起来调度执行的"总调度层"。
- 别搞混：编排关注"谁先谁后、失败怎么办"，是 Agent 和 Workflow 背后的管理逻辑。
- 通俗理解：总调度，管「谁先谁后、失败怎么办」。举个例子：把查数、清洗、出图、发消息串成一条流程。
第五层 · 产品形态：用户看到的是"什么"
前面四层是"内部构造"，这一层是最终呈现在你面前的成品形态。
46 Chatbot / Bot（聊天机器人）
定义：一问一答的对话应用，本质是 LLM + 记忆。
- 核心：只能"对话"，不能自主行动。
- 别搞混：Chatbot 是 Agent 的"基础组件"——加上循环、工具、Skill 才升级成 Agent。
- 通俗理解：只会一问一答的「聊天机器人」。举个例子：电商里的自动客服，问它答它，不能主动办事。
47 Copilot（副驾驶）
定义：嵌入你现有工作流、边做边辅助的 AI——不替你全包，而是"搭把手"。
- 场景：写代码补全、文档润色、表格助手。
- 别搞混：Copilot 偏"辅助"，Agent 偏"自主"；边界在模糊，但自主程度仍是分界。
- 通俗理解：边做边帮的「副驾驶」，不替你全包。举个例子：写代码时的自动补全、写文档时的润色建议。
48 AI Coding Agent（AI 编程智能体）
定义：能自己读代码、改文件、跑命令、修 bug 的编程专用 Agent，如 Codex、Claude Code、Cursor。
- 核心洞察：体验取决于模型能力，也取决于 Harness（工程环境）+ Skills（能力包）+ MCP（接了什么工具）。
- 别搞混：它是 Agent 在"编程"这个垂类里的落地形态。
- 通俗理解：能自己读代码、改文件、跑命令的「编程智能体」。举个例子：Codex、Claude Code、Cursor 都属于这一类。
49 Workflow（工作流）
定义：把一系列固定步骤预先编排好的自动化流程，输入进、结果出。
- 核心：路径写死、可预测、适合重复性任务。
- 别搞混：Workflow 是"死流程"，Agentic Workflow 是"活流程"——关键差别在"谁决定下一步"。
- 通俗理解：把固定步骤预先编排好的「死流程」。举个例子：每天早上定时拉数据、生成报表、自动发送。
附录 · 主流 AI 产品速查
35 个产品入口，按地区与产品形态查找。
产品特色、场景与优缺点来自你提供的原始资料，属于资料中的比较；免费标签按原资料标注，当前版本、额度与价格以官网为准。
国内产品
- 核心特色：中文创作 + 百度搜索整合，文生图（文心一格）成熟，支持长图/海报生成。
- 适用场景：办公写作、中文文案、搜索问答、制图。
- 优势：中文书面表达细腻，百度搜索/网盘生态联动，国内合规。
- 局限：口语网感偏弱，视频等多模态能力相对落后。
- 核心特色：企业级全栈，多模态矩阵齐全（通义万相做图、听悟语音转写），视频理解强。
- 适用场景：中大型企业、阿里云/钉钉/淘宝生态。
- 优势：多模态最齐全，企业级服务成熟。
- 局限：中文口语表达略生硬。
- 核心特色：推理/代码能力顶尖，开源，1M 超长上下文。
- 适用场景：程序员/理科生、预算有限、API 开发。
- 优势：推理代码断层领先，全免费，API 极低价。
- 局限：多模态（仅图片 OCR）、语音能力较弱。
- 核心特色：国民全能助手，全模态免费，端到端语音全双工，256K 上下文。
- 适用场景：日常问答、写作、翻译、生图、视频分析。
- 优势：最接地气（网感/方言），对免费用户最友好，抖音/剪映生态。
- 局限：代码能力够用但非顶尖。
- 核心特色：长文档精读，200 万字无损上下文，视觉编程。
- 适用场景：长文阅读、文档分析、资料整理。
- 优势：超长上下文，长文档理解一流。
- 局限：视频/语音多模态较弱，免费额度有限。
- 核心特色：混元大模型，多轮对话/内容创作/逻辑推理，微信快捷登录。
- 适用场景：微信生态用户、日常问答、办公创作。
- 优势：微信/腾讯生态，全免费。
- 局限：模型能力中上，非第一梯队。
- 核心特色：GLM 系列，开源，多款 Flash 模型永久免费。
- 适用场景：开发者、日常对话、开源模型。
- 优势：开源、Flash 免费大方、API 性价比高。
- 局限：C 端知名度略低。
- 核心特色：语音识别/合成顶尖，教育场景，多模态。
- 适用场景：语音、教育、办公。
- 优势：语音能力顶尖、教育生态。
- 局限：通用能力中上。
- 核心特色：AI 搜索 + 智能体 + 文档/PPT 生成。
- 适用场景：搜索、办公、PPT 制作。
- 优势：搜索 + 生成一体。
- 局限：知名度中等。
- 核心特色：AI 搜索 + 对话，实时联网，结果可溯源，学术搜索强。
- 适用场景：学术研究、事实核查、搜索。
- 优势：可溯源、学术强。
- 局限：偏搜索，非通用对话模型。
- 核心特色：Step 系列大模型，多模态，视频生成（Step-Video）。
- 适用场景：通用对话、开发者、多模态。
- 优势：技术实力强、多模态。
- 局限：C 端知名度低。
- 核心特色：通用大模型 + 医疗专业，联网搜索（王小川创立）。
- 适用场景：通用问答、医疗科普、专业问答。
- 优势：医疗专业、通用。
- 局限：知名度中等。
国外产品
- 核心特色：通用全能标杆，GPT-5，插件/工具生态最大，多模态。
- 适用场景：海外/外企/科研、通用需求。
- 优势：最通用，生态最大，多模态强。
- 局限：免费版不够用；国内访问受限；中文网感弱。
- 核心特色：写作/分析/长文档，200K 上下文，指令遵循出色。
- 适用场景：写作、分析、代码、长文档处理。
- 优势：文笔最自然，指令遵循最好，长上下文。
- 局限：国内访问受限。
- 核心特色：Google 生态深度整合（Gmail/Drive/Docs/YouTube），多模态。
- 适用场景：Google 生态用户、多模态问答。
- 优势：与 Google 全家桶无缝联动，多模态。
- 局限：国内访问受限。
- 核心特色：开源大模型（非聊天产品），权重开放、可自部署。
- 适用场景：开发者、自部署、研究、二次开发。
- 优势：开源可控、可私有化部署、社区生态大。
- 局限：需自行部署/集成，无官方 C 端聊天入口。
- 核心特色：X（推特）实时数据，多模态，Grok 4 系列。
- 适用场景：实时新闻、X 用户、生图生视频。
- 优势：实时 X 数据、多模态。
- 局限：中文弱、国内不可用。
- 核心特色：AI 搜索引擎，每条回答标注来源，多模型。
- 适用场景：学术研究、事实核查、带来源的搜索。
- 优势：引用来源、研究强。
- 局限：创造性/深度推理不如 ChatGPT。
- 核心特色：Office/Windows 深度整合（Word/Excel/Outlook）。
- 适用场景：微软 365 用户、办公。
- 优势：Office 生态整合。
- 局限：独立 AI 能力一般。
- 核心特色：欧洲开源模型，开源权重，编码 agent（原 Le Chat，改名 Vibe）。
- 适用场景：欧洲隐私、开发者、编码。
- 优势：欧洲合规、开源。
- 局限：国内少见。
- 核心特色：AI 图像生成标杆，艺术风格出众。
- 适用场景：艺术创作、设计、生图。
- 优势：图像质量顶尖。
- 局限：无免费版、只做生图。
- 核心特色：上传文档，AI 只基于你的资料回答（近乎零幻觉），还能一键生成"播客"。
- 适用场景：研究、笔记、文档问答。
- 优势：零幻觉、可生成播客、免费。
- 局限：只基于上传资料，不做通用搜索。
垂类产品
- 核心特色：Kling 视频生成，4K、多镜头、角色一致性。
- 适用场景：短视频、营销视频。
- 优势：国产视频第一梯队、4K、性价比高。
- 局限：免费带水印、额度有限。
- 核心特色：Hailuo 视频生成，动漫/水墨风格，复杂人物动作。
- 适用场景：动漫、风格化短视频。
- 优势：动漫/水墨风格强。
- 局限：免费额度少。
- 核心特色：Gen-4 视频 + 专业剪辑工具（Motion Brush、Director Mode）。
- 适用场景：专业视频创作、精准相机控制。
- 优势：剪辑工具强、可控性好。
- 局限：免费额度少。
- 核心特色：Google 视频生成，电影级画质、音频整合。
- 适用场景：企业级视频。
- 优势：画质顶尖。
- 局限：无免费、企业向。
- 核心特色：OpenAI 视频生成（曾随 ChatGPT Plus 提供）。
- 适用场景：—（已停运）
- 优势：曾是视频生成标杆。
- 局限：已停运，勿被旧文章误导。
- 核心特色：语音合成/克隆，40+ 语言，顶尖音质。
- 适用场景：配音、有声书、语音克隆。
- 优势：语音质量顶尖、克隆逼真。
- 局限：付费额度消耗快。
- 核心特色：AI 音乐生成（作词作曲），输入文字出完整歌曲。
- 适用场景：音乐创作、背景音乐。
- 优势：上手快、音乐完整。
- 局限：免费档不可下载。
- 核心特色：开源生图模型，可本地部署无限生成。
- 适用场景：开发者、本地生图、二次开发。
- 优势：开源可控、无限生成。
- 局限：需技术能力/GPU。
- 核心特色：Seedance 视频生成（多镜头、原生音频），生图；多个视频榜靠前。
- 适用场景：短视频、营销视频。
- 优势：视频榜靠前、字节生态。
- 局限：免费带水印。
- 核心特色：开源生图模型（写实强），Flux 3 Video 视频生成（视频榜前 3）。
- 适用场景：开发者、写实生图、视频。
- 优势：写实强、开源、视频榜前 3。
- 局限：需 API/部署。
- 核心特色：Wan 系列视频生成，视频编辑榜第 1。
- 适用场景：视频生成、编辑。
- 优势：视频编辑强、阿里生态。
- 局限：免费额度有限。
- 核心特色：GPT Image 2.5，文生图榜第 1，提示词遵循强。
- 适用场景：生图（随 ChatGPT）。
- 优势：文生图榜首、提示词遵循强。
- 局限：需 ChatGPT 订阅。
- 核心特色：微软生图模型，Mai Image 2.6（文生图榜前 5）。
- 适用场景：生图（Copilot 内）。
- 优势：微软生态。
- 局限：知名度低。
文末总结：一图读懂全部
49 个名词，可以沿着一条主线理解——从模型能力，到工具连接，再到应用与执行循环：
常见 Agent 架构：模型 + 执行循环 + 工具；Harness、Skills 与 MCP 按需组合
- 模型层（1–11）是"引擎"：模型生成内容与工具调用请求；Token 和上下文窗口限定单次处理的信息量。
- 训练层（12–17）是"造引擎"：预训练打底、微调适配任务，蒸馏与量化用于压缩和部署；RAG 通常属于检索增强应用。
- 推理层（18–27）是"开引擎"：Prompt/CoT/RAG/Function Calling 决定它怎么被正确使用。
- Agent 工程层（28–45）是"把人装上车"：Agent Loop 负责干活，Skill 负责"做得专业"，MCP 负责"连得上"，Hook/Harness 负责"管得住"。
- 产品层（46–49）是"你看到的样子"：Chatbot 侧重对话，Copilot 侧重协助，Agent 侧重自主执行；具体产品的能力会重叠。
最重要的三条告诫：① 这些词不是同义词，是不同层，混用会直接导致坏设计；② Agent 可以直接使用工具，MCP 和 Skill 都是可选的工程能力，并不保证执行质量；③ 每加一层能力就多一分风险，第三方 Skill / MCP Server 要像依赖一样先审计再装。
给初学者的建议：先记住"模型→Agent→Skill/MCP/Harness"这条主线，把每个新词都往这条线上"对号入座"，你就不会再把它们混为一谈了。