术语表（扩充版）
---
章节：附录A
更新日期：2026-08-25
A
Agent（智能体）
能够理解任务、选择工具、执行操作、维护状态的 AI 系统。不同于传统聊天机器人，Agent 可以自主完成多步骤任务。
AI-Native（AI 原生）
指从设计阶段就将 AI 能力作为核心组成部分的系统或工作流，而非后期添加。
A/B Testing（A/B测试）
将用户随机分为两组，分别使用不同版本的功能，通过数据对比确定哪个版本更好的方法。
B
Breakpoint Resume（断点续跑）
任务失败后，从上次成功的位置继续执行，不重做已完成步骤的能力。
Bluebook（蓝皮书）
系统性、权威性的行业报告或指南，通常包含理论、实践、案例和规范。
C
Circuit Breaker（熔断器）
当外部服务连续失败达到阈值时，自动停止请求的保护机制，避免级联故障。
Context Window（上下文窗口）
模型在一次推理中可以处理的最大 Token 数量。
Credential（凭据）
用于身份验证的密钥、令牌或密码。
D
Durable Thread（持久线程）
跨会话保持上下文、记忆和状态的长期工作线程。
Degradation（降级）
部分组件失效时，以降低的完整度继续交付，而非完全停止。
Decision First（决策先行）
在画流程图或选工具之前，先想清楚自动化什么决策。
F
Failure Taxonomy（故障分类）
将 Agent 失败按原因分类（如工具选择错误、参数错误、权限 violation），便于定位和修复。
G
Guardrail（护栏）
系统级的安全和合规控制，防止 Agent 执行危险或未授权的操作。
H
Human-in-the-Loop（人在回路）
在自动化流程中保留人工介入点，确保关键决策由人类做出。
I
Idempotency（幂等）
同一操作执行多次，结果一致，不会产生副作用。
L
LLM（大语言模型）
Large Language Model，如 GPT、Claude、Gemini 等。
Loop Drift（循环漂移）
Agent 在长时间运行中逐渐偏离原始目标的现象。
M
MCP（Model Context Protocol）
模型上下文协议，用于 AI 模型与外部工具/数据源的标准化集成。
Model Tiering（模型分级）
根据任务复杂度选择不同成本的模型，简单任务用小模型，复杂任务用大模型。
O
Observability（可观测性）
系统通过日志、指标、链路追踪等方式暴露内部状态的能力。
Orchestrator（编排器）
协调多个 Agent 或步骤的执行顺序、传递数据、管理重试的控制层。
P
Prompt Engineering（提示工程）
通过精心设计输入提示来控制 AI 模型输出的技术。
Prompt Versioning（Prompt 版本管理）
对 Prompt 进行版本控制，便于追踪变更、回滚和 A/B 测试。
Q
Quality Gate（质量门禁）
在流程关键节点设置的检查点，不通过则阻断或降级。
R
RAG（检索增强生成）
Retrieval-Augmented Generation，通过检索外部知识库来增强模型回答的准确性和时效性。
Retry Policy（重试策略）
定义在什么情况下重试、重试几次、等待多久的规则。
Rollback（回滚）
将系统恢复到之前已知良好状态的操作。
S
State Machine（状态机）
将工作流建模为有限状态自动机，每个状态有明确的进入条件、成功出口和失败出口。
SLO（服务等级目标）
Service Level Objective，定义服务可靠性目标的指标，如可用性、延迟、吞吐量。
T
Token
LLM 处理文本的基本单位，约等于一个词或标点。
Tool Use（工具使用）
Agent 调用外部 API、执行命令、操作文件等能力。
Trace（链路追踪）
记录请求从进入到完成的完整路径，包括所有 LLM 调用、工具调用和决策点。
V
Verification Gate（验证门）
在流程关键节点设置的验证步骤，确保当前步骤的输出符合预期后再继续下一步。
W
Workflow as Code（工作流即代码）
用代码而非图形化配置来定义和管理工作流，支持版本化、测试和 Code Review。
📝 版本迭代记录
| 版本 | 日期 | 更新内容摘要 | 操作人 |
|---|---|---|---|
| v1.0 | 2026-08-25 | 创建术语表（扩充版） | 桂皮 |