一张图看懂AI进化🔥2023vs2026术语大爆炸
* HARNESS（AI控制台）： 类似于给大模型套上的“外骨骼”或安全控制框架，用于约束、协调和管理 AI 代理（Agent）的执行环境。

* CONTEXT ENGINEERING（上下文工程）： 动态管理、精简和编排输入给大模型的信息窗口，确保模型在长对话或多任务中不会遗忘关键细节。

* LOOP ENGINEERING（循环工程）： 让 AI 进行自我反思、纠错和多步迭代的循环机制（如“思考-行动-观察”的循环），直到任务完成。

* GRAPH ENGINEERING（图工程）： 用图结构（Graph）来管理复杂的工作流或多智能体之间的复杂拓扑关系和信息流向。

* MCP (Model Context Protocol)（模型上下文协议）： 一种标准化协议，用于安全、无缝地把外部数据源和工具连接给大模型。

* STATELESS MCP（无状态 MCP）： 不在服务器端保留长期状态的轻量级 MCP 交互模式，用完即走，安全且易于扩展。

* AGENTIC AI（智能体 AI）： 具备自主规划、使用工具、分解任务并达成复杂目标的 AI 系统，而不只是被动回答问题。

* MULTI-AGENT SYSTEMS（多智能体系统）： 让多个不同分工的 AI 角色（如程序员、测试、产品经理）协同工作、互相讨论来解决大难题。

* RAG 2.0（检索增强生成 2.0）： 新一代的知识检索技术，比传统的“切块向量检索”更聪明，结合了图谱、重排和语义理解，大幅提升准确度。

* MEMORY LAYERS（记忆层）： 为 AI 设计的分级记忆系统（短期工作记忆、长期向量记忆等），让 AI 拥有类似人类的持续记忆能力。

* TOOL USE & FUNCTION CALLING（工具调用与函数调用）： 赋予 AI 调用外部 API、计算器、浏览器或数据库的超能力，使其能执行实际操作
。
* VECTOR DBs（向量数据库）： 专门用来存储和快速检索高维数据的数据库，是现代 AI 语义搜索和长文本记忆的底层基石。

* FINE-TUNING（微调）： 使用特定领域的专业数据集去“改造”或训练模型，让它更适应某个行业或特定风格。

AI AI新手村 AI工具