基础概念

名词

解释

Context（上下文）

模型在生成回复时所依据的输入信息，包括用户问题、历史对话、系统指令等。上下文长度（如 128K）限制了模型能“记住”多少内容。

Memory（记忆）

智能体或应用保存历史交互的能力，用于维持长期对话一致性。分为短期记忆（当前会话）和长期记忆（向量数据库存储）。

Prompt（提示词）

用户输入给大模型的指令或问题。高质量 Prompt 能显著提升输出效果（即 Prompt Engineering）。

信息获取与增强

名词

解释

Search（搜索）

智能体主动从互联网或内部知识库检索实时信息的能力（如调用 Bing API）。

RAG（Retrieval-Augmented Generation，检索增强生成）

先从外部知识库检索相关文档，再将结果注入 Prompt 供模型生成答案。解决模型知识过时/幻觉问题。

MCP（Model Context Protocol，模型上下文协议）

新兴标准协议（由 A2A 联盟提出），定义智能体如何安全、结构化地共享上下文、工具和数据。目标是实现不同 AI 系统互操作（类似“AI 的 HTTP”）。

智能体（Agent）体系

名词

解释

Agent（智能体）

能自主规划、调用工具、执行任务的 AI 系统。例如：自动订机票、分析财报。

SubAgent（子智能体）

主智能体分解出的专项子任务执行者（如“数据查询子 Agent”、“报告撰写子 Agent”）。

SKILL（技能）

智能体可调用的原子化能力单元（如“发送邮件”、“调用 Python”）。通常封装为函数。

Workflow（工作流）

预定义的任务执行流程，规定多个 Agent/Skill 的协作顺序（如：搜索 → 分析 → 生成报告）。

核心技术

名词

解释

Function Calling（函数调用）

大模型识别用户需求后，主动调用预定义函数（如 get_weather(city)）获取外部数据。是 Agent 实现工具使用的核心机制。

LangChain

主流开源框架，提供构建 Agent、RAG、Memory 等模块的标准化组件（Python/JS）。简化复杂 AI 应用开发。

开发工具 & 产品

名词

解释

Codex

OpenAI 早期推出的 代码生成模型（已停止更新），曾用于 GitHub Copilot。

Claude Code

Anthropic 的 Claude 模型在 代码理解/生成 方面的能力（非独立产品）。

Cursor

基于 Claude/GPT 的 AI 原生代码编辑器，支持自然语言编程、代码解释、跨文件修改。

Trae

移动端 AI 编程助手（类似 Cursor 的手机版），主打快速生成/调试代码片段。

OpenClaw（大龙虾）

开源智能体框架，聚焦 浏览器自动化（通过控制 Chrome 执行网页操作），适合 RPA 场景。

关系总结

补充说明

  • MCP 是未来重点：旨在解决当前 Agent 生态碎片化问题（如 LangChain、OpenClaw 各自为政），推动跨平台工具调用。

  • OpenClaw 特色：通过 真实浏览器操作（而非模拟 API）完成任务，适合处理复杂 Web 应用（如登录、点击、上传）。

  • RAG vs Search：RAG 依赖私有知识库，Search 依赖公网实时数据，二者常结合使用。