1. 智能体（Agent）
智能体是可以自主执行指令的 AI 系统，它能根据预设目标采取行动，就像您的得力助手。例如，一个 AI 面试官可以自动筛选简历，安排面试，并生成候选人评估报告，极大地简化了招聘流程。当然，在一些复杂场景中，智能体在准确性上可能还需进一步优化。
2. 多智能体系统
多个智能体的协同运作构成了多智能体系统，与单个智能体相比，这种系统更加强大，能够完成更复杂的任务，就像一个团队一样。如果一个智能体发生故障，备用智能体立即填补空缺，以确保整个系统的顺畅运作。
3. RAG（检索增强生成）
RAG 技术通过检索外部知识库的信息来生成精准的回答，为智能体提供了超强大的资料库支持。例如，RAG 能帮助智能客服系统为用户提供专业的产品使用指导。
4. 工作流
工作流类似于智能体的行动指引，确保所有任务按序、高效地完成。在复杂业务场景中，工作流设计能够将智能体的幻觉问题降到最低。例如，订单管理中的工作流可自动处理库存检查以确保及时响应客户需求。
5. 微调
微调是让大模型更适应特定业务的技术，通过行业数据的训练，模型可以更深入地理解专业术语，提高其准确性。例如，在质检领域，微调技术大幅提升了产品检测能力。
6. 函数调用
函数调用让智能体通过已有程序实现问题解决，而无需重新编写代码。在图像处理方面，智能体通过一系列函数调用来完成复杂的图像分析。
7. MCP（模型上下文协议）
MCP 标准化了智能体与软件的协作，只需开发一个标准接口，模型就能调用多个软件功能，简化了智能体与软件的互动过程，为开发者节省了时间。
8. A2A
A2A 协议通过定义跨平台通信标准，让不同智能体之间顺利合作，打破了技术兼容性的限制。比如，在医疗领域，影像和病历智能体通过 A2A 协议合作，为医生提供快速准确的诊断支持。
推荐阅读
软件测试/测试开发丨Pytest测试用例生命周期管理-Fixture
软件测试/测试开发丨Python学习笔记之基本数据类型与操作
