人工智能与智能体开发必备概念指南

一、机器学习基础 · 监督学习：利用已标注的数据集进行训练，建立输入到输出的对应关系。 · 无监督学习：基于未标记的数据，自动挖掘潜在的内部结构或规律。 · 强化学习：智能体通过与环境的交互试错，依据奖励和惩罚机制学习最优决策方案。 · 特征与标签：特征指输入的属性信息，标签则是需要预测的目标值。 二、核心算法与模型 · 神经网络：模仿人脑神经元结构的计算模型。 · 深度学习：运用多层神经网络结构的机器学习分支。 · Transformer：基于自注意力机制的模型架构，是现代大规模语言模型的基础。 · 大语言模型（LLM）：在海量文本数据上训练的超大规模Transformer网络，具备生成和理解自然语言的能力。 三、训练关键技术 · 损失函数：评估模型预测结果与真实值的偏差程度，目标是将其降至最低。 · 反向传播：计算损失相对于参数的梯度，是神经网络学习的核心机制。 · 优化器（SGD、Adam等）：依据梯度信息更新模型参数的具体方法。 · 过拟合与欠拟合：过拟合指学习了数据中的噪声，欠拟合指未能充分学习训练数据。 · 训练/验证/测试集：分别用于参数学习、超参数调整、最终性能评估。 四、数据处理与工程 · Token：大语言模型处理的最小文本单元，可以是完整单词或子词片段。 · Embedding：将文本、图像等原始数据转化为稠密的数值向量表示。 · 提示词（Prompt）：输入给AI的指令内容，用于引导生成特定输出。 · RAG（检索增强生成）：先从外部获取相关知识，再交由LLM生成答案，有效缓解幻觉问题。 五、生成式AI常用概念 · 温度（Temperature）：调节生成随机性的参数，数值越高输出越多样化。 · 上下文窗口：模型单次能够处理和记忆的输入Token总量。 · 幻觉：模型以自信的姿态生成看似合理但实际错误的内容。 · 多模态：同时处理文本、图像、音频等多种类型数据的能力。现代多模态还体现在A2A协议的多模态体验协商上。 六、智能体开发核心概念 （一）基础概念 · 智能体（Agent）：能够自主感知环境、进行决策并执行相应动作的AI程序。 · 大模型作为智能体核心：以LLM作为核心推理引擎，负责任务理解、规划分解、工具调用等工作。 · 规划（Planning）：将复杂任务拆分为多个子任务，并确定执行顺序。常用方法包括思维链（CoT）、任务分解等。 · 工具使用（Tool Use）：智能体调用外部函数、API接口、数据库等获取信息或执行具体操作。 · 记忆（Memory）：保存和调用历史交互信息。分为短期记忆（当前上下文）和长期记忆（向量数据库存储）。 · 反射（Reflection）：智能体对自身过往行为进行自我评估和修正的能力。 · 自主行为（Autonomous Action）：无需人工逐步干预，自动执行一系列操作的能力。 · 多智能体系统（Multi-Agent System）：多个智能体协同工作或相互竞争以解决问题的架构。 · 智能体框架：用于开发编排的工具平台，如LangChain、AutoGen、CrewAI、Semantic Kernel等。 · ReAct模式：融合“推理（Reason）”与“行动（Act）”的智能体设计范式：思考→行动→观察→循环迭代。 · 工具调用 / 函数调用：模型输出结构化的调用请求，由运行环境执行后返回结果。这是LLM连接外部工具的基础方式，但通常存在厂商绑定问题；MCP在此基础上构建了标准化通信协议。 · 智能体循环（Agent Loop）：持续执行的“思考→选择工具→执行→观察→再思考”核心循环流程。 · 知识库：结合RAG技术，为智能体提供外部权威知识支撑。 · 动作空间：智能体能够执行的所有可能动作的集合范围。 · 观测（Observation）：执行动作后从环境中获得的结果反馈信息。 · 环境（Environment）：智能体所处并与之交互的外部系统（可以是数字环境、模拟环境或物理环境）。 （二）核心通信协议层（MCP、A2A、AG-UI等） · MCP（模型上下文协议）：Anthropic发布的开源标准，为AI模型与外部数据源、工具和API提供统一的交互框架。定义了Tools（执行操作）、Resources（资源读取）、Prompts（可复用提示模板）三大核心能力。解决了传统函数调用存在的厂商绑定、缺乏执行标准等问题。 · A2A（代理间协议）：Google发起的开放标准，旨在解决不同框架、不同厂商的Agent之间的协作难题。通过Agent Card（代理卡）描述各方的能力与接口，支持任务完整生命周期的管理。 · AG-UI（代理-用户界面协议）：搭建AI与用户界面之间的双向交互通道，建立标准化的前端交互规范。 · MCP与A2A的协同关系：MCP负责智能体（大脑）与外部工具（手脚）之间的纵向连接；A2A负责智能体相互之间的横向协作。 · AIP（智能体互联协议）：中国主导的国家标准级多中心化通信协议，重点关注可信接入、身份认证、结算审计等大规模产业应用层面的问题。 · ANP（代理网络协议）：专注于构建底层开放生态的智能体通信协议。 · ACP（代理通信协议）：源自IBM的BeeAI框架，适用于需要强逻辑推理的智能体协作场景。 · ATH（智能体可信握手协议）：聚焦安全领域，通过智能体-应用-用户三方参与的9步握手流程实现双向身份验证。 七、其他常见概念 · 图灵测试：评估机器能否表现出与人类无法区分的智能行为。 · 强AI vs 弱AI：弱AI专注于特定任务（当前所有实际存在的AI系统）；强AI具备通用意识和自主思维（目前尚未实现）。 · AGI（通用人工智能）：在广泛任务领域能够达到或超越人类水平的AI系统。 · 对齐：确保AI系统的目标和行为与人类价值观保持一致。