语音智能体
语音智能体是能听、能说、还能实际办事的 AI：它把语音识别、对话推理、工具调用和语音合成串成一条实时链路。和传统语音助手的差别在于它不靠预设话术树，和文字 Agent 的差别在于延迟和打断处理
智能体与协议0
Knowledge Base
AI 百科
AI之上的知识库。围绕协议、智能体、核心概念与框架工具，帮你把碎片名词整理成可理解、可复用的认知结构。
智能体插件
Agent Plugins 是 2026 年 8 月发布的开放插件格式，用一个 plugin.json 把 Agent Skills 和 MCP Server 配置装进同一个可分发目录，让同一套智能体能力能被多个兼容客户端发现和加载
智能体与协议2
智能体集群
Agent Swarm 是让一组相对独立的 AI Agent 并行探索、共享发现并协调结果的系统形态。它能扩大搜索范围和工作总量，但同源模型也可能一起犯错、重复劳动或在依赖复杂时互相阻塞
智能体与协议2
智能体支付
Agentic Payments 指 AI Agent 在用户预先设定的身份、额度、对象和有效期边界内发起并完成支付。重点不是给 AI 一张无限信用卡，而是把授权、风控、执行与可审计收据做成机器可执行的支付流程
智能体与协议2
智能体资源发现
Agentic Resource Discovery（ARD）是一套联邦式开放规范，让 AI Agent 跨组织查找、描述和验证 MCP Server、A2A Agent、Skills、API 等能力，而不必预先把整个工具目录写死在上下文里
智能体与协议2
MCP 任务
MCP Tasks 是 MCP 的官方扩展机制，让耗时工具调用可以转为异步任务：服务端先返回任务句柄，客户端随后查询状态、补充输入并在完成后取回结果，而不是一直占住一次请求
工程实践1
循环工程
Loop Engineering 指的是不再逐条给 AI Agent 写提示词，而是设计一套会自己发任务、自己跑、自己验收的循环系统。人从「提问的人」变成「设计循环的人」，负责定目标、定验收口径和兜底
工程实践7
上下文压缩
Context Compaction 指的是长会话快撑满上下文窗口时，系统把前面的历史换成一份摘要，只留下进度、结论和下一步，丢掉冗长的工具输出，让任务能继续跑下去而不是被迫重开
工程实践8
上下文工程
Context Engineering 指的是在有限的上下文窗口里，决定每一轮到底把哪些信息放进模型：系统指令、工具定义、检索到的资料、历史对话、外部记忆。它关心的不是措辞，而是信息的取舍和组织
工程实践5
代理式 AI
Agentic AI 指的是不止会生成内容、还会自己规划步骤、调用工具、根据结果调整并把事办完的那一类 AI 系统。它和生成式 AI 的分界线是「产出内容」还是「产生动作」
基础概念12
AI 评估
Evals 是给 AI 系统做的测试：给一组输入，用打分逻辑判断输出好不好。它把「这周感觉变差了」变成能复现、能对比、能卡在流水线上的分数，是 AI 应用敢改提示词、敢换模型的前提
工程实践8
混合专家
MoE（Mixture of Experts，混合专家）把模型里的前馈层拆成很多个「专家」，由一个路由器决定每个 token 只走其中几个。总参数量可以很大，每次实际参与计算的却只有一小部分
基础概念7
已显示 12 / 12 个词条
术语速查
全部词条按主题排开，点一下直接看解释。