AI大模型agent专有名词扫盲

背景

学习大模型应用开发时，经常会遇到 LLM、Prompt、Memory、Agent、RAG、MCP 等概念。下面按应用开发视角梳理这些高频名词。

LLM 是 Large Language Model，也就是大语言模型。它负责理解和生成自然语言，是大模型应用的核心能力来源。

Dialogue 指对话过程，通常由用户输入和模型回复组成。多轮对话场景中，模型需要结合历史对话理解当前问题。

Context 是上下文，可以理解为模型当前能看到的信息范围，包括用户问题、历史对话、系统提示词、检索结果和工具返回结果。

Prompt 是提示词，用于告诉模型要扮演什么角色、完成什么任务、遵守什么格式或约束。

Memory 是记忆能力，用来保存用户偏好、历史事实或任务状态，让智能体在长期交互中保持一致性。

Agent 通常翻译为智能体。它不只是回答问题，还会根据目标进行规划、调用工具、观察结果并继续执行。

RAG 是 Retrieval-Augmented Generation，中文常称为检索增强生成。它会先从知识库、文档或搜索结果中检索相关内容，再交给模型生成答案。

WebSearch 是联网搜索能力，适合处理实时信息、公开资料查询、新闻或文档更新等模型训练数据之外的问题。

Function Calling 是函数调用能力。模型根据用户意图选择合适的函数或工具，并生成结构化参数，由系统真正执行。

MCP 是 Model Context Protocol，用于把外部工具、资源和上下文以统一协议暴露给模型或智能体。

大模型幻觉指模型生成了看似合理但事实错误的内容。RAG、工具调用、引用来源和结果校验都可以降低幻觉风险。