| AI Agent |
AI 智能代理 |
透過觀察環境並運用工具採取行動以達成特定目標的應用程式 |
| Orchestration Layer |
指揮層／協調層 |
Agent 的指揮中心，負責維護記憶、狀態、推理與規劃，並驅動行動循環 |
| ReAct (Reasoning and Acting) |
推理與行動框架 |
結合推理與行動的提示策略，讓模型邊推理邊採取行動 |
| Chain-of-Thought (CoT) |
鏈式思考 |
透過中間步驟啟用多步推理，子技術含自我一致性、主動提示等 |
| Tree-of-Thoughts (ToT) |
思維樹 |
擴展 CoT，允許模型探索多種中間步驟，適合探索或策略性前瞻任務 |
| Fine-Tuning |
微調 |
以特定資料集訓練模型以提升特定任務效能 |
| Extensions |
擴展 |
以標準化方式橋接 API 與 Agent，在 Agent 端執行 API 呼叫 |
| Functions |
函數 |
模型輸出函數與引數，但實際 API 呼叫在客戶端執行 |
| Data Stores |
資料儲存 |
通常以向量資料庫實作，提供 Agent 存取動態更新的資訊 |
| Function Calling |
函數呼叫 |
模型產生函數參數交由客戶端執行的機制 |
| Vector Database |
向量資料庫 |
儲存並供 Agent 在執行時檢索內容的資料庫 |
| RAG (Retrieval-Augmented Generation) |
檢索增強生成 |
結合外部知識庫檢索與生成的架構，文中說明 RAG-based AI agent 生命週期 |
| Query Embedding / Embedding Vector |
查詢嵌入／嵌入向量 |
將使用者查詢轉為向量以與向量資料庫匹配 |
| In-context Learning |
情境學習 |
在推論時提供提示、工具與少量範例，使模型即時學習 |
| Few-shot Examples |
少量範例 |
提供給模型的少數示例，用於即時學習如何使用工具 |
| Retrieval-based In-context Learning |
檢索式情境學習 |
從外部記憶動態檢索相關資訊、工具與範例填充模型提示 |
| Inference Time |
推論時 |
模型實際執行預測的階段（相對於訓練前微調） |
| Targeted Learning |
目標式學習 |
提升模型在特定任務、超出訓練資料範圍知識上的表現 |
| Cognitive Architecture |
認知架構 |
Agent 用以迭代處理資訊、決策並調整行動的運作架構 |
| Agent Chain / Mixture of Agent Experts |
代理鏈／混合 Agent 專家 |
結合多個專業 Agent 協作以提供跨領域卓越成果的策略 |