读一篇 AI 文章，最劝退的往往不是结论，而是名词。

大模型、智能体、MCP、A2A、Token、RAG、蒸馏、微调……这些词摆在正文里，像一道门槛。你大概知道它们各自是干什么的，但要你解释给别人听，又觉得说不清楚。

这篇不打算讲什么新东西，只做一件事：把 AI 行业高频出现的 44 个术语，一个个说清楚它们指什么、不指什么、和旁边那个词差在哪。

按十个小节排好，遇到不确定的词，直接翻到对应条目就行。

---

一、AI 的”大脑”

1. 大模型（LLM，Large Language Model）

大模型指参数量在十亿级以上、用海量文本训练出来的人工神经网络，核心任务是根据已有上下文预测下一个词。正因为”预测下一个词”这件事被做到了很高的准确度，它才表现出对话、写作、编程、推理这些能力。

它和”普通 AI 模型”的差别不在算法血统，而在规模。同样的架构，参数和数据放大到某个量级之后，能力会出现跃升，这也是这类模型被称为”大”的原因。

按处理的输入类型，常见分类有：大语言模型（文本）、视觉大模型（图像）、多模态大模型（文本加图像加音频等混合）、面向科研的科学大模型。

有一点需要先记住：大模型的知识截止于训练数据的时间点，它本身不会主动更新，也不会天然知道你的内部资料。后面讲的 RAG 和微调，都是在这个前提下补短板的手段。

一句话：参数量、训练数据规模远高于传统模型，并因此获得通用能力的模型，叫大模型。

2. Transformer

Transformer 是 2017 年 Google 团队在论文《Attention Is All You Need》中提出的网络架构，用自注意力机制取代了此前处理序列数据主流的 RNN 和 CNN。

RNN 处理一句话是从左到右逐个词推进，越往后的词，对前面信息的记忆越弱。自注意力的做法不同：序列中任意两个位置可以直接建立关联，不受距离影响。这既解决了长距离依赖，也让计算可以大规模并行，而并行能力是训练规模能继续放大的前提。

很多文章把 Transformer 概括成”编码器加解码器”，这只是原始论文的形态。此后分化出三条路线：只用编码器的（BERT 一类，擅长理解）、只用解码器的（GPT、Claude、DeepSeek 一类，擅长生成）、两者都用的（最初的机器翻译形态）。今天说”大模型”，绝大多数指的是解码器这一支。

一句话：Transformer 靠自注意力一次性建模序列中所有位置的关系，是当前主流大模型的共同底座。

3. BERT

BERT 是 Google 在 2018 年发布的模型，全称 Bidirectional Encoder Representations from Transformers，取 Transformer 的编码器部分，训练目标是”把句子里被遮住的词补回来”，因此学到的是双向的语义表示。

它只做理解，不做生成。搜索、文本分类、情感分析、意图识别这类”给定一段文本、输出一个判断”的任务是它的主场。Google 搜索在 2019 年引入 BERT，用来理解长尾查询背后真正想问的东西。

一句话：BERT 是只做理解、不做生成的一类模型，凡是要”读懂”而不是”写出”的场景，都可能用到它。

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

AGI 指具备跨领域通用能力、能像人一样学习并解决未见过问题的 AI。当前所有系统都是窄 AI：能力边界由训练目标决定，下棋的不会写代码。

真正的争议在判断标准。”能通过图灵测试””能在多数经济性工作上超过人类””能自主设定目标”——不同定义给出的时间表能差几十年。所以当有人断言”AGI 还有三年”时，先问他用的是哪个定义，通常比争论本身更有意义。

一句话：AGI 是能力不限于特定任务的 AI，目前不存在，连”怎样才算达到”都没有统一标准。

5. AIGC（AI Generated Content）

AIGC 指由 AI 生成的内容，与 PGC（专业生产内容）、UGC（用户生产内容）并列，区别只在生产者是谁。

边界值得划清楚：AI 辅助润色、生成初稿、批量出图，产出的是 AIGC；人类主导、AI 只当工具的部分，仍算人类创作。这个区分在版权认定和平台标注要求上，正在变成实打实的规则问题。

一句话：内容的生产者里有 AI，就叫 AIGC。

---

二、人怎么跟 AI 打交道

6. Prompt（提示词）

Prompt 是你交给模型的输入，包括指令、背景、示例、约束条件。

同一个模型，输出质量差别很大，多数时候差别来自 Prompt 里有没有把任务说清楚：要什么、不要什么、按什么格式、给谁看。这不是玄学——模型只能依据你给出的信息作答，信息缺失的部分，它会用统计上最可能的答案去填。

Prompt Engineering 这门手艺，本质是把脑子里的隐含要求显式写出来。

一句话：Prompt 是模型的全部已知条件，写得越具体，模型自由发挥的空间越受约束。

7. Context（上下文）

Context 指模型在当前这一次调用中能看到的全部内容——系统指令、历史对话、检索到的资料、你刚输入的问题。它决定模型”此刻记得什么”。

关键在两点。第一，超出上下文窗口的内容对模型等于不存在，不会自动保留到下一轮。第二，窗口大不等于记得牢：内容越长，模型对中间部分的关注越弱，这在业界被称为”lost in the middle”。所以长对话里可靠的做法，是把关键信息放在开头或结尾，而不是指望它全记住。

一句话：Context 是模型的短期记忆，容量有限，而且不是每个位置都被同等对待。

8. Token（词元）

Token 是模型处理文本的最小单位。分词器把文本切成 Token，模型读的是 Token 序列，计费也按 Token 数量算。

一个 Token 不等于一个字或一个词。英文里常见词往往是 1 个 Token，长词会被切成多个；中文在不同分词器下的切分差别很大，通常一个汉字接近 1 个 Token，生僻字或多字词可能占 2 个以上。准确的换算只能以具体模型的分词器为准，网上的”通用换算表”仅供参考。

知道 Token 有什么实际用处？一是估算成本，输入和输出分开计价，长文档问答的成本大头常在输入；二是判断上下文放不放得下，一份二十页的 PDF 转成文本后大致占多少 Token，心里要有数。

一句话：Token 是模型的计量单位，成本、速度、上下文容量都以它衡量。

9. CLI（Command Line Interface，命令行界面）

CLI 是通过键盘输入命令来操作程序的界面，与图形界面（GUI）相对。

AI 圈频繁提 CLI，是因为多数编程智能体都以命令行形态提供：在终端执行 claude、codex 这类命令启动，它就能直接读写当前目录的文件、运行命令、跑测试。相比 IDE 插件，CLI 的优势是轻、可脚本化、能嵌进 CI/CD 流水线。

一句话：CLI 是用命令而非鼠标操作程序的界面，也是目前编程智能体最主要的入口形态。

---

三、AI 怎么变得更能用

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

RAG 是在模型回答之前，先从外部资料库检索相关内容，把检索结果作为上下文一起交给模型的做法。

它解决大模型的两个硬伤：知识过期、不知道你的私有资料。相比把知识”训进”模型的微调，RAG 的改动发生在推理时，资料更新只需更新索引，出问题也容易定位到是哪段检索结果带偏了答案。

企业做智能客服、内部知识问答，绝大多数走的是这条路。工程上的难点通常不在模型，而在检索质量：切块策略、召回率、重排，以及前面提到的术语归一问题。

一句话：RAG 让模型先查资料再回答，把”记住”的负担从模型转到可随时更新的资料库。

11. Embedding（向量嵌入）

Embedding 把文本、图片这类内容映射成一串固定长度的数字（向量），使语义相近的内容在向量空间里距离也相近。

它是”按意思找东西”的底层能力。传统搜索靠关键词匹配，你说”怎么退订”，文档里写的是”取消订阅”，字面对不上就搜不到；Embedding 能把这两句话算得很近，因此成为语义检索、推荐、去重、聚类的基础组件。

需要留意：向量相似度衡量的是整体语义接近，不理解否定和因果。”可以退款”和”不能退款”的向量距离往往很近，这正是纯向量检索容易出错的地方，实际系统通常用关键词检索和向量检索混合来补。

一句话：Embedding 把内容变成可计算的向量，让机器能判断两段内容像不像。

12. 蒸馏（Knowledge Distillation）

蒸馏是把大模型（教师）的能力迁移到小模型（学生）上的训练方法。学生模型不只学标准答案，还要模仿教师输出的概率分布——也就是”教师认为哪些错误答案次优”，这些信息比一个正确答案更有指导性。

它解决的是部署问题：大模型效果好，但推理成本高、延迟大，很多场景（手机端、高并发接口）用不起。蒸馏后的小模型在目标任务上接近大模型表现，成本却低一个量级。

也要知道边界：蒸馏保留的是教师模型在训练分布上的能力，超出这个范围，小模型的泛化明显更弱。

一句话：蒸馏是用大模型教小模型，把能力压缩到能落地的体积和成本上。

13. 微调（Fine-tuning）

微调是在已经预训练好的模型上，用特定领域或特定任务的数据继续训练，让输出更贴合该场景。

它常被拿来和 RAG 比较，但解决的其实不是同一件事：RAG 补的是”模型不知道的事实”，微调改的是”模型的表达方式和行为习惯”——比如稳定输出固定字段结构、遵循某种话术风格、理解行业内的特殊表述。想让模型记住频繁变动的业务数据，应该用 RAG；想让模型稳定地按某种格式和口径说话，才轮到微调。

成本上，全量微调需要可观的算力和数据量；参数高效微调（LoRA 等方法）只训练少量附加参数，门槛低得多，是目前的主流做法。

一句话：微调是让模型改行为，不是让它背知识。

14. 对齐（Alignment）

对齐指通过训练手段，让模型的行为符合人类的意图和价值准则。

预训练完的模型只会”续写最可能的内容”，不会判断什么该说什么不该说。对齐要解决三类问题：有用（真的帮上忙）、诚实（不知道就说不知道，不编造）、无害（不输出危险内容和有害建议）。

常用手段是 RLHF（基于人类反馈的强化学习）和 DPO（直接偏好优化）。前者先让人对模型的多个回答排序，训练一个打分模型，再用它指导模型优化；后者直接用偏好数据优化模型，省掉了单独训练奖励模型这一步。

一句话：对齐是在模型能力之上加一层行为约束，让它有用、诚实、不闯祸。

15. MoE（Mixture of Experts，混合专家模型）

MoE 是一种模型结构：把前馈层拆成若干”专家”子网络，每次前向计算只激活与当前输入最相关的少数几个，由路由网络决定激活谁。

它的价值在于把”参数量”和”计算量”解耦。一个总参数六千亿的 MoE 模型，单个 Token 实际只用到其中几百亿参数，因此能达到大模型的表达能力，同时把推理成本压在远低于同规模稠密模型的水平。据多方披露，GPT-4 和 DeepSeek 系列都采用了这一结构。

代价也有：所有专家都要载入显存，对显存容量要求高；路由均衡是训练难点，处理不好会出现少数专家被反复使用、其余专家训练不充分的情况。

一句话：MoE 用”按需激活”换取大参数量与低计算量，是目前主流大模型普遍采用的结构。

---

四、神经网络的几个基础概念

16. BP（Backpropagation，反向传播）

BP 是训练神经网络的核心算法。前向计算得到输出后，损失函数衡量输出与目标的差距，BP 用链式法则把这个误差逐层回传，算出每个参数对误差的贡献（梯度），再据此更新参数。

没有它，深度学习不可能成立——网络有上亿参数，逐个试错不现实，BP 提供了可计算的调整方向。今天大模型的训练，底层仍然是 BP 的变体（配合 Adam 这类优化器）。

一句话：BP 是”把误差摊回到每个参数上”的算法，是神经网络能训练起来的前提。

17. RBF（Radial Basis Function，径向基函数）

RBF 是一类取值只依赖”到某个中心点的距离”的函数，常见形式是高斯函数：离中心越近输出越大，越远越趋近于零。

它主要用在核方法（如 SVM 的 RBF 核）和 RBF 神经网络中，擅长处理非线性可分问题和时间序列拟合。在大模型时代它已不是主流结构，但作为核方法的支柱仍然常见。

一句话：RBF 是按”离中心多远”来决定响应的函数，经典机器学习里的常用工具。

18. CNN（Convolutional Neural Network，卷积神经网络）

CNN 是处理图像的主力结构，核心是卷积核在图像上滑动、逐块提取局部特征，再通过层层堆叠把局部特征组合成整体判断。

两个关键设计是局部连接和权重共享：前者让网络先看局部再拼全局；后者让同一组参数扫描整张图，使模型具备平移不变性（猫在左上角还是右下角都认得出来），同时大幅减少参数量。

人脸识别、医学影像、工业质检、自动驾驶的视觉感知，至今大多仍以 CNN 或其变体为基础。视觉 Transformer（ViT）在数据量充足时表现更好，但 CNN 在数据和算力受限的场景仍有优势。

一句话：CNN 是靠局部感受野加权重共享来看图的网络，计算机视觉的经典架构。

19. RNN（Recurrent Neural Network，循环神经网络）

RNN 是处理序列数据的经典结构，做法是在时间步之间传递一个隐藏状态，让当前的计算能”看到”之前的信息。

它适合语音识别、机器翻译、时序预测这类前后有依赖的任务。致命问题在于梯度消失：序列一长，早期信息的梯度在反向传播中不断衰减，模型就记不住开头。LSTM、GRU 用门控机制缓解了这个问题，但没有根治。

Transformer 之所以取代 RNN，靠的正是自注意力——任意两个位置之间只有一步计算距离，长距离依赖不再是难题，并且可以并行训练。

一句话：RNN 是带记忆的序列模型，思路优雅，但受困于长距离依赖，已被 Transformer 取代。

20. GNN（Graph Neural Network，图神经网络）

GNN 处理的数据结构是”图”——由节点和边组成的网络，不是图片。社交关系、分子结构、知识图谱、交通路网，都是图。

它的思路是让每个节点不断聚合邻居节点的信息，多轮之后，每个节点就带上了它周围结构的信息。因此 GNN 擅长带关系结构的推理，比如判断某个账户是否属于欺诈团伙（看它和谁有资金往来），或者预测分子性质（看原子怎么连接）。

一句话：GNN 在由节点和边构成的关系数据上做学习，处理的是”谁和谁相连”这类问题。

21. GAN（Generative Adversarial Network，生成对抗网络）

GAN 由两个网络组成：生成器负责造假样本，判别器负责分辨真假。两者交替训练，生成器努力骗过判别器，判别器努力识别伪造，最终生成器能造出以假乱真的样本。

在扩散模型出现之前，GAN 是图像生成的主流方案，在人脸合成、图像超分、风格迁移上都有代表性成果。它的短板是训练不稳定（两个网络容易失衡）和模式坍塌（生成结果缺乏多样性），这也是扩散模型后来居上的原因之一。

一句话：GAN 靠生成器与判别器相互对抗来学习数据分布，是生成模型的里程碑式方案。

---

五、智能体：会干活的 AI

22. 智能体（Agent）

智能体指以大模型为决策核心，能自主拆解目标、调用工具、执行多步任务并根据结果调整的系统。

它和聊天机器人的区别在闭环。聊天机器人一问一答，回答完就结束；智能体拿到目标后先规划步骤，执行一步、观察结果、判断是否达成，没达成继续调整，直到完成或确认无法完成。

Anthropic 对智能体的界定更严格，强调”由模型自主决定流程”——如果步骤是人预先写死的，那叫工作流，不叫智能体。这个区分很实际：流程确定的场景用工作流更可控、成本更低，把开放式的问题交给智能体才划算。

一句话：智能体是能自己走完”规划—执行—检查—修正”闭环的 AI 系统。

23. Function Calling（函数调用）

Function Calling 是让模型输出结构化指令来调用外部函数的能力。模型本身不能查天气、不能发邮件、算不准大数乘法，但它可以判断”这个问题需要调哪个接口、参数是什么”，输出成指定格式，由外部程序执行并把结果送回模型。

它是智能体能用工具的技术前提，也是 MCP 这类标准出现的前提。

一句话：Function Calling 让模型能决定”调用什么、怎么传参”，把执行交给外部程序。

24. Skill（技能）

Skill 是打包好的能力单元：一段说明，加一套流程，可能再附带脚本或参考资料。智能体判断当前任务匹配某个 Skill 时，加载它的说明并按流程执行。

它和 Tool 的区别在抽象层级。Tool 是一个具体接口，比如”读取文件””执行命令”；Skill 是”怎么用一组 Tool 完成一类任务”的说明书，完成一个 Skill 往往要串起好几个 Tool。在 OpenClaw 这类平台里，Skill 是扩展能力的主要方式。

一句话：Tool 是零件，Skill 是用这些零件干一类活的标准流程。

25. Tool（工具）

Tool 是智能体可以调用的外部能力接口，一次调用对应一个明确的动作和输入输出。

它的边界很清楚：Tool 只负责执行，不负责判断该不该执行。什么时候调、传什么参数，由模型决策。因此 Tool 的设计要尽量原子、职责单一、参数明确，泛化的判断留在模型那一层。

一句话：Tool 是智能体伸向外部世界的手，一次调用做一件事。

26. Plugin（插件）

Plugin 指以模块化方式挂载到宿主程序上、用于扩展其功能的组件。装上一个就多一项能力，卸载后不影响主体。

在 AI 领域，Plugin、Skill、MCP Server 这几个词经常混用，区别在接入方式：Plugin 强调与特定宿主的即插即用；Skill 强调任务流程；MCP Server 强调通过统一协议对外暴露能力，任何支持该协议的客户端都能接。

一句话：Plugin 是可插拔的能力模块，关注的是”装上就能用、卸掉就恢复”。

27. Workflow（工作流）

Workflow 是把多步骤任务预先编排好的执行流程，每一步做什么、按什么顺序、什么条件下走哪个分支，都事先定义。

它在工程上的价值是把不可控的东西变可控：步骤固定意味着成本可预估、结果可复现、出错可定位。代价是灵活性，只适用于流程本身足够稳定的任务。当任务的路径无法预先确定时，才轮到智能体自主决策。

一句话：Workflow 是把任务流程写死的编排方式，换取可控、可复现和低成本。

---

六、AI 之间怎么连接

28. MCP（Model Context Protocol，模型上下文协议）

MCP 是 Anthropic 提出并开源的协议，用于统一”AI 应用如何连接外部工具和数据源”。

在它之前，每接入一个数据源都要为每种客户端各写一套对接代码，M 个客户端乘 N 个工具，是 M×N 的工作量。MCP 把这件事拆成两端：工具提供方按协议实现一次 MCP Server，客户端实现一次 MCP Client，之后任意组合都能直接连通，工作量降到 M+N。

它常被类比成 USB-C：不是发明了新功能，而是把接口标准化了。

一句话：MCP 统一了 AI 连接外部能力的接口，让工具方和客户端各写一次即可互通。

29. A2A（Agent-to-Agent Protocol）

A2A 是 Google 提出、后交由 Linux 基金会维护的协议，解决智能体之间的互操作：如何发现彼此、如何描述自己的能力、如何委派任务、如何交换结果。

MCP 连接的是”AI 与工具”，A2A 连接的是”AI 与 AI”。两者互补：一个智能体可以通过 MCP 用上工具，再通过 A2A 把这套能力以任务的形式提供给另一个智能体。

一个容易被忽略的设计是 Agent Card——每个智能体对外暴露一份描述身份、能力、调用方式的元数据，其他智能体据此决定找谁协作。它和 MCP 的 Server 描述文件解决的是同一类问题，只是对象不同。

一句话：MCP 让 AI 连上工具，A2A 让 AI 连上 AI。

30. ACP（Agent Client Protocol）

ACP 目前主流指的是 Zed Industries 提出的 Agent Client Protocol，规范编辑器与编程智能体之间的通信：编辑器负责界面和文件上下文，智能体负责推理和改动，两者通过统一协议对接，换编辑器或换智能体都不用重新适配。

需要说明的是，ACP 这个缩写历史上还有另一个含义——IBM 等提出的 Agent Communication Protocol，属于智能体之间的通信协议，该方向已并入 A2A，不再独立演进。看到旧的”ACP 对比 A2A”文章，说的通常是后面这个已经停止维护的协议。

一句话：现在的 ACP 规范的是编辑器与编程智能体之间的接口，别与已并入 A2A 的旧协议混淆。

31. Ontology（本体）

本体这个词来自哲学，原指研究”存在什么、以何种方式存在”的分支。搬进计算机领域后，它指的是一件很具体的事：对某个领域里的概念、分类、关系和约束，做一份形式化、显式、可共享的规约。

拆开这句定义，四个词都有分量：

• 概念：这个领域里哪些东西算一类。比如”客户””订单””工单”。
• 关系：概念之间怎么连。”订单属于客户””工单用于解决客户的问题”。
• 约束：什么情况不成立。”一个订单必须且只能属于一个客户””已取消的订单不能再发货”。
• 形式化、显式、共享：写成机器能读、能推理的格式（常用 W3C 的 RDF、OWL 等），而不是散落在某个人脑子里的常识；而且是多方共同认可的，不是某个系统自己的私有定义。
  

它的用途是让异构系统对同一批概念形成统一理解。举个具体的：A 系统的”客户”包含潜在客户，B 系统的只算已签约客户，两边的报表口径永远对不上。本体做的事，就是把”客户”这个类拆成更精确的子类，在定义层面写清楚区别，让两边交换数据、统计口径时不再各说各话。

和几个近义词的边界（这是最容易混的地方）：

• 分类法（Taxonomy）：只有”上下位”一种关系，是本体的最简单形态。有分类不等于有本体。
• 知识图谱（Knowledge Graph）：本体是骨架，图谱是骨架加上填进去的具体事实。”客户是一个类、订单属于客户”属于本体；”张三是一个客户、订单 A 属于张三”属于图谱。
• 数据模型 / ER 图：为存储和查询服务，着眼点是表和字段怎么建；本体着眼点在语义，允许基于规则推出没有直接写明的事实（比如由”A 是 B 的父类、B 是 C 的父类”推出”A 是 C 的父类”）。
• 术语表（Glossary）：只有词和解释，没有关系，也没有约束，因此无法推理。
  

为什么在 AI 时代又被反复提起：当智能体多起来，问题就从”能不能连上”变成了”连上以后说的是不是同一件事”。MCP 解决了连接，A2A 解决了协作，本体解决的是语义对齐。RAG 检索效果不理想，很多时候也不是向量模型不行，而是同义词、别名、上下位关系没有被归一——用户问”退货”，资料里写的是”售后逆向流程”，中间缺的正是这层语义映射。

典型的本体包括 schema.org（网页结构化标注）、医疗领域的 SNOMED CT、金融领域的 FIBO。

一句话：本体是给一个领域定下的共同语言——有哪些概念、怎么分类、什么关系、什么不能违反，写在明处，机器可读。

---

七、工具生态：几个容易混的 Agent 产品

很多人把 OpenClaw、Codex、Claude Code、Hermes 一并归为”AI 编程工具”，这是常见的误解。它们定位差别很大：有的专攻编程，有的做通用个人助手，有的主打自我进化。搞清楚各自是干什么的，比记住名字更重要。

32. OpenClaw

OpenClaw 是开源的个人 AI 助手，不是编程工具，由奥地利开发者 Peter Steinberger 于 2025 年 11 月创建，早期名为 Clawdbot。2026 年 3 月，其 GitHub 星标超过 28 万，超过 Linux 成为 GitHub 历史星标第一。

它的定位可以拆成三块：

• 多渠道入口：通过 WhatsApp、Telegram、Discord 等消息平台接收指令，多个入口收敛到同一套处理流程；
• 工具执行：借助浏览器、命令执行、网页抓取等工具完成订票、整理报表、抓取数据、处理邮件这类真实任务，不只是写代码；
• 自动化：支持定时任务、Webhook 触发、邮件订阅等，用于告警、报表和日常流程。
  

它面向本地部署，可对接 GPT、Claude、DeepSeek 等多种模型，通过 Skill 和 MCP 扩展能力。2026 年 9 月发布的 2.0 版本，从”一人一个智能体”转向多人与多智能体协作，新增共享会话、云端执行、角色权限管理。

一句话：OpenClaw 是通过消息渠道接收指令、用工具执行真实任务的开源个人 AI 助手。

33. Codex

Codex 是 OpenAI 的编程智能体，用 Rust 编写，运行在本机终端，能读取和修改当前目录的代码、在沙箱策略下执行 Shell 命令、通过 MCP 与外部工具通信，也支持以非交互方式接入 CI/CD 流水线。

它有四种形态：终端 CLI、IDE 扩展（VS Code、Cursor、Windsurf 等）、桌面应用、云端 Agent。其中 CLI 最轻、最快、最易脚本化。

需要 ChatGPT 付费订阅或 OpenAI API Key 才能使用。在编程智能体的竞争格局里，OpenAI 有 Codex，Anthropic 有 Claude Code，加上 DeepSeek Harness，是这一梯队的主要玩家。

一句话：Codex 是 OpenAI 的编程智能体，终端、IDE、桌面、云端四种入口共用同一套能力。

34. Claude Code

Claude Code 是 Anthropic 的编程智能体，与 Codex 正面竞争，同样以终端为主要入口。

它的特点是在项目级别工作：理解整个代码库的结构、跨多个文件做协调修改、运行测试、管理 git 流程，而不是逐行补全。Anthropic 自己的说法是，它不是自动补全，而是一个 agentic 系统——你描述目标，它负责规划、执行、验证和迭代，你只需审查最终结果。

除终端外，它还提供 VS Code / JetBrains 扩展、桌面应用和浏览器入口，支持通过 MCP 接入 GitHub、GitLab、Jira、Slack 等外部系统。使用 Claude 模型，需要订阅或 API 账户。

一句话：Claude Code 是 Anthropic 的编程智能体，在项目级别理解代码库并完成跨文件改动。

35. Hermes

Hermes 是 Nous Research 推出的开源智能体框架，注意它不是大模型的名字。

它的核心机制是经验沉淀：每完成一个复杂任务，就把可复用的做法写成一份技能文档存下来；下次遇到同类任务先查自己的技能库，而不是从零开始。配合跨会话的持久记忆，使用时间越长，积累越多。

其他特点包括多平台接入（Telegram、Discord、Slack、WhatsApp、邮件）、不绑定单一模型（可接 DeepSeek、GPT、Claude 等）、内置文件操作、网页浏览、代码执行、图像生成等工具，以及本地部署。2026 年 2 月发布后，三个月 GitHub 星标超过 14 万。

一句话：Hermes 是会积累经验的开源智能体框架，干过的活会变成下次可复用的技能。

36. Vibe Coding

Vibe Coding 指用自然语言描述需求、由 AI 生成全部代码的开发方式，开发者不再逐行编写，而是通过对话迭代结果。这个词由 Andrej Karpathy 在 2025 年 2 月提出。

它适合的场景很明确：原型验证、个人小工具、一次性脚本——这些场景里”跑起来”比”代码写得好看”重要，返工成本也低。

但把它当成通用开发方式是有代价的：不理解自己系统的代码，意味着出问题无法定位、安全漏洞无法识别、后续维护无从下手。在需要长期维护、多人协作，或者涉及资金与用户数据的系统上，这种做法风险很高。

一句话：Vibe Coding 是让 AI 写代码、人只管描述和验收的开发方式，适合原型，不适合无人把关的生产系统。

37. AI Coding（AI 编程）

AI Coding 指用 AI 参与软件开发这件事的统称，范围比”AI 写代码”宽得多。写代码只是其中一环，需求梳理、方案设计、补全、重构、写测试、排查报错、代码审查、生成文档，都在里面。

按介入深浅，常见形态分三层：IDE 里的行级补全，你写它猜；能跨文件改动的编程智能体，你给目标、它规划并执行；以及把 AI 接进 CI/CD 的自动化环节，比如自动修 lint、自动补测试。

它和 Vibe Coding 不在一个层级上。AI Coding 是这一整类做法的总称，Vibe Coding 是其中一种用法，特点是不读代码、只看结果就接受。同属 AI Coding 的还有另一种用法——把 AI 当结对程序员，每一步改动都过一遍眼，这在生产环境里更常见。工具给到的能力上限，和人实际采用的审查强度，是两件独立的事。

一句话：AI Coding 是 AI 参与软件开发全流程的统称，Vibe Coding 只是其中”只看结果”的那一种用法。

---

八、AI 工程的几个底层概念

38. Harness Engineering

Harness 原指马具——把力量连接到可以工作的机构上，同时不让它脱缰。在 AI 语境里，它指环绕在大模型周围的整套控制与编排系统。

大模型本身只输出文本。要让它变成能干活的智能体，需要有人负责：把任务拆成步骤、决定什么时候调用哪个工具、管理任务状态、处理失败重试、控制权限边界、记录执行轨迹。这些工作全部属于 Harness 这一层。

DeepSeek 给出的公式很简洁：Model + Harness = Agent。这句话的另一面是，同一个模型换上不同的 Harness，能完成的任务可以差出很远。

一句话：Harness 是大模型外面那层负责调度、控制和闭环的工程系统。

39. Loop（循环）

Loop 指智能体的基本运行方式：观察当前状态，判断下一步动作，执行，观察执行结果，再判断……如此往复，直到任务完成或确认无法完成。

它是智能体区别于普通对话 AI 的分界线。对话式 AI 的输出就是一个回答，输出完即结束；智能体必须能根据执行结果修正下一步动作，而这个”看结果、再调整”的能力，只能在循环里成立。

工程上的难点也集中在这里：循环要有终止条件，否则会陷入反复重试；每多一轮就多一次模型调用，成本和延迟随之上升；错误信息如何回传给模型，直接决定它下一轮能不能纠正。

一句话：Loop 是智能体”执行—观察—调整”的往复机制，没有循环就只是问答。

40. DeepSeek Harness

DeepSeek Harness 是 DeepSeek 推出的开源智能体框架，2026 年 8 月发布开发者预览版，以 MIT 协议开放。

设计原则是”一切皆插件”：模型、工具、技能、会话、沙箱、存储、循环调度、界面等所有能力都以插件形式存在，可以单独替换。它基于 Cordis 插件系统构建，提供四种运行形态：标准模式（完整编码智能体）、PTC 模式（程序化工具调用）、极简模式（只保留核心工具）、创造模式（自定义智能体预设）。

它还支持全轨迹追踪：模型看到的每一步输入都被记录，可追溯、可回放、可分叉。

它和 Codex、Claude Code 的关系，是”框架”与”产品”的差别：后两者装好即用，DeepSeek Harness 提供的是可以改造、可以二次搭建的底座。前者交付的是成品车，后者给的是图纸和零件库。

一句话：DeepSeek Harness 是开源智能体框架底座，一切能力皆可替换，适合要自己搭智能体的团队。

---

九、AI 落地相关的岗位与理念

41. FDE（Forward Deployed Engineer，前线部署工程师）

FDE 指常驻客户现场的工程师，负责把通用 AI 能力改造成能在客户业务里真正跑起来的方案。这个岗位源自 Palantir——早期服务情报机构时，需求模糊、数据涉密、传统交付方式失效，他们的解法是把工程师直接派进客户办公室，现场理解、现场开发、现场迭代。

工作内容决定了它需要两种能力同时具备：懂技术，能动手写代码、搭系统；懂业务，能听懂客户真正的问题是什么。业内常说，客户买的不是一个软件，而是一个能干活的智能体，而这件事只能发生在客户的真实业务现场。

从 2025 年 4 月到 2026 年 4 月，FDE 相关岗位从 643 个增长到 5330 个，OpenAI、Anthropic、Palantir、Google Cloud 等公司都在招募。

一句话：FDE 是驻场把通用 AI 改造成客户业务方案的工程师，技术能力和业务理解缺一不可。

42. Echo

Echo 是 FDE 体系中的业务侧角色，负责找准问题。

Palantir 的 FDE 采用双人搭档：Echo 与 Delta 配对，Echo 管方向，Delta 管实现。Echo 的具体职责包括深入现场理解业务痛点、识别 AI 能产生最大价值的场景、收集失败案例推动模型改进、把业务语言翻译成产品需求、维护客户关系。

Echo 的人选通常是某个行业的资深从业者——前军官、临床医生、法务会计等，自带行业经验。还有一个常被提及的特质：对现状有判断力，能看出既有做法哪里不够好。这个角色存在的意义，是避免团队”拿着锤子找钉子”。

一句话：Echo 是 FDE 里负责找准问题的一方，把业务需求翻译成技术能执行的东西。

43. Delta

Delta 是 FDE 体系中的技术侧角色，负责解决问题。

职责包括编写 Prompt、配置 Skill、搭建增强器和编排器、快速做出可运行的原型、与企业既有系统对接、完成部署交付。Delta 通常是全栈工程师，核心竞争力是快速把想法变成能跑的东西。

有一个反直觉的选人标准：完美主义的技术工匠反而是错误人选。这个岗位要看的是在限定时间内拿出可用版本，第一版粗糙可以接受，推倒重来也可以，唯独不能慢。

Echo 与 Delta 之间存在刻意的张力：Echo 踩刹车，防止团队钻进技术细节自嗨；Delta 拉警报，避免战略停留在纸面。两者的往复构成一个持续迭代的闭环，而不是一次性的项目交付。

一句话：Delta 是 FDE 里负责解决问题的一方，用最快的速度把方案做成能跑的系统。

44. AI Native（AI 原生）

AI Native 指从设计之初就以 AI 为核心构建的产品或组织，而不是在既有产品上附加 AI 功能。

两者的差别不是程度问题，而是结构问题。附加 AI 功能的产品，流程、数据、组织都是为旧模式设计的，AI 只是新增的一个模块；AI 原生则反过来——业务流程围绕 AI 的能力边界重新设计，人的角色、协作方式、考核标准随之调整。

类比移动互联网：Mobile Native 应用不是把网页塞进手机，而是从一开始就按手机的使用方式设计。同样的道理，AI Native 也不是”加一个 AI 助手”，而是假设 AI 在各个环节都可用之后，重新回答”这件事应该怎么做”。

一句话：AI Native 是围绕 AI 重新设计流程，而不是在旧流程上挂一个 AI 功能。

45. OPC（One Person Company，一人公司）

OPC 指个人借助 AI 算力与智能体工具，独立完成从产品、研发到市场、客服的完整链路，也就是”单人成军”的创业形态。

支撑它成立的是智能体可以承担执行层的工作：写代码、写文案、做图、回复客户、整理数据，一个人调配一组智能体，就能覆盖过去一个团队的职能分工。

现实的边界也要说清楚：AI 承担的是执行，人承担的是判断——做什么、不做什么、什么算做好了。执行可以被自动化，判断不行。另外，法律主体、资金、合规责任并不会因为用了 AI 而转移，OPC 目前更多是一种能力结构的变化，而不是公司形态的替代。

2025 年底以来，苏州、上海、无锡、南京、常州等地陆续推出面向 OPC 的社区与扶持政策，北京朝阳区提出了”超级个体网络”（SICN）。

一句话：OPC 是一个人加一组智能体完成原本需要团队的工作，执行交给 AI，判断留给人。

结语

45 个词列完，其实没有哪个需要背。术语更新得快，今天记住的，明年可能就没人提了。真正稳定的只有一件事：每个新词背后都站着一个具体问题——模型怎么想、人怎么用、系统之间怎么接。遇到没见过的词，先别急着记定义，问一句它解决的是什么问题，这个答案通常比定义本身管用。

更多AI知识，请扫码关注Aiker World社区公众号

Aiker World社区网址：https://aikerworld.com

Aiker World（AI世界）-聚焦AI人才与智能体工具的垂直专家社区。专家领航+人才汇聚+工具赋能，打通AI技术与产业落地断层，为AI从业者、开发者及企业提供一站式成长与协作平台。