关于AI中的新名词

h5打开以查看从 Manus 出圈再到小龙虾爆火Agent 的各种东西扑面而来。各种新名词层出不穷Context、Memory、Function Calling、MCP、Skill、RAG、Subagent……让我带大家从头到尾进行一次盘点整理一下这些 “新名词”。虽然名字多但其实都在讲一件事让大模型不只会聊天还能围绕目标把事情做完。1. 什么是 Agent我们都知道大模型它是这样工作的你问一句它答一句。而 Agent 是这样理解目标 - 拆步骤 - 调工具 - 看结果 - 继续下一步步骤的任务知道完成目标。如果把大模型比作会思考、会表达的大脑。Agent 是给这个大脑配上手脚、工具箱以及一套能持续推进的工作流程。2. 什么是 Context在大模型还没现在这么强大之前我们常常遇到这样的情况跟AI对话到一半AI 突然答非所问。原因很简单上下文有长度上限可以把它想成一根管道一边进一边出。随着历史消息的增加旧内容会被挤出去被挤出去的那部分模型自然就不记得但随着大模型的发展现在模型的上下文越来越大了这种情况也随之减少。但在处理大型工程的时候有时候上下文还是捉襟见肘所以做好上下文管理还是很有必要的。3. 什么是 MemoryContext 和 Memory 经常被混为一谈其实差很多。具体差别Context模型此刻能看到的输入窗口Memory为了跨时间、跨会话保持连贯系统另外做的一整套机制必须明确一点大模型本身是无状态的所谓记忆都是外面存了东西下次再组装成 Context 提交给大模型。如下图4. 什么是 Function Calling很多问题大模型没办法直接给出答案而需要依托于外部写的工具这时候就需要Function Calling。比如用户说帮我查一下上海明天的天气。这个问题大模型是没办法直接回答的但有了 Function Call, 就可以在请求里告诉模型你有这些工具可用例如get_weather(city, date)。大模型觉得自己回答不了但有工具可以调用就返回需要调用的工具和参数如下 { name: get_weather, arguments: { city: 上海, date: 2026-03-09 } }Agent 拿到后去执行工具然后把结果塞回对话模型最后组织成自然语言进行回答。如下5. 什么是 MCPMCP 的作用很像 Function Call, 但它并不是一个功能而是一个协议。它约定了 AI 应用怎么发现外部能力、外部系统怎么暴露工具和资源、双方怎么用统一方式通信。可以看一个具体案例交互案例6. 什么是 Skill把一类重复任务的做法提前写成可复用的说明文档包括步骤、规则、边界、可调用的工具输出要求等内容让 Agent 根据需要选择对应的文档并按照文档的说明进行操作。这就是 SKill, Agent 工作的 SOP 文档有了 Skill 之后Agent 就可以先读取对应文档然后按预设流程推进。7. 什么是 RAGRAG全称是 Retrieval-Augmented Generation它在 Agent 中发挥的作用核心就一句话先检索知识库再把问题跟检索到的知识内容一起发给大模型。工作上分两大阶段建立知识库收集资料 - 清洗 - 切块 - 向量化 - 建索引做成能按语义检索的仓库。接入知识库进行问答问题也向量化 - 检出最相关的几段 - 和问题一起交给模型 - 基于材料回答。它不直接修改改模型本身但能让回答变得有据可依在企业内部文档问答、客服知识库这类场景特别常见。8. 什么是 Subagent在工作中遇到复杂的问题我们会进行拆解把问题拆成一个个子问题进行解决。Subagent 也是这个思路单个 Agent 处理复杂的任务时上下文容易又长又杂带来的直观感受就是模型降智了。有了 Subagent 之后主 Agent 就可以把大任务拆成更小、更聚焦的子任务交给 Subagent。这样每个子任务就可以在干净的上下文里干活很多场景下不同的子任务可以同时进行这也加速了 Agent 的干活效率。总结虽然名词很多但我们从中也可以回顾到整个 Agent 的发展历程。每一个新名词的出现都是为了解决 Agent 在某个阶段所遇到的问题。也是如此才造就了我们现在如此强大的 Agent。h5打开以查看