大家好，我的开源项目PakePlus可以将网页/Vue/React项目打包为桌面/手机应用并且小于5M只需几分钟，官网地址：pakeplus.com
随着大语言模型（LLM）与智能体（Agent）技术的快速发展，编程范式正在经历一场深刻的变革，Vibe Coding、Agentic Coding、Harness Engineer、Loop Engineer……一批新概念、新术语层出不穷，接下来我们看看都有哪些新术语，各代表什么意思。
AI Agent 由 Artificial Intelligence（人工智能）和 Agent（智能体）组成。
一、编程范式（Coding Paradigm）
| 术语 |
中文 |
核心含义 |
举例（餐厅经营） |
| Vibe Coding |
氛围编程 |
用自然语言/语音描述需求让 AI 生成代码 |
在家凭感觉炒个蛋炒饭，想加什么加什么 |
| Context Engineering |
上下文工程 |
通过组织上下文、知识、记忆与工具提升模型效果 |
提前备菜、准备菜单和厨房环境 |
| Agentic Coding |
智能体编程 |
Agent 自主完成编程任务（设计→实现→测试→验收） |
经营一家正式餐厅，从菜单、备料到出品全流程 |
| AI Native Development |
AI 原生开发 |
默认 AI 参与设计、开发、测试全过程 |
直接经营智能餐厅 |
二、工程角色（Engineer Role）
| 术语 |
中文 |
核心含义 |
举例（餐厅经营） |
| Harness Engineer |
线束工程师 |
会调用各种 Harness 组件，自己干活自己验收 |
专业厨师，精通各类厨具技法，做完自己试味把关 |
| Loop Engineer |
循环工程师 |
搭自动化编排系统，自主进化 |
餐厅运营管理系统，统筹排班、采购、出餐节奏与成本 |
| Context Engineer |
上下文工程师 |
负责设计上下文、知识源与记忆系统 |
后厨总调度 |
| AI Product Engineer |
AI 产品工程师 |
负责 AI 能力与业务闭环设计 |
餐厅老板兼运营 |
| Agent Operator |
智能体运营工程师 |
持续监控和优化 Agent 执行效果 |
店长持续优化经营数据 |
三、模型与底层（Model & Fundamentals）
| 术语 |
中文 |
核心含义 |
备注 |
| LLM（Large Language Model） |
大语言模型 |
基于海量文本训练的语言预测模型 |
GPT、Claude、Gemini 都是 LLM |
| GPT |
生成式预训练 Transformer |
OpenAI 的模型架构范式 |
Generative Pre-trained Transformer |
| Token |
词元 |
模型处理文本的最小单位（约 ¾ 个英文单词） |
计费和上下文长度的计量单位 |
| Context Window |
上下文窗口 |
模型一次能"看到"的最大 token 数 |
窗口越大，记得越多 |
| Inference |
推理 |
模型生成输出的过程 |
区别于训练 |
| Hallucination |
幻觉 |
模型一本正经地编造不存在的信息 |
生成与事实、上下文或目标不一致内容 |
| Temperature |
温度 |
控制采样概率分布，高值更发散，低值更稳定 |
写代码建议调低 |
| Top-p / Top-k |
采样参数 |
控制候选词的采样范围 |
影响输出多样性 |
| Embedding |
向量嵌入 |
把文本/图片转成数字向量，用于相似度计算 |
RAG 的基础 |
| Fine-tuning |
微调 |
在通用模型上用特定数据继续训练 |
让模型更懂某个领域 |
| RLHF |
基于人类反馈的强化学习 |
用人类偏好对齐模型行为 |
让 AI "听话" |
| MoE（Mixture of Experts） |
混合专家 |
每次只激活部分参数，提升效率 |
用更少算力跑更强模型 |
| Multimodal |
多模态 |
同时处理文本、图像、音频、视频 |
GPT-4o、Gemini 都是 |
| Transformer |
Transformer 架构 |
现代 LLM 的底层神经网络结构 |
注意力机制是核心 |
| KV Cache |
键值缓存 |
缓存上下文计算结果提升推理速度 |
避免重复翻菜谱 |
| Latency |
延迟 |
模型响应耗时 |
影响用户体验 |
| Throughput |
吞吐量 |
单位时间可处理任务数 |
影响并发能力 |
四、Prompt 工程（Prompt Engineering）
| 术语 |
中文 |
核心含义 |
| Prompt |
提示词 |
给模型的输入指令 |
| System Prompt |
系统提示词 |
定义 Agent 角色、边界、行为的底层指令 |
| Prompt Engineering |
提示工程 |
设计优化提示词以获得更好输出的技术 |
| Zero-shot |
零样本 |
不给示例，直接让模型完成任务 |
| Few-shot |
少样本 |
给几个示例，引导模型按格式/风格输出 |
| Chain of Thought（CoT） |
思维链 |
引导模型产生中间推理过程，提升复杂推理能力 |
| ReAct |
推理+行动 |
Reasoning + Acting 交替进行，边想边干，是 Agent 的核心范式 |
| Role Prompting |
角色扮演 |
让模型扮演某个角色（如"你是资深架构师"） |
| Structured Output |
结构化输出 |
强制模型按 JSON/XML 等格式输出 |
| Prompt Chaining |
提示链 |
多个 Prompt 串联完成复杂任务 |
| Self-Consistency |
自一致性 |
生成多个推理结果后进行投票选择 |
| Tree of Thoughts（ToT） |
思维树 |
同时探索多条推理路径 |
五、Agent 架构（Agent Architecture）
| 术语 |
中文 |
核心含义 |
举例（餐厅经营） |
| Agent |
智能体 |
能自主感知、决策、执行任务的 AI 程序 |
掌勺厨师 |
| Multi-Agent |
多智能体 |
多个 Agent 分工协作 |
厨师团队协同出餐 |
| Subagent |
子智能体 |
主 Agent 派生的专项子 Agent |
专职厨师（如切配、冷盘、甜品） |
| Tool Use / Function Calling |
工具调用 / 函数调用 |
Agent 调用外部工具/API 执行动作 |
使用菜刀、灶台、烤箱等厨具 |
| Planning |
规划 |
Agent 拆解目标、制定执行步骤 |
制定备菜与出餐计划 |
| Reflection |
反思 |
Agent 回顾自己的行为并改进 |
试菜后根据反馈调整口味 |
| Memory |
记忆 |
跨会话保存复用的长期信息（短期/长期） |
菜谱本与经营数据积累 |
| Agent Loop |
智能体循环 |
思考→行动→观察→再思考的迭代机制 |
备料→烹饪→试味→上菜的循环 |
| Environment |
环境 |
Agent 感知和执行动作的真实世界 |
厨房环境 |
| Observation |
观察 |
执行后获取反馈信息 |
试菜反馈 |
| Execution |
执行 |
将规划转化为真实动作 |
开始做菜 |
| Long-term Memory |
长期记忆 |
长期保存经验知识 |
经营数据库 |
六、Harness 组件（AI Agent 能力模块）
| 术语 |
中文 |
核心含义 |
举例（餐厅经营） |
| Harness |
线束 / 驾驭框架 |
承载 Agent 执行、上下文管理与工具编排的运行框架 |
整个厨房系统（厨房本体） |
| Skills |
技能 |
Agent 可调用的专项能力模块 |
各类烹饪技法（煎炒烹炸） |
| Context |
上下文 |
当前任务可获取的信息范围 |
当前订单、食材库存与顾客要求 |
| MCP（Model Context Protocol） |
模型上下文协议 |
Agent 连接外部工具/数据源的标准化协议 |
对接食材供应商、外卖平台的标准化接口 |
| Permission |
权限控制 |
控制 Agent 能做/不能做的安全机制 |
后厨操作权限与采购审批 |
| RAG（Retrieval-Augmented Generation） |
检索增强生成 |
先从知识库检索，再让模型生成，减少幻觉 |
做菜前先翻菜谱书查标准做法 |
| Tool Registry |
工具注册中心 |
统一管理 Agent 可调用工具 |
厨房工具架 |
| Session |
会话 |
一次任务生命周期 |
一次营业过程 |
| Knowledge Base |
知识库 |
供 Agent 查询的外部知识集合 |
餐厅菜谱库 |
七、Loop 工具（自动化编排与自主进化）
| 术语 |
中文 |
核心含义 |
举例（餐厅经营） |
| /loop |
循环指令 |
让 Agent 持续循环执行 |
持续运转的出餐流水线 |
| /goal |
目标指令 |
设定目标驱动 Agent 自主达成 |
当日营业目标 |
| Cron |
定时任务 |
按时间计划自动触发 |
营业时段与备餐排程 |
| Worktree |
工作树 |
Git 多分支并行工作区 |
多个灶台同时开火、互不干扰 |
| Workflow |
工作流 |
预定义的多步骤自动化流程 |
标准出餐 SOP |
| Scheduler |
调度器 |
协调多个任务执行顺序 |
后厨排班系统 |
| Checkpoint |
检查点 |
保存执行状态用于恢复 |
暂停营业后继续工作 |
| Human-in-the-loop |
人在回路 |
关键步骤允许人工干预 |
主厨最终确认出餐 |
八、工具生态（Tool Ecosystem）
| 工具 |
类型 |
说明 |
| Claude Code（cc） |
AI Agent / CLI |
Anthropic 官方终端 Agent，Harness 的典型代表 |
| Codex CLI |
AI Agent / CLI |
OpenAI 官方命令行编码 Agent |
| Cursor |
AI IDE |
内置 AI 的代码编辑器，Vibe Coding 主力 |
| Windsurf |
AI IDE |
Codeium 出品的 AI IDE |
| GitHub Copilot |
AI 编程助手 |
最早普及的 AI 编程插件，偏辅助补全 |
| Cline / Roo Code |
开源 Agent 插件 |
VS Code 中的自主编码 Agent |
| Aider |
开源 CLI Agent |
命令行里的 AI 结对编程工具 |
| Devin |
AI 软件工程师 |
Cognition 推出的"首个 AI 程序员"，偏全自主 |
| Continue |
开源 AI 插件 |
可自定义模型的代码助手 |
| Qoder |
AI IDE |
国内面向 AI 编程场景的智能开发环境，强调 Agent、项目理解与代码生成 |
| Trae |
AI IDE |
字节跳动推出的新一代 AI 编程工具，支持对话式开发与工程级协作 |
| ZCode |
AI 编程助手 |
Z.ai 推出的智能编程产品，支持代码生成、理解、重构与工程协同 |
| OpenHands |
开源 Agent |
自主软件开发，面向完整工程执行 |
| Bolt |
AI Builder |
快速生成应用，偏产品落地 |
| Lovable |
AI Builder |
自然语言生成 Web，强调产品交付 |
九、评估与安全（Evaluation & Safety）
| 术语 |
中文 |
核心含义 |
| Eval |
评估 |
用测试集衡量模型/Agent 的能力 |
| Alignment |
对齐 |
让 AI 行为符合人类意图和价值观 |
| Guardrail |
护栏 |
限制 AI 输出范围的安全机制 |
| Red Teaming |
红队测试 |
主动攻击/诱导 AI，发现漏洞 |
| Prompt Injection |
提示词注入 |
恶意输入劫持 AI 行为（如"忽略以上指令"） |
| Context Poisoning |
上下文污染 |
往上下文里掺恶意信息误导 Agent |
| Sandbox |
沙箱 |
隔离执行环境，防止 AI 误操作破坏系统 |
十、AI 工程演进路线（Evolution）
AI 工程能力正在逐步上移：从控制模型输出，到控制上下文，再到控制系统，最终演化为持续自治系统。
| 阶段 |
关注点 |
关键能力 |
| Prompt Engineering |
怎么问 |
提示设计 |
| Context Engineering |
给什么信息 |
上下文组织 |
| Harness Engineering |
怎么组织能力 |
工具编排 |
| Loop Engineering |
怎么持续创造结果 |
自动执行与反馈 |
