罗罗编程学习记录

06.11 术语表

所属:全栈开发面试题库 / 学习路径 / 06 AI Agent

中文术语 英文/缩写 一句话准确解释 出现阶段
大语言模型 LLM 在海量文本上预训练、按上下文预测下一段内容的大规模神经网络模型 阶段 1
Transformer Transformer 以自注意力机制为核心的模型结构,是当前主流大模型的基础架构 阶段 1
注意力机制 Attention 让模型在处理每个词时按相关性分配对上下文中其他词的关注权重 阶段 1
分词 Tokenization 把文本切分成模型可处理的最小片段(token)的过程 阶段 1
词元 Token 模型处理与计费的基本单位,一个词或子词对应一个或多个 token 阶段 0、阶段 1
上下文窗口 Context Window 一次请求中模型能同时看到的输入与输出总长度上限,超出需截断或压缩 阶段 1
截断策略 Truncation 上下文超长时按规则丢弃历史、摘要压缩或报错退出的处理方式 阶段 1
采样温度 temperature 控制输出随机性的参数,越低越确定保守,越高越发散多样 阶段 1
核采样 top_p 按概率累积截断候选词范围的采样参数,与 temperature 共同影响随机性 阶段 1
最大输出长度 max_tokens 限制本次模型最多生成的 token 数量,超出即停止 阶段 1
停止序列 stop 遇到指定字符串即结束生成的输出控制参数 阶段 1
多模态 Multimodal 模型可同时处理或生成文本、图像、音频等多种类型信息 阶段 1
提示词 Prompt 发给模型的输入指令与上下文信息,决定模型要完成的任务 阶段 0、阶段 2
零样本 zero-shot 不给示例,仅凭指令让模型完成任务的调用方式 阶段 2
少样本 few-shot 在提示词中给出少量示例,引导模型按示例格式与风格作答 阶段 2
思维链 CoT 让模型把推理过程分步写出来,以提升复杂推理任务正确率的方法 阶段 2
JSON 模式 JSON Schema 用结构化字段定义约束输出格式的契约,保证解析可预期 阶段 2
结构化输出 Structured Output 模型按约定 Schema 直接产出可被程序解析的结构化数据 阶段 2
提示词模板 Prompt Template 把固定指令与可变变量分离、可复用与版本管理的提示词组织方式 阶段 2
评测集 Evaluation Dataset 固定一批带标准答案或打分标准的用例,用于回归衡量模型与提示词效果 阶段 2、阶段 7
函数调用 Function Calling 模型根据工具定义决定是否调用外部函数,并返回结构化调用参数的机制 阶段 3
工具调用 Tool Calling Function Calling 的泛称,模型把请求交给外部工具执行再回填结果 阶段 3
工具 Schema Tool Schema 用 JSON 描述工具名称、用途、参数类型与约束的定义文件 阶段 3
幂等 Idempotency 同一工具被重复执行多次,结果与执行一次相同,重试不会产生副作用 阶段 3
模型上下文协议 MCP 标准化 AI 应用连接外部数据源、工具与工作流的开放协议,分为客户端与服务端 阶段 3
工具沙箱 Sandbox 隔离执行工具代码的受限环境,限制文件、网络与系统访问以控制风险 阶段 3、阶段 7
检索增强生成 RAG 先从知识库检索相关资料,再把资料带入上下文让模型生成带依据答案的技术路线 阶段 4
文本切分 Chunking 把长文档切成适合检索与拼装的小段文本的过程 阶段 4
嵌入向量 Embedding 把文本映射为一组数值向量,使语义相近的文本在向量空间中距离更近 阶段 4
向量相似度 Vector Similarity 用余弦距离等度量衡量两段文本向量语义接近程度的指标 阶段 4
元数据过滤 Metadata Filtering 按时间、标签、部门等标量条件先筛文档,再做向量相似度检索 阶段 4
关键词检索 BM25 基于词项匹配与词频统计的传统检索算法,擅长精确术语匹配 阶段 4
混合检索 Hybrid Search 结合关键词检索与向量检索两路结果,融合排序后返回候选段落 阶段 4
重排 Rerank 对初筛召回的候选结果用更强模型或规则二次精排,保留最相关段落 阶段 4
幻觉 Hallucination 模型生成看似合理但无依据、与事实不符或编造来源的内容 阶段 4、阶段 7
拒答 Refusal 资料不足或问题超出范围时,模型明确表示无法回答而非强行编造 阶段 4
增量索引 Incremental Indexing 文档新增、修改、删除时局部更新向量索引,避免全量重建 阶段 4
RAG 评测框架 RAGAS 以召回、忠实度、答案相关性等指标系统化评估 RAG 链路质量的工具 阶段 4
反思推理 ReAct 模型交替进行推理思考与工具行动、观察结果的 Agent 循环模式 阶段 5
规划执行 Plan-Execute 先由规划模块拆解任务步骤,再逐步执行并按反馈修订计划的模式 阶段 5
自我反思 Reflection Agent 对已完成步骤自检并修正错误的自我改进机制 阶段 5
子智能体 subagent 被主 Agent 委派负责某一类子任务的独立 Agent,完成后返回结果 阶段 5
编排 Orchestration 对多步骤、多工具、多 Agent 的流程与状态进行调度与组织 阶段 5、阶段 6
上下文压缩 Context Compaction 把冗长历史与中间结果摘要或裁剪,释放上下文窗口空间的手段 阶段 5
长期记忆 Long-term Memory 跨会话持久化存储用户偏好、历史事实与结论,按需检索回上下文 阶段 5
检查点 Checkpoint 持久化 Agent 当前状态的快照,用于长任务中断后断点续跑 阶段 5、阶段 6
预算控制 Budget Control 对 Agent 可消耗的步数、token、时间与成本设上限并兜底退出 阶段 5
状态图 State Graph LangGraph 中以节点、边与共享状态描述 Agent 流程的编排模型 阶段 6
服务端推送事件 SSE 服务器单向流式推送数据到前端的协议,用于逐字返回模型输出 阶段 6
轨迹追踪 Trace 记录一次请求链路中各模型调用、工具调用与状态变化的可回放日志 阶段 6
语义缓存 Semantic Cache 按问题语义相似度命中历史回答,避免重复调用模型以降本提速 阶段 6
提示注入 Prompt Injection 在输入或资料中夹带恶意指令,诱导模型偏离原定任务的攻击方式 阶段 7
最小权限 Least Privilege 工具与账号只授予完成任务所必需的最小权限,降低滥用与越权风险 阶段 3、阶段 7
任务完成率 Task Completion Rate 评测中 Agent 独立完成目标任务的用例占比,是 Agent 类项目核心指标 阶段 7
Bad case 回流 Case Feedback Loop 把线上出错的样本回收进评测集,驱动提示词、工具与检索持续改进的闭环 阶段 7