Agent & AI 名词大扫盲

文章目录

- [1. 为什么需要这场"名词大扫盲"](#1. 为什么需要这场“名词大扫盲”)
- [2. 第一层：AI 的"家谱"](#2. 第一层：AI 的“家谱”)
- - [2.1 AI（Artificial Intelligence，人工智能）](#2.1 AI（Artificial Intelligence，人工智能）)
  - [2.2 机器学习（Machine Learning，ML）](#2.2 机器学习（Machine Learning，ML）)
  - [2.3 深度学习（Deep Learning，DL）](#2.3 深度学习（Deep Learning，DL）)
- [3. 第二层：大模型相关名词](#3. 第二层：大模型相关名词)
- - [3.1 大模型 / 基座模型（Foundation Model）](#3.1 大模型 / 基座模型（Foundation Model）)
  - [3.2 LLM（Large Language Model，大语言模型）](#3.2 LLM（Large Language Model，大语言模型）)
  - [3.3 多模态模型（Multimodal Model）](#3.3 多模态模型（Multimodal Model）)
  - [3.4 Transformer](#3.4 Transformer)
  - [3.5 Token（词元）](#3.5 Token（词元）)
  - [3.6 Prompt（提示词）](#3.6 Prompt（提示词）)
  - [3.7 上下文窗口（Context Window）](#3.7 上下文窗口（Context Window）)
  - [3.8 幻觉（Hallucination）](#3.8 幻觉（Hallucination）)
- [4. 第三层：Agent 相关名词](#4. 第三层：Agent 相关名词)
- - [4.1 什么是 Agent（智能体）](#4.1 什么是 Agent（智能体）)
  - [4.2 LLM 与 Agent 的关系](#4.2 LLM 与 Agent 的关系)
  - [4.3 Function Calling / Tool Calling（函数调用 / 工具调用）](#4.3 Function Calling / Tool Calling（函数调用 / 工具调用）)
  - [4.4 RAG（Retrieval-Augmented Generation，检索增强生成）](#4.4 RAG（Retrieval-Augmented Generation，检索增强生成）)
  - [4.5 多 Agent（Multi-Agent）](#4.5 多 Agent（Multi-Agent）)
  - [4.6 Agent 工作流 / 编排（Orchestration）](#4.6 Agent 工作流 / 编排（Orchestration）)
- [5. 第四层：常见易混名词辨析](#5. 第四层：常见易混名词辨析)
- - [5.1 AIGC（AI Generated Content，人工智能生成内容）](#5.1 AIGC（AI Generated Content，人工智能生成内容）)
  - [5.2 AGI（Artificial General Intelligence，通用人工智能）](#5.2 AGI（Artificial General Intelligence，通用人工智能）)
  - [5.3 微调（Fine-Tuning）](#5.3 微调（Fine-Tuning）)
  - [5.4 预训练 / 后训练 / 推理（Inference）](#5.4 预训练 / 后训练 / 推理（Inference）)
  - [5.5 向量数据库（Vector Database）](#5.5 向量数据库（Vector Database）)
  - [5.6 嵌入 / Embedding](#5.6 嵌入 / Embedding)
  - [5.7 对齐（Alignment）](#5.7 对齐（Alignment）)
  - [5.8 温度 / Temperature](#5.8 温度 / Temperature)
- [6. 一张表快速回顾](#6. 一张表快速回顾)
- [7. 总结](#7. 总结)

1. 为什么需要这场"名词大扫盲"

过去一年，AI 领域的新词层出不穷：大模型、Agent、RAG、Prompt、微调、多模态、AGI......技术博客天天讨论，产品发布会轮番轰炸，运营号也总在说"我们接入了大模型""我们上了 Agent"，但很多读者其实对这些词只有模糊的印象，甚至把几个概念混为一谈。

一个很典型的场景是：同事说"我们用 RAG 做知识库问答"，你可能只知道它"跟 AI 有关"；面试官问"Agent 和普通大模型应用有什么区别"，你可能能说出一两句，却讲不清边界；看到"AGI 要来了"的标题党，你也不确定该不该焦虑。

这篇文章不堆公式、不讲论文，只做一件事：用最直白的语言，把 Agent 和 AI 领域的核心名词逐个讲清楚。

我们会把这些词分四层来拆：

第一层：AI 的"家谱"，先搞懂 AI、机器学习、深度学习、大模型之间到底是什么关系；
第二层：大模型相关名词，理解 Token、Prompt、上下文窗口、幻觉这些日常使用中的高频词；
第三层：Agent 相关名词，重点讲 Agent、工具调用、RAG、多 Agent、编排；
第四层：常见易混名词辨析，把 AIGC、AGI、微调、推理、向量数据库、Embedding、对齐、温度等容易混淆的词放在一起对比。

读完以后，你至少能听懂别人在聊什么，也能在选型、学习和面试时少踩坑。

2. 第一层：AI 的"家谱"

先建立一张概念地图，后面的名词都能挂在上面。
#mermaid-svg-VFCuAegcpgWZLQuE{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-VFCuAegcpgWZLQuE .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-VFCuAegcpgWZLQuE .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-VFCuAegcpgWZLQuE .error-icon{fill:#552222;}#mermaid-svg-VFCuAegcpgWZLQuE .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-VFCuAegcpgWZLQuE .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-VFCuAegcpgWZLQuE .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-VFCuAegcpgWZLQuE .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-VFCuAegcpgWZLQuE .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-VFCuAegcpgWZLQuE .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-VFCuAegcpgWZLQuE .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-VFCuAegcpgWZLQuE .marker{fill:#333333;stroke:#333333;}#mermaid-svg-VFCuAegcpgWZLQuE .marker.cross{stroke:#333333;}#mermaid-svg-VFCuAegcpgWZLQuE svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-VFCuAegcpgWZLQuE p{margin:0;}#mermaid-svg-VFCuAegcpgWZLQuE .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-VFCuAegcpgWZLQuE .cluster-label text{fill:#333;}#mermaid-svg-VFCuAegcpgWZLQuE .cluster-label span{color:#333;}#mermaid-svg-VFCuAegcpgWZLQuE .cluster-label span p{background-color:transparent;}#mermaid-svg-VFCuAegcpgWZLQuE .label text,#mermaid-svg-VFCuAegcpgWZLQuE span{fill:#333;color:#333;}#mermaid-svg-VFCuAegcpgWZLQuE .node rect,#mermaid-svg-VFCuAegcpgWZLQuE .node circle,#mermaid-svg-VFCuAegcpgWZLQuE .node ellipse,#mermaid-svg-VFCuAegcpgWZLQuE .node polygon,#mermaid-svg-VFCuAegcpgWZLQuE .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-VFCuAegcpgWZLQuE .rough-node .label text,#mermaid-svg-VFCuAegcpgWZLQuE .node .label text,#mermaid-svg-VFCuAegcpgWZLQuE .image-shape .label,#mermaid-svg-VFCuAegcpgWZLQuE .icon-shape .label{text-anchor:middle;}#mermaid-svg-VFCuAegcpgWZLQuE .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-VFCuAegcpgWZLQuE .rough-node .label,#mermaid-svg-VFCuAegcpgWZLQuE .node .label,#mermaid-svg-VFCuAegcpgWZLQuE .image-shape .label,#mermaid-svg-VFCuAegcpgWZLQuE .icon-shape .label{text-align:center;}#mermaid-svg-VFCuAegcpgWZLQuE .node.clickable{cursor:pointer;}#mermaid-svg-VFCuAegcpgWZLQuE .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-VFCuAegcpgWZLQuE .arrowheadPath{fill:#333333;}#mermaid-svg-VFCuAegcpgWZLQuE .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-VFCuAegcpgWZLQuE .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-VFCuAegcpgWZLQuE .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-VFCuAegcpgWZLQuE .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-VFCuAegcpgWZLQuE .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-VFCuAegcpgWZLQuE .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-VFCuAegcpgWZLQuE .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-VFCuAegcpgWZLQuE .cluster text{fill:#333;}#mermaid-svg-VFCuAegcpgWZLQuE .cluster span{color:#333;}#mermaid-svg-VFCuAegcpgWZLQuE div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-VFCuAegcpgWZLQuE .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-VFCuAegcpgWZLQuE rect.text{fill:none;stroke-width:0;}#mermaid-svg-VFCuAegcpgWZLQuE .icon-shape,#mermaid-svg-VFCuAegcpgWZLQuE .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-VFCuAegcpgWZLQuE .icon-shape p,#mermaid-svg-VFCuAegcpgWZLQuE .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-VFCuAegcpgWZLQuE .icon-shape .label rect,#mermaid-svg-VFCuAegcpgWZLQuE .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-VFCuAegcpgWZLQuE .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-VFCuAegcpgWZLQuE .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-VFCuAegcpgWZLQuE :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} AI（人工智能）
机器学习（ML）
深度学习（DL）
大模型 / LLM
Agent / 智能体

这张图可以这样理解：下面的每一项都属于上面那一项。AI 的范围最广，机器学习是 AI 的一种实现方式，深度学习是机器学习的一种方法，大模型通常又建立在深度学习之上。

2.1 AI（Artificial Intelligence，人工智能）

最上层的总称，指"让机器表现出类似人类的智能"。这个概念从 1956 年达特茅斯会议正式提出，范围非常宽：下棋、语音识别、图像分类、写代码、自动驾驶，都算 AI。

这里要破除一个误区：AI 不等于"机器人"。扫地机器人、聊天机器人只是 AI 的一种载体，AI 更核心的是背后的算法和模型。你手机里的语音助手、购物软件的推荐系统、地图的路线规划，背后都有 AI。

所以不要一听到 AI 就觉得它必须像"人一样思考"。很多 AI 只是在某个具体任务上做得比人快、比人稳，比如识别一张图里有没有猫，或者从一万篇文档里快速找到最相关的一段。

2.2 机器学习（Machine Learning，ML）

AI 的一个子集。传统程序是"人写规则，机器执行"，而机器学习是人给数据，机器自己从数据里学出规则。

打个比方：

传统程序像是老师把每道题的解法一条条写下来，学生照着做；
机器学习像是老师只给学生看大量例题和答案，学生自己总结规律，以后遇到新题也能做。

比如垃圾邮件分类，传统做法可能要写一大串规则："包含'中奖'二字算垃圾""包含某个发件人算垃圾"。但垃圾邮件的花样天天变，规则很快就失效。机器学习的做法是：喂给模型大量"垃圾/非垃圾"邮件，它自己会找到那些隐含的信号，比如某些词汇组合、发送频率、链接特征等。

常见的机器学习任务包括：

分类：这封邮件是垃圾还是正常？
回归：预测明天的房价是多少？
聚类：把用户分成几个兴趣群体？
推荐：这个用户可能喜欢哪件商品？

2.3 深度学习（Deep Learning，DL）

机器学习的子集，核心是多层神经网络。层数多、参数规模大，表达能力就更强，适合处理图像、语音、文本这类复杂数据。

通俗理解：机器学习里，很多方法需要人先"手工挑特征"，比如判断一只动物是不是猫，先让专家告诉程序要看耳朵、胡须、尾巴。而深度学习能自己从原始数据里一层层抽象出特征：第一层可能识别边缘和颜色，第二层识别眼睛、耳朵，第三层识别整张猫脸。

这个"层"就是神经网络里的层。层越多，能学到的模式就越复杂。今天我们看到的大模型，底层基本都是深度学习，而且模型规模巨大，所以训练时需要大量算力和数据。

一句话概括：AI ⊃ 机器学习 ⊃ 深度学习 ⊃ 大模型。

3. 第二层：大模型相关名词

3.1 大模型 / 基座模型（Foundation Model）

在超大规模数据上预训练出来的通用模型。它的特点是"什么都会一点"：能写作、能翻译、能写代码。ChatGPT 背后的 GPT 系列、文心一言、通义千问都属此类。

为什么叫"基座模型"？因为它像一个"半成品底座"：已经学过了海量文本，具备通用的语言理解和生成能力，但未必擅长你的具体业务。你可以在这个基座上继续微调，或者通过 Prompt、RAG 等方式让它适配你的场景。

理解这个"预训练"很重要：大模型不是在回答你问题时才现学，而是在发布之前，已经用几千亿 Token 的文本"读过"了很大一部分互联网。你问它问题时，它是根据已经学到的知识来生成答案。

3.2 LLM（Large Language Model，大语言模型）

专门处理文本的大模型。GPT、Llama、Qwen、DeepSeek 等都是 LLM。LLM 是大模型中最主流的一类，日常说的"大模型"多数时候就是指 LLM。

严格来说，"大模型"的范围更大，除了语言模型，还有图像大模型、视频大模型、语音大模型等。但因为我们最常跟文本模型打交道，所以两个词经常被混用。你在看资料时只需要记住：LLM 一定是大模型，但大模型不一定是 LLM。

LLM 的核心能力不是"搜索答案"，而是"预测下一个 Token"。它生成文字时，本质上是在回答"这段话后面最可能接什么"。正因为整个过程是概率式的，所以它既可能很聪明，也可能出现后面要讲的"幻觉"。

3.3 多模态模型（Multimodal Model）

能同时处理多种数据类型的模型，比如文本 + 图片 + 音频 + 视频。GPT-4o、Gemini 都属于多模态，你发一张截图让它解读，就是多模态能力在起作用。

"模态"可以理解为信息的形式。文本是一种模态，图片是另一种。传统模型往往只擅长一种输入，而多模态模型可以把不同模态的信息放到同一个"理解空间"里，例如看到一张表格截图，直接输出分析结论；听到一段语音，直接整理成会议纪要。

多模态模型的价值在于更接近人类的感知方式：我们理解世界不是只看文字，而是眼睛、耳朵一起上。产品层面，多模态也极大扩展了 AI 的应用场景，从纯文本问答走向"看懂图片、听懂语音、看懂视频"。

3.4 Transformer

一种神经网络架构，2017 年由 Google 在论文《Attention Is All You Need》中提出，是目前几乎所有大模型的底座。它最大的贡献是并行处理能力强，并且靠"注意力机制"高效捕捉长文本里的关联。

普通人不一定需要懂 Transformer 的数学细节，但可以记住两个关键词：

注意力机制（Attention）：模型能"知道"一句话里哪些词更应该关注。比如"小明把苹果给了小红，因为它很甜"，这里的"它"指"苹果"而不是"小红"，注意力机制就是帮模型建立这种关联。
并行计算：相比早期逐词处理的模型，Transformer 可以同时处理整段序列，训练效率大幅提升，这也让今天动辄几千亿参数的大模型成为可能。

你不需要会写 Transformer，但如果别人说"这个模型是基于 Transformer 的"，你就能理解：它的底座是当前最主流的那套架构。

3.5 Token（词元）

模型处理文本的最小单位。一个 Token 大约对应一个英文单词，或一个汉字，或几个字符。模型并不是"一个字一个字"地读，而是把文本切成 Token 再计算。所以你会看到 API 按 Token 计费、上下文窗口按 Token 计算。

这里容易混淆的是：Token 不等于"字"。以中文为例，"我喜欢学习 AI"可能被切分成几个 Token，具体数量取决于分词方式；"ChatGPT"这个英文单词可能被拆成"Chat""G""PT"等多个 Token。不同模型的切分规则也不同。

为什么插件要关心这个？因为：

计费按 Token 算，提示词越长，成本越高；
上下文窗口也按 Token 算，长文本可能装不下；
有些场景要估算 Token 数，才能判断该发多少内容给模型。

3.6 Prompt（提示词）

你给模型的那段输入，就是 Prompt。它可以是问题、指令或背景材料。同样一个模型，Prompt 写得好不好，结果差距巨大，这也是"提示工程（Prompt Engineering）"存在的意义。

举一个对比：

差 Prompt："写个方案。"
好 Prompt："你是资深产品经理，请为一家面向中小企业的 SaaS 公司写一份 2026 年三季度客户留存提升方案，要求包含现状分析、3 个可执行策略、成本预估和风险提示，控制在 1000 字以内。"

好的 Prompt 通常会包含：角色、任务、背景、约束、输出格式。这也是为什么很多公司招"提示词工程师"，本质上是把业务需求翻译成模型最容易理解的形式。

3.7 上下文窗口（Context Window）

模型一次能"看见"多少 Token 的上限。输入 + 输出都算在里面。窗口越大，越能处理长文档、长对话，但也越贵、越慢。

举个例子：如果某个模型的上下文窗口是 128K Token，那么你发给它的文章、对话历史，加上它要生成的回复，合起来不能超过这个上限。超出的部分会被截断，模型就"记不住"了。

所以做长文档总结、多轮对话、超长代码分析时，上下文窗口是硬约束。现在虽然很多模型支持 100 万 Token 的超长窗口，但实践中仍要考虑成本、速度和注意力分散的问题。

3.8 幻觉（Hallucination）

模型一本正经地胡说八道。它不是在"故意骗人"，而是生成式模型的固有特性：它擅长拼出通顺的文字，但不保证事实正确。解决幻觉的常见手段之一，就是下面要讲的 RAG。

典型的幻觉场景：你问"某公司 2026 年 Q2 财报显示营收多少"，模型可能给出一个听起来很合理、实际上并不存在的数字。它不是在查资料，而是在"编一段像真的"的文字。

应对幻觉有三招：

让模型给来源：要求它引用原文或链接，方便你核对；
外挂知识库：用 RAG 先检索真实资料，再让模型基于资料回答；
重要信息人工复核：把模型输出当成"初稿"，而不是最终事实。

4. 第三层：Agent 相关名词

4.1 什么是 Agent（智能体）

这是近来最火也最容易被神化的词。简单说：

Agent = 大模型 + 工具 + 自主决策。

普通的大模型用法是"一问一答"：你提问，它回答。而 Agent 更进一步------它能自己规划步骤、调用工具、观察结果、再决定下一步，直到完成一个复杂目标。

举个例子：你问"帮我查一下北京明天的天气，如果不适合户外就改期到下周三"。普通对话模型会告诉你"我查不了实时天气"，或者直接给个泛泛回答；而 Agent 会：

调用天气查询工具；
拿到明天的天气结果；
判断是否适合户外；
若不适合，再调用日历工具查下周三的安排；
给出最终建议。

这就是"自主决策"的差异：不是每一轮都等你下指令，而是自己拆解任务、自己找工具、自己根据执行结果调整计划。

但也要泼一盆冷水：Agent 的能力边界受制于模型本身和工具质量。如果模型推理能力不够，或者工具接口不好用，Agent 也可能在中间步骤卡住、跑偏，甚至越做越乱。所以它更适合流程相对清楚、步骤可以验证的任务，而不是完全开放式的"帮我搞定一切"。

4.2 LLM 与 Agent 的关系

LLM 是 Agent 的大脑，但不是全部。Agent 还需要：

工具调用：查天气、搜网页、执行代码、读写数据库；
记忆：记住对话历史、中间结果，避免重复劳动；
规划：把大目标拆成小步骤，甚至随时调整计划。

所以：所有 Agent 都依赖 LLM，但不是所有 LLM 应用都是 Agent。

判断一个应用是不是 Agent，可以问三个问题：

它会不会自己决定"下一步做什么"？
它会不会调用外部工具？
它会不会根据工具返回的结果调整后续动作？

如果都是"是"，那它基本就是一个 Agent；如果只是"你问一句，它答一句"，那还只是普通的大模型应用。

4.3 Function Calling / Tool Calling（函数调用 / 工具调用）

让模型"动手"的关键机制。开发者预先定义一批工具（比如 get_weather(city)、search_web(query)），模型根据用户意图，决定要不要调用、调用哪个、传什么参数。调用完把结果塞回对话，模型再继续作答。

一个简化版流程大致是：

text 复制代码

用户输入
  ↓
模型判断：需要调用工具吗？
  ↓ 需要
模型输出：工具名 + 参数
  ↓
开发者执行工具，拿到结果
  ↓
把结果返回给模型
  ↓
模型参考结果，生成最终回答

需要注意：模型本身不直接执行代码或访问数据库。它只是"说"我要调用哪个函数、参数是什么，真正执行的是开发者的程序。因此，参数必须经过校验，尤其是涉及数据库写入、对外发送请求等危险操作时，应该加入权限控制和人工确认，避免模型"乱来"。

这是 Agent 能落地的基础能力。没有它，模型只能"说"；有了它，模型才能"做"。

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

一种让模型"外挂知识库"的方法。流程是：

先从外部知识库检索相关文档片段；
把检索到的内容拼进 Prompt；
让模型基于这些资料生成回答。

好处是：能回答模型训练时没见过的最新信息、企业内部私密资料，同时大幅减少幻觉。很多企业知识库问答、智能客服都建立在 RAG 之上。

为什么 RAG 比"只靠模型自己记忆"更靠谱？因为模型的知识截止到某个训练时间点，而且不会记住你们公司内部的某个具体制度。RAG 相当于每次回答问题前，先"翻资料"，再"照着资料说"。

一个典型的 RAG 问答流程是：

用户提问；
系统把问题转换成向量，去向量数据库检索最相似的文档片段；
把问题 + 检索到的片段拼进 Prompt；
模型基于这些资料生成答案，并可以标注引用来源。

4.5 多 Agent（Multi-Agent）

单个 Agent 能力有限，于是有人让多个 Agent 协作：一个负责规划，一个负责写代码，一个负责测试，一个负责审查。它们之间通过消息传递分工协作，像一个小团队。

举个例子，在一个"自动生成周报"的系统里，可以这样分工：

规划 Agent：拆解任务，确定要收集哪些数据；
数据 Agent：调用内部系统，拉取销售、项目、运营数据；
写作 Agent：把数据整理成结构清晰的周报；
审核 Agent：检查数字是否一致、语言是否得体。

典型场景包括软件开发、复杂研究任务。多 Agent 框架（如 AutoGen、CrewAI、LangGraph）就是用来编排这些角色的。

不过要提醒一句：多 Agent 并不是越多越好。每增加一个 Agent，就多一层沟通成本和出错概率，所以简单流程用单 Agent 往往更稳，只有任务真的足够复杂时，才值得上多 Agent。

4.6 Agent 工作流 / 编排（Orchestration）

用代码或框架把"调用模型、调用工具、判断分支、循环重试"串成一套可重复执行的流程。常见编排方式有链式（Chain）、图（Graph）、状态机等。

如果说单个 Agent 是"一个会思考的员工"，那工作流就是"一套标准化作业流程"。它规定：先做什么、什么条件下跳到哪里、失败后重试几次、最后如何汇总结果。

常见的编排形态：

链式（Chain）：A 做完交给 B，B 做完交给 C，像流水线；
图（Graph）：有分支、有循环、有并行，像一张流程图；
状态机：每个节点有明确输入输出状态，适合严格可控的业务流程。

工作中，大多数生产级 Agent 系统都不是"放一个模型自由发挥"，而是用工作流把不确定性关进笼子里，保证它稳定、可控、可复现。

5. 第四层：常见易混名词辨析

5.1 AIGC（AI Generated Content，人工智能生成内容）

用 AI 生成的内容：文字、图片、音频、视频、代码。它是"结果"，不是模型本身。ChatGPT 写的文章、Midjourney 画的图，都叫 AIGC。

容易混淆的是"AIGC"和"大模型"：AIGC 是产出物，大模型是生产工具。就像"照片"和"相机"的关系。你让大模型写一篇文案，那篇文案就是 AIGC。

5.2 AGI（Artificial General Intelligence，通用人工智能）

指具备与人类相当的、能处理任何智力任务的通用智能。目前还没有实现，OpenAI 等公司在朝这个方向努力。简单理解：现在的 AI 是"专用选手"，AGI 是"全能选手"。

现在的大模型虽然在很多任务上表现惊艳，但它们仍然不是 AGI：它们可能会在某些能力上很强，却缺乏持续学习、长期规划、与真实世界交互等通用能力。所以当你看到"AGI 已经实现"之类的说法时，要保持警惕，至少先用"它真的能像人一样处理从未见过的任意任务吗"来问一问。

5.3 微调（Fine-Tuning）

在已经训练好的大模型基础上，用特定领域的数据再训练一小段，让它更擅长某类任务。比如让通用模型更懂医疗问答、更符合某司文风。

对比：RAG 是"外挂资料"，不改变模型本身；微调是"改造模型"，把知识内化进权重。两者常结合使用。

什么时候选 RAG，什么时候选微调？一个简单的判断：

知识更新频繁、需要可溯源 → 优先 RAG；
要求模型稳定地学会某种"风格"或"行为方式" → 考虑微调；
两者不冲突，很多系统会"微调 + RAG"一起用。

5.4 预训练 / 后训练 / 推理（Inference）

预训练：在海量数据上训练基座模型。这个阶段成本极高，动辄几千张 GPU、几个月的训练时间；
后训练：包括微调、对齐（让模型更听话、更有用），可以理解为"出厂前的再加工"；
推理：模型训练完成后，实际用它生成结果的运行过程。你每问 ChatGPT 一次，背后就是一次推理。

打个比方：预训练像"上大学"，后训练像"入职培训"，推理像"正式上岗干活"。普通用户接触到的，通常只有推理这个阶段。

5.5 向量数据库（Vector Database）

专门存储和检索"向量"的数据库。文本、图片经过嵌入模型（Embedding）后变成一串数字向量，语义相近的内容向量也相近。RAG 检索时，就是在向量数据库里找"最相似的几段内容"。

为什么不能直接像普通数据库那样用关键词搜索？因为用户问法和文档写法往往不一样。比如文档里写"公司差旅报销政策"，用户问"出差打车能报销吗"。关键词匹配可能命中不了，但向量检索可以理解两者语义相近，从而找到正确文档。

主流向量数据库包括 Milvus、Qdrant、Weaviate、Pinecone 等，传统的 PostgreSQL、Elasticsearch 也在逐步加入向量检索能力。

5.6 嵌入 / Embedding

把文本、图片等信息转换成高维向量的过程。它是 RAG、语义搜索、推荐系统的底层基础。

可以想象成给每段文字拍一张"语义照片"，两张照片越相似，含义越接近。比如"猫"和"小猫"的向量很近，"猫"和"冰箱"的向量很远。

Embedding 本身不是数据库，也不是最终答案，它只是"把语义变成数字"这个步骤。后面再用向量数据库做检索，才能完成 RAG 的完整链路。

5.7 对齐（Alignment）

让模型的输出符合人类期望：回答问题要真实、有用、无害、不越界。RLHF（基于人类反馈的强化学习）是常见对齐方法之一。

为什么需要对齐？因为大模型在互联网文本上预训练时，不仅学到了有用的知识，也可能学到偏见、错误信息和不当表达。对齐就是通过人类反馈、规则约束等方式，把模型"掰回正轨"。

对齐是个持续的过程，它涉及价值判断，比单纯提升模型准确率要难得多。不同地区、不同产品对"什么是不越界"的标准也不同，所以现在这也是 AI 治理中最受关注的话题之一。

5.8 温度 / Temperature

控制模型输出"随机性"的参数。温度越低，答案越稳定保守；温度越高，答案越发散、有创意。写代码、做事实问答时通常设低，写诗、头脑风暴时设高。

可以用"稳"和"飘"来记：

温度低 → 模型倾向选概率最高的词，输出更稳、更可预期；
温度高 → 模型会更多尝试"不太常见"的词，输出更有变化、更有惊喜。

所以它没有绝对好坏，只取决于你的场景：需要准确，就调低；需要创意，就调高。

6. 一张表快速回顾

名词	一句话解释
AI	让机器表现出智能的总称
机器学习	从数据里自动学规则
深度学习	用多层神经网络学习
大模型 / LLM	海量数据预训练的通用（文本）模型
Token	模型处理文本的最小单位
Prompt	输入给模型的指令
上下文窗口	模型一次能处理的 Token 上限
幻觉	模型一本正经地乱说
Agent	大模型 + 工具 + 自主决策
Function Calling	让模型调用外部工具的机制
RAG	检索外部知识再生成答案
多 Agent	多个智能体分工协作
微调	用特定数据继续训练模型
推理	模型实际生成结果的运行过程
向量数据库	存和检索语义向量的数据库
Embedding	把语义转成向量的过程
对齐	让模型输出符合人类期望
温度	控制输出随机性的参数
AIGC	AI 生成的内容
AGI	尚未实现的通用人工智能

7. 总结

这次扫盲可以归纳成一条清晰的主线：

AI 是大树：机器学习、深度学习、大模型是层层递进的分支；
大模型是底座：Token、Prompt、上下文窗口、幻觉，是使用大模型时的基础概念；
Agent 是大模型之上的"行动者"：依靠工具调用、记忆和规划，从"会聊天"走向"能办事"；
RAG、微调、向量数据库是让大模型更懂"你的世界"的主流手段；
AIGC 与 AGI 一个已遍地开花，一个仍是远方目标。

掌握这些名词，不是为了一显词汇量，而是为了在技术选型、产品设计和日常沟通中，真正搞清楚对方说的是什么、它能做什么、边界在哪里。下次再听到"我们上了 Agent""用 RAG 做知识库"时，你就能往下多问一句：它调用了哪些工具？知识库怎么更新？输出能不能溯源？

下一篇，我们可以挑一个具体场景，动手搭一个最小可用的 Agent。