dev.to | 📄 原文链接 | 2026-09-04 收录

每个开发者都该懂的 20 个 Agentic AI 术语

来源：dev.to — 2026-09-03

📋 概述

面对自愈系统、自主智能体、HITL、MCP 这些扑面而来的新词，作者用一个虚构的亿万富翁「Elon Mózg」作为贯穿案例，把 AI 智能体领域的术语讲成人人可懂的比喻。他刻意用简化而非学院派定义，逐个拆解 AI Agent、Agentic Workflow、Agent Loop、Tool Calling、Agent Harness、Context Engineering、Memory、MCP、Planning、Reasoning、多智能体系统、编排、Handoff、A2A 协议、Guardrails、HITL、Evals、Computer Use、Agentic RAG 以及「Agent Washing」共 20 个概念，区分了「设计好的流程用 AI」与「智能体自己决定下一步」的本质差异，并点破当下最该警惕的营销陷阱。

🔑 核心要点

AI Agent 是能获得目标并自主决定如何完成的 AI 系统，不必在生成一条回复后停下，这正是它与普通聊天机器人的分水岭
Agentic Workflow 是开发者预先设计好步骤、由 AI 执行部分的多步流程；Agent Loop 则是「决定→行动→观察→再决定」的迭代机制，一个工作流可内含多个 agent loop
Tool Calling 让模型调用外部函数而非凭空臆测，Agent Harness 是包裹模型的软件外壳，负责工具、循环、上下文、状态、权限与错误处理——LLM 是大脑，harness 构建它周围的其他器官
MCP 是连接 AI 应用与外部工具/上下文的开放协议（agent 对工具），A2A 是让不同智能体互相协作的协议（agent 对 agent）
Context Engineering 强调给对的信息而非给更多信息；Guardrails 与 HITL 用来控制、限制和人工把关智能体的高风险行为
Evals 是评估智能体任务表现的测试体系；Agentic RAG 让智能体自主控制检索过程而非一次性 search()
Agent Washing 指把与自主执行毫无关系的产品硬包装成 AI Agent 的营销行为——把普通 chatbot 改名 agentic chatbot 并不改变本质

💡 金句

把「更大、更好的模型」当成万灵药，往往只是推迟了该做的工程决定。

← 返回 dev.to 首页