LLM Wiki on 青蛙小白

Pi

Tue, 14 Jul 2026 18:00:16 +0800

Pi

Pi 是一个用 TypeScript 编写的开源 Agent harness 项目，也是其终端编码 Agent 的名称。它刻意只提供一组较小的默认能力，再让使用者通过 Extension、Agent Skills、Prompt Template、Theme 和 Pi Package 组合自己的工作流。项目没有稳定中文专名，中文社区通常仍直接称它为 Pi。

Deep Agents

Tue, 14 Jul 2026 17:13:05 +0800

Deep Agents

Deep Agents 是 LangChain 提供的开源 Python Agent harness。它没有发明另一套模型调用循环，而是在 LangChain 的 Agent 原语和 LangGraph 运行时之上，预装真实多步任务常用的执行、上下文、委派与人工控制能力。LangGraph 为它提供持久执行、流式事件与中断等运行时基础。

它是具体项目与库名，不是“更深度的 Agent”这一通用分类，因此本页按实体记录，也不自行创造中文译名。

Vision-Language-Action Model（视觉-语言-动作模型）

Tue, 14 Jul 2026 09:52:47 +0800

Vision-Language-Action Model（视觉-语言-动作模型）

Vision-Language-Action Model（视觉-语言-动作模型，VLA） 是把相机图像、自然语言指令等输入直接映射为机器人动作的策略模型。中文研究与技术社区已稳定使用“视觉-语言-动作模型”这一译名。RT-2 把机器人动作表示为 token，让视觉语言模型能够输出可执行动作；OpenVLA 等后续工作则把这一路线发展为可微调的通用视觉运动策略。

Agentic Coding and Persistent Returns to Expertise（智能体编程与专业能力的持续回报）

Mon, 13 Jul 2026 09:59:05 +0800

Agentic Coding and Persistent Returns to Expertise（智能体编程与专业能力的持续回报）

Agentic Coding and Persistent Returns to Expertise 是 Anthropic 于 2026 年 6 月发布的研究报告。研究用隐私保护分析工具考察了 2025 年 10 月至 2026 年 4 月约 23.5 万名用户的 40 万次 Claude Code 交互会话，试图回答三个问题：人们用编码 Agent 做什么、人和 Agent 如何分工，以及哪些会话更可能成功。

企业 AI 原生转型

Mon, 13 Jul 2026 09:06:49 +0800

企业 AI 原生转型

企业 AI 原生转型 是本库用于组织企业案例的归纳视角，不是 OpenAI 或 Deutsche Telekom（德国电信）定义的标准框架。它描述企业从“让员工使用 AI 工具”继续走向“重新设计流程、责任、客户触点与运营控制”的过程。核心判据不是部署了多少席位，而是工作本身是否改变，以及这种改变能否由业务结果与风险指标共同验证。

Grok 4.5

Sat, 11 Jul 2026 07:58:59 +0800

Grok 4.5

Grok 4.5 是 SpaceXAI 与 Cursor 联合训练、于 2026 年 7 月 8 日发布的混合专家模型（Mixture of Experts, MoE），面向编程、AI Agent（智能体）任务与知识工作。底层训练使用数万张 NVIDIA GB300 GPU；数据处理包含去重、质量评分和按领域筛选，强化学习则覆盖数十万项任务，重点是多步软件工程及其他技术工作。

GPT-Live

Fri, 10 Jul 2026 13:19:53 +0800

GPT-Live

GPT-Live 是 OpenAI 在 2026 年 7 月发布的一代语音模型，包含 GPT-Live-1 与 GPT-Live-1 mini。它在 ChatGPT Voice 中担当持续、自然的语音交互层：能一边听一边说，理解停顿、插话和说话节奏，并在需要时把搜索、深度推理或更复杂的 AI Agent（智能体）工作委派给后端前沿模型。它不是单一的通用推理模型，也不等同于一个开发者 API；发布时先面向 ChatGPT 推出，API 尚在计划中。

ChatGPT Work

Fri, 10 Jul 2026 12:20:14 +0800

ChatGPT Work

ChatGPT Work 是 OpenAI 于 2026 年 7 月发布的 ChatGPT 工作模式，面向跨应用、跨文件且可能持续数小时的知识工作。它把一个目标拆为多个步骤，读取用户授权的上下文，持续生成和修订表格、演示文稿、文档或 Web 应用；用户可以查看进度、改变方向，并在重要动作前审批。

它不是一个通用的“自动化”概念，而是 ChatGPT 内的具体产品能力。其底层使用 GPT-5.6 和 Codex 技术；文章所称的能力与最终可用范围仍取决于订阅计划、管理员策略、已连接的应用以及任务本身。

Programmatic Tool Calling（程序化工具调用）

Fri, 10 Jul 2026 11:35:45 +0800

Programmatic Tool Calling（程序化工具调用）

Programmatic Tool Calling（程序化工具调用） 是 Responses API（响应 API）的托管工具能力：模型生成 JavaScript 程序来编排当前请求中允许的工具调用。程序可以并行调用工具、使用循环和条件，并在托管运行时保留中间结果，最后只把压缩后的结果交还模型；它解决的是工具密集型工作中“每一项中间结果都回灌到模型上下文”的成本与延迟问题。

GPT-5.6

Fri, 10 Jul 2026 11:29:53 +0800

GPT-5.6

GPT-5.6 是 OpenAI 于 2026 年 6 月有限预览、7 月 9 日正式发布的模型系列。它采用“代际编号 + 能力层”的命名：5.6 表示模型代际，Sol、Terra、Luna 分别是可独立迭代的旗舰、均衡和快速低成本层。该系列已在 ChatGPT、Codex和 API 逐步全面可用。

能力与推理配置

Sol 是该系列的旗舰模型；Terra 的定位是日常工作的性能/成本平衡，OpenAI 称其与 GPT-5.5 竞争力相当而价格约低一半；Luna 则面向最低成本和更快响应。Sol 增加 max reasoning effort，让模型获得比 xhigh 更长的深度推理时间；ultra 模式默认协调四个 Subagent（子智能体）并行处理复杂工作，以更高 token 消耗换取更强结果与更短的完成时间。

Agent Engineering Roadmap

Thu, 09 Jul 2026 16:27:43 +0800

Agent Engineering Roadmap

Agent Engineering Roadmap 是本库总结的学习路线和知识地图，不是一个行业标准术语。它的目标不是推荐某个 Agent 框架，而是把 Agent 工程拆成一组可验证、可组合、可追溯的能力：模型调用、工具协议、上下文、记忆、handoff、沙箱、评估、护栏和 harness。

核心判断可以压缩成一句话：Agent 不是会循环的 chatbot，而是一个有工具、状态、记忆、验证和权限边界的执行系统。 因此学习路线也不应从框架名词开始，而应从原生 API、最小 Agent Loop（智能体循环）、工具契约和 Harness Engineering（驾驭工程）开始。

Long-running Agent Harness

Wed, 08 Jul 2026 12:55:56 +0800

Long-running Agent Harness

Long-running Agent Harness 是本知识库对一类长时任务执行外壳的归纳：当 AI Agent（智能体）的工作跨越多个上下文窗口时，harness 不能只依赖自动压缩或聊天历史续接，而要把任务规格、进度、验证证据和下一步入口写到外部环境里，让每个新会话都能像接班工程师一样快速恢复状态。

面向 Agent 的工具设计

Wed, 08 Jul 2026 10:08:04 +0800

面向 Agent 的工具设计

面向 Agent 的工具设计 是本库对 Anthropic《Writing effective tools for agents – with agents》一文的归纳视角：工具不只是传统 API 的薄包装，而是 AI Agent（智能体）感知世界、选择动作和接收反馈的操作界面。

这不是一个单一标准或官方术语。它更接近 Agent-Computer Interface（智能体计算机接口）在工具层的工程清单：用少量高价值工具支撑真实工作流，用 Evals（评估）观察 Agent 实际怎么用工具，再把失败 trace 反向转化为工具命名、schema、描述、输出格式和错误反馈的改进。

Agent Skills

Tue, 07 Jul 2026 23:15:52 +0800

Agent Skills

Agent Skills 是 Anthropic 提出的、后来开放为跨 Agent 客户端标准的技能格式。它把某类任务需要的专项知识、流程、脚本、模板和参考材料放进一个目录，让 Agent 在任务相关时再按需加载，而不是把所有组织知识长期塞进上下文窗口。

这个词条描述的是 Anthropic / agentskills.io 规范里的具体格式；更泛化的工程概念见 Skill（技能）。

OpenAI API Connectors

Tue, 07 Jul 2026 22:51:00 +0800

OpenAI API Connectors

OpenAI API Connectors 是 OpenAI Responses API（响应 API）内置的一组第三方服务连接器。它们让模型在一次 API 请求中访问 Dropbox、Gmail、Google Calendar、Google Drive、Microsoft Teams、Outlook、SharePoint 等常见应用的上下文和工具。

Claude Agent SDK

Tue, 07 Jul 2026 22:36:05 +0800

Claude Agent SDK

Claude Agent SDK 是 Anthropic 把 Claude Code 的内置工具、Agent Loop（智能体循环）和上下文管理封装成 Python / TypeScript 库的产品形态。它让开发者在自己的进程和基础设施中运行 Claude Code 风格的 Agent，而不是只通过 CLI 手动交互。

它适合构建生产自动化：Agent 可以自主读文件、执行命令、搜索代码库、编辑文件、连接 MCP 工具、维护会话上下文，并通过权限与 Hook 控制高风险动作。与普通模型 SDK 相比，它暴露的不是“发一条 prompt、拿一个回复”，而是“启动一个能连续调用工具直到完成或暂停的 Agent run”。

Human-Agent Teams

Tue, 07 Jul 2026 16:24:44 +0800

Human-Agent Teams

Human-Agent Teams 是 Anthropic 用来描述人类与 AI Agent 共同工作的组织形态，也可称为 multiplayer agents。它不是“一个人用聊天窗口提效”，而是把 Agent 当作团队成员纳入共享工作空间：人设定目标、分配职责、提供工具和上下文，Agent 执行探索、编码、分析、审查、汇报或自动化任务，最终由人类保留关键判断和责任。

Claude API Tools

Tue, 07 Jul 2026 16:04:51 +0800

Claude API Tools

Claude API Tools 是 Anthropic 在 Claude Messages API 中把模型连接到外部能力的一组工具机制。开发者可以提供自定义工具 schema，让 Claude 返回结构化 tool_use 请求；也可以启用 Anthropic 提供的 server tools，由 Anthropic 基础设施直接执行搜索、抓取、代码运行等能力。

这个词条是本库的综述视角，用来归纳 Claude Platform Docs 里的工具层。它和 Function Calling（函数调用）讨论的是同一类模型能力，但使用 Anthropic 的 API 术语：模型输出 tool_use block，应用或平台执行工具，再把 tool_result 放回下一轮消息。

OpenAI API Tools（OpenAI API 工具）

Tue, 07 Jul 2026 15:55:05 +0800

OpenAI API Tools（OpenAI API 工具）

OpenAI API Tools（OpenAI API 工具） 是 OpenAI API 中把模型连接到外部能力的一组接口：模型可以搜索网页、检索文件、按需加载工具定义、请求应用执行自定义函数，或通过 Model Context Protocol（模型上下文协议）访问第三方服务。

这个词条是本库的综述视角，用来归纳 OpenAI 官方 Using tools 文档里的平台能力。它不是单个工具或单个协议，而是 Responses API（响应 API）和 OpenAI Agents SDK 共同暴露的工具层。

Structured Outputs（结构化输出）

Tue, 07 Jul 2026 15:46:49 +0800

Structured Outputs（结构化输出）

Structured Outputs（结构化输出） 是 OpenAI API 中让模型文本回复遵循开发者提供的 JSON Schema 的能力。它解决的不是“模型能不能写出 JSON”，而是“模型输出能不能稳定满足字段、枚举、嵌套对象、必填项等结构约束”。

在工程系统里，结构化输出把模型回复从自然语言字符串推进到可被程序直接消费的数据对象：表单抽取、分步解题、动态 UI、审核结果、分类标签、评估报告等场景，都可以把输出 schema 当成模型与下游代码之间的契约。

Function Calling（函数调用）

Tue, 07 Jul 2026 15:26:16 +0800

Function Calling（函数调用）

Function Calling（函数调用） 是让 LLM 通过结构化接口请求外部能力的机制：开发者把可用工具及其参数 schema 提供给模型，模型在需要外部数据或动作时生成一个函数调用请求，应用代码执行真实函数，再把结果回传给模型继续生成回答。

它也常被称为 tool calling（工具调用）。在 OpenAI API 语境中，function calling 是 tool calling 的一种主要形态：函数工具由 JSON Schema 定义；此外还有 custom tools，允许模型向工具传入自由文本，并可用 grammar 约束格式。在 Anthropic Claude API 语境中，同一机制表现为 tool_use block 和 tool_result 消息，详见 Claude API Tools。

Computer-Using Agent

Tue, 07 Jul 2026 14:09:04 +0800

Computer-Using Agent

Computer-Using Agent（CUA） 是 OpenAI 用于“计算机使用”的模型能力，支撑 Operator 和 Responses API（响应 API）中的 Computer use 工具。它不是普通文本工具调用，而是让模型根据屏幕状态生成鼠标、键盘等操作，再由开发者在受控环境里执行这些动作。

CUA 的意义在于连接那些没有稳定 API 的软件界面：浏览器后台、地图网站、企业遗留系统、后台管理页面等。对 AI Agent（智能体）来说，这是一种更接近人类 UI 的 Agent-Computer Interface（智能体计算机接口），也带来更高的误操作风险。

OpenAI Agents SDK

Tue, 07 Jul 2026 14:09:04 +0800

OpenAI Agents SDK

OpenAI Agents SDK 是 OpenAI 在 2025 年 3 月随 Responses API（响应 API）一起发布的开源 Agent 编排 SDK，用来把模型、工具、handoff、guardrails、tracing、沙箱执行和长时任务 harness 组织成可运行的单 Agent 或多 Agent 工作流。

它继承并产品化了 OpenAI 早期实验项目 Swarm 的一部分思路，但定位更接近生产编排层：Responses API 负责模型调用与内置工具，Agents SDK 负责把多个 Agent、业务函数工具和控制逻辑组合起来。OpenAI 的 Agents SDK 指南进一步把边界说得更直白：当应用想自己拥有循环时用 Responses API；当应用希望 SDK 运行循环时用 Agents SDK。

Agent Guardrails（Agent 护栏）

Tue, 07 Jul 2026 11:56:30 +0800

Agent Guardrails（Agent 护栏）

Agent Guardrails（Agent 护栏） 是围绕 AI Agent（智能体）运行过程设置的一组安全、质量与权限控制机制。它们不等同于一句"不要做坏事"的 prompt，而是把输入过滤、工具风险分级、输出校验、人工审批和确定性规则组合成分层防线。

Subagent（子智能体）

Fri, 03 Jul 2026 07:41:41 +0800

Subagent（子智能体）

子智能体（Subagent） 是由主智能体为一个边界明确的子任务启动的独立智能体线程。它在自己的上下文中探索、执行或审查，只把浓缩结果返回主线程。这个术语已被多个 Agent 产品和框架使用；本文重点记录 Codex 与 Claude Code 的官方实现。

子智能体工作流通常对应 Agentic System Patterns（智能体设计模式）中的 Orchestrator-Workers（编排者-执行者） 模式：

Promptfoo

Mon, 29 Jun 2026 11:04:49 +0800

Promptfoo

Promptfoo 是一个开源 CLI 与库，用于系统性地评估和红队测试 LLM 应用。2026 年被 OpenAI 收购后，定位从纯 eval 工具扩展为 AI 安全测试平台，覆盖漏洞检测、实时防护和模型安全测试。

两个产品层次

开源 eval 核心（最初产品，也是 wiki 其他词条主要引用的部分）：

声明式 YAML 配置测试用例，无需大量代码
支持 OpenAI、Anthropic、Azure、Google、HuggingFace 等主流 provider
本地运行，评估结果不上传
集成 CI/CD（GitHub、GitLab、Jenkins）
Web UI 查看结果，支持团队协作

商业 AI 安全平台（收购后扩展）：

HALO（层次化 Agent 循环优化器）

Mon, 29 Jun 2026 10:36:43 +0800

HALO（层次化 Agent 循环优化器）

HALO（Hierarchal Agent Loop Optimizer） 是 context-labs 开发的开源工具集（Python 包 + 桌面应用 + benchmark 工具），用专门的 RLM（Reinforcement Learning Model）引擎从 Agent 执行 trace 中分析 harness 层面的系统性故障，并生成按影响力排序的改进建议。

Multi-Agent Research System（多智能体研究系统）

Mon, 29 Jun 2026 09:39:17 +0800

Multi-Agent Research System（多智能体研究系统）

Anthropic 内部构建的深度研究 Agent 系统，是《Building Effective Agents》工程原则的生产级实现案例。系统采用编排者-执行者（Orchestrator-Workers）架构，由主研究 Agent 协调多个并行子 Agent，最终汇总引用。在内部研究评测中，比单 Agent Claude Opus 4 高出 90.2%，尤其擅长需要同时探索多个方向的广度优先查询。

Claude Code

Fri, 26 Jun 2026 19:23:12 +0800

Claude Code

Claude Code 是 Anthropic 官方发布的 agentic 编码命令行工具（CLI），同时提供 IDE 插件（VS Code、JetBrains）和 Web 界面。与聊天机器人不同，Claude Code 可以读取文件、执行命令、做出修改，并在你旁观、重定向或离开时自主完成任务。

Anthropic 内部的使用案例显示，Claude Code 的价值不只在“让工程师更快写代码”。不同团队把它用于代码库导航、测试生成、代码审查、生产故障排查、原型开发、文档整理和业务自动化；数据科学、产品设计、增长营销、法务等非传统工程岗位也能通过自然语言描述问题，让 Claude Code 生成可运行工具或工作流。这个扩散路径更接近 Human-Agent Teams：把可描述的问题转成可执行、可验证、可由团队持续复用的 Agent 工作流。

Agent-Computer Interface（智能体计算机接口）

Fri, 26 Jun 2026 15:13:16 +0800

Agent-Computer Interface（智能体计算机接口）

ACI（Agent-Computer Interface，智能体计算机接口） 是由 SWE-agent 论文（Yang et al., Princeton/CMU, 2024）正式提出的概念，将 AI Agent（智能体）与计算机系统的交互接口，类比为人机交互中的 HCI（Human-Computer Interface）来设计和优化。

Agentic System Patterns（智能体设计模式）

Fri, 26 Jun 2026 15:13:16 +0800

Agentic System Patterns（智能体设计模式）

本文整理自 Anthropic 2024 年 12 月发布的工程实践文章《Building Effective Agents》，系统介绍了他们在与数十个企业团队合作时总结出的 Agent 系统设计框架。核心结论是：成功的实现往往使用简单、可组合的模式，而非复杂框架。

Workflow vs. Agent 的关键区分

Anthropic 将所有 Agent 系统归类为 Agentic Systems（智能体系统），其中最重要的架构区分是：

Evaluator-Optimizer（评估器-优化器）

Fri, 26 Jun 2026 15:13:16 +0800

Evaluator-Optimizer（评估器-优化器）

Evaluator-Optimizer（评估器-优化器） 是 Agentic System Patterns（智能体设计模式）中的一种工作流模式。核心结构是：一个 LLM（生成者）产出内容，另一个 LLM（评估器）提供评估和反馈，两者在循环中迭代，直到内容达到质量标准或迭代次数上限。

Prompt Chaining（提示链）

Fri, 26 Jun 2026 15:13:16 +0800

Prompt Chaining（提示链）

Prompt Chaining（提示链） 是一种 Agentic System Patterns（智能体设计模式）中的工作流模式。核心思想是：将复杂任务分解为一系列顺序子步骤，每次 LLM 调用只处理上一步的输出，而不是试图一次完成全部内容。

这是五种主要工作流模式中最简单的一种，也是理解其他模式的起点。

EverOS

Thu, 25 Jun 2026 22:09:31 +0800

EverOS

EverOS 是 EverMind AI 开发的 AI Agent 长期记忆系统，定位是给 AI Agent（智能体）和 LLM 应用加一层可持续积累、可检索、可演化的记忆层。与 Mem0（Mem0）同属这一品类，但架构选择不同：OSS 版以 Markdown 文件作为事实源，记忆可直接阅读、编辑和纳入 Git 工作流。

核心 API：Add / Flush / Search

EverOS 的最小闭环是三步：

Obsidian

Tue, 23 Jun 2026 11:21:23 +0800

Obsidian

Obsidian 是 Obsidian MD 团队开发的个人知识管理（PKM）工具，核心特点是将所有笔记存储为本地 Markdown 文件，文件之间可以用 [[]] 双向链接，并生成可视化图谱（Graph View）。由于文件格式为纯文本，用户完全拥有数据，不依赖任何云服务。

核心机制

Vault（文库）：所有笔记的根文件夹，相当于本地知识库
双向链接：[[Note Name]] 语法自动创建笔记间的关联，Obsidian 自动维护反向链接
Graph View：把所有链接关系渲染成可交互的图谱，直观展示知识结构
社区插件：通过社区插件机制扩展功能，Local REST API 插件可暴露一个本地 HTTP 端口，供外部程序（如 AI Agent）读写 Vault

与 AI Agent 的集成

通过 obsidian-local-rest-api 社区插件，Obsidian 可以暴露一个本地 REST 接口（默认 127.0.0.1:27124）。AI Agent 通过 Model Context Protocol（模型上下文协议）连接这个接口后，可以：

Second Brain（AI 第二大脑）

Tue, 23 Jun 2026 11:21:23 +0800

Second Brain（AI 第二大脑）

AI 第二大脑（AI Second Brain） 是一种个人知识管理模式：以本地 Markdown 文件库（通常是 Obsidian）为存储，以 AI Agent（通常是 Claude）为读写引擎，通过 Model Context Protocol（模型上下文协议）连通两者，实现跨会话的持久记忆与自组织知识积累。

这个概念在非 AI 语境下由 Tiago Forte 于 2022 年系统阐述（其同名书 Building a Second Brain）；2025–2026 年，随着 LLM 能力提升和 MCP 标准普及，AI 版本的 Second Brain 在实践社区快速兴起。

Mem0

Sat, 20 Jun 2026 20:14:34 +0800

Mem0

Mem0 是一个为 LLM 和 AI Agent（智能体）提供长期持久化记忆的开源工具层，定位是替代 Agent 循环中的平铺 MEMORY.md 文件。核心能力：按语义检索（而非关键词匹配）相关记忆、原位更新已有事实（而非追加增长）、按 user_id / agent_id / run_id 隔离作用域。

在 Agent 循环中解决的问题

平铺记忆文件有三个问题：①膨胀并占用上下文预算；②只能匹配关键词，检索到"最近的"而非"最相关的"；③事实更新等于追加重复，旧值和新值并存。Mem0 在三个维度提供结构化替代。

Durable Execution（持久执行）

Fri, 19 Jun 2026 12:42:39 +0800

Durable Execution（持久执行）

持久执行（Durable Execution） 是一种执行基础设施模式，核心思想是：将函数中每个步骤的输入、输出、重试记录持久化到外部存储，使工作流在进程重启、崩溃或部署后能从上一个成功步骤恢复，而不是从头重新执行。

Plan-and-Execute（规划与执行）

Fri, 19 Jun 2026 10:33:32 +0800

Plan-and-Execute（规划与执行）

Plan-and-Execute 是一种 Agent Loop（智能体循环）架构模式，核心思想是将 Agent 工作分为两个分离的阶段：规划（Planning） 阶段先由规划器生成完整的任务分解，执行（Execution） 阶段再由执行器逐步或并行完成各子步骤。

与 ReAct 的边推理边执行不同，Plan-and-Execute 在任何工具调用发生之前就完成整体计划——这使独立的子任务可以并行化，而不是被迫顺序等待。通过并行执行独立步骤，可实现数倍的任务完成速度提升。

Reflexion（反思）

Fri, 19 Jun 2026 10:33:32 +0800

Reflexion（反思）

Reflexion 由 Noah Shinn 等人于 2023 年提出（论文《Reflexion: Language Agents with Verbal Reinforcement Learning》，中文译名《语言智能体的语言强化学习》）。核心思想是在 ReAct 的执行循环外加一层语言自评估（verbal self-reflection）：每次尝试失败后，Agent 不直接重试，而是先用自然语言回顾"哪里出了问题、下次怎么做不一样"，把这段反思写入情节记忆（episodic memory），再次尝试时将反思作为额外上下文读入，避免重蹈覆辙。

ReAct

Fri, 19 Jun 2026 09:42:09 +0800

ReAct

ReAct 是"Reasoning + Acting"的缩写，由姚顺雨（Shunyu Yao）等人于 2022 年提出（论文《ReAct: Synergizing Reasoning and Acting in Language Models》，中文译名《在语言模型中协同推理与行动》）。核心思想是让语言模型在行动之前先输出显式的推理轨迹，再执行行动，观察结果，然后再推理、再行动，形成 Thought → Action → Observation 的交织循环。

Dynamic Workflows（动态工作流）

Wed, 17 Jun 2026 12:00:51 +0800

Dynamic Workflows（动态工作流）

Dynamic Workflows（动态工作流） 是 Anthropic Claude Code 语境中的一个新兴产品能力。根据当前材料，它指 Claude 基于用户给出的复杂目标，先生成一段可执行、可阅读、可复跑的编排脚本，再交给 Workflow Runtime 调度多个 subagent 协同完成任务。

它不是简单的“多叫几个子 Agent”，而是把复杂任务从主会话里的临时推理，提升为 Runtime 中可运行、可追踪、可验证的任务编排。这个方向与 Loop Engineering（循环工程）和 Harness Engineering（驾驭工程）高度相关：前者关注目标驱动的闭环，后者提供执行、权限、状态、验证和治理基础设施。

Autoresearch（自动研究）

Wed, 17 Jun 2026 10:02:03 +0800

Autoresearch（自动研究）

Autoresearch（自动研究） 是 2026 年前后在 Agent 研究语境中出现的新兴说法，指把 AI Agent（智能体）放进科研或实验优化闭环：Agent 提出改动，系统运行实验，用 Evals（评估）判断结果是否变好，好的改动保留，坏的改动回滚，然后进入下一轮。

这里的 Autoresearch 应理解为一类方法/范式，而不是一个已经统一命名的单一产品或标准框架。论文中常见写法是小写的 autoresearch，并会提到 “Karpathy’s single-track loop” 这类具体基线；本词条用标题化的 Autoresearch 只是为了 wiki 词条展示一致。

Evals（评估）

Wed, 17 Jun 2026 10:02:03 +0800

Evals（评估）

Evals（评估） 是 LLM/Agent 工程里已经存在的通用说法，指用于判断模型或 LLM 系统表现的测试、指标、数据集、grader、benchmark 或评估流程。OpenAI 有开源 openai/evals 和平台级 Evals API；Anthropic 文档也把 Evaluation Tool 作为测试 prompt 和比较结果的正式工具；近期 agent benchmark 论文也直接讨论 production agent evaluation。

Agent Loop（智能体循环）

Tue, 16 Jun 2026 20:36:28 +0800

Agent Loop（智能体循环）

Agent Loop（智能体循环） 是 AI Agent（智能体）的最小运行结构：接收用户输入，构造 prompt，调用模型推理；如果模型请求工具调用，harness 执行工具并把观察结果追加回上下文，再次调用模型；直到模型停止请求工具、返回 assistant message，控制权交还给用户。

Codex

Tue, 16 Jun 2026 20:36:28 +0800

Codex

Codex 是 OpenAI 的软件开发 Agent 产品家族，可用于编写代码、理解陌生代码库、审查和修复问题，以及自动执行重构、测试、迁移和环境配置等工程任务。

2026 年 7 月，原 Codex App 并入新的 ChatGPT 桌面应用；桌面入口中并列 Chat、ChatGPT Work、Codex、Scheduled 和 Sites。Codex 仍是面向开发者与技术人员的编程 Agent，且用户可以把它设为默认视图；这一产品整合不改变本文对 CLI、IDE 与云端执行环境的区分。

Prompt Caching（提示缓存）

Tue, 16 Jun 2026 20:36:28 +0800

Prompt Caching（提示缓存）

Prompt Caching（提示缓存） 是复用相同 prompt 前缀的模型计算结果，以降低长对话和 Agent Loop（智能体循环）推理成本的机制。它和 KV-cache 感知设计密切相关：缓存是否命中，不只取决于内容是否"差不多"，而取决于前缀是否精确一致。

Responses API（响应 API）

Tue, 16 Jun 2026 20:36:28 +0800

Responses API（响应 API）

Responses API（响应 API） 是 OpenAI 用来执行模型推理、暴露工具调用、返回流式事件并支持对话压缩的 API。Codex 的 CLI 通过它驱动 Agent Loop（智能体循环）。

OpenAI 在 2025 年 3 月发布《New tools for building agents》时，把 Responses API 定位为新 Agent 平台的核心 API primitive：它合并了 Chat Completions API 的简单请求形态和 Assistants API 的工具调用能力。对新 Agent 集成，OpenAI 建议优先从 Responses API 开始；Chat Completions 继续服务不需要内置工具的场景，而 Assistants API 在功能对齐后计划迁移到 Responses API。

Agent Memory（Agent 记忆）

Tue, 16 Jun 2026 17:21:19 +0800

Agent Memory（Agent 记忆）

Agent 记忆（Agent Memory） 是指将 AI Agent（智能体）或 Loop Engineering（循环工程）的运行状态，写入单次对话上下文之外的持久介质中。它可以是 Markdown 状态文件、Linear/Jira 看板、GitHub Issue、PR 评论、数据库记录或运行日志。

Agent Worktree（Agent 工作树）

Tue, 16 Jun 2026 17:21:19 +0800

Agent Worktree（Agent 工作树）

Agent 工作树（Agent Worktree） 是在多 AI Agent（智能体）并行工作时，为每个 Agent 分配独立的 Git worktree、分支或临时工作目录，使它们的文件修改在物理工作区层面隔离。

它解决的是并行 Agent 的最低层冲突：两个 Agent 同时改同一个文件、互相覆盖、把彼此的中间状态当作事实基础。隔离工作树后，每个 Agent 都在自己的目录里探索、实现和验证，最终由人或上层编排器合并、取舍。

Closed vs Open Tasks（封闭性任务与开放性任务）

Tue, 16 Jun 2026 10:02:46 +0800

Closed vs Open Tasks（封闭性任务与开放性任务）

封闭性任务（Closed Task） 和 开放性任务（Open Task） 是理解 AI 商业边界的核心分类框架，区分标准只有一个：能否用代码客观验证结果是否正确。

换成 Evals（评估）的语言：封闭性任务有相对清晰、低成本、可重复的评估机制；开放性任务缺少这样的评估机制，只能依赖人类判断或弱代理指标。

Hallucination（幻觉）

Tue, 16 Jun 2026 10:02:46 +0800

Hallucination（幻觉）

幻觉（Hallucination） 指大语言模型以自信的语气生成与事实不符内容的现象。模型不会感到困惑或迟疑，只是顺着概率继续输出，语气正儿八经，结论却可能完全错误。

根本原因：没有现实参照

LLM 的本质是概率文字接龙——根据训练语料的统计分布，预测下一个最可能出现的 token。它回答"1+1=2"，不是因为理解了加法，而是因为训练文本里"1+1=2"出现了无数次。

Skill（技能）

Tue, 16 Jun 2026 10:02:46 +0800

Skill（技能）

Skill（技能） 是将项目背景、代码规范、常用命令、测试方式、已知坑点等隐性知识，打包成 Agent 可在会话中调用的可复用单元。

为什么需要 Skill

没有 Skill，开发者面对两个选择：

每次对话都把约定重新塞进 Prompt（每轮重复，费时且容易遗漏）
让 Agent 从代码库推断规范（隐性知识推不出来）

Addy Osmani 把这种知识缺口命名为 Intent Debt（意图债）：约定存在于人脑中，Agent 每次都要重新猜测，猜错了再纠正，形成隐性成本。

Vibe Coding（氛围编程）

Tue, 16 Jun 2026 10:02:46 +0800

Vibe Coding（氛围编程）

Vibe Coding（氛围编程） 是由 Andrej Karpathy 提出的编程范式描述：开发者不再严格规划每一步，而是凭直觉（“vibe”）给 AI 描述意图，让 AI 快速生成代码，再根据报错或不满意之处反复修改，通过高速迭代逼近目标。

Cognitive Surrender（认知投降）

Tue, 16 Jun 2026 00:00:00 +0800

Cognitive Surrender（认知投降）

认知投降（Cognitive Surrender） 是指工程师在长期使用 AI Agent（智能体）或Loop Engineering（循环工程）工具后，逐渐停止发表独立意见、停止质疑 AI 产出、最终直接接受 AI 给出的任何结果的状态。由 Addy Osmani 在 Loop Engineering 的语境下命名。

Intent Debt（意图债）

Tue, 16 Jun 2026 00:00:00 +0800

Intent Debt（意图债）

意图债（Intent Debt） 是指将团队约定、架构决策、“我们不这么做是因为那次事故"等隐性知识存储在人脑中而非外部文档里，导致 AI Agent（智能体）每次新会话都必须从零重新猜测这些规则所积累的系统性成本。

Agent Sandbox（Agent 沙箱）