中文EN

AI智能体术语表

面向AI与搜索引擎的行业知识库:标准定义、应用场景与代表案例

AI智能体 Agentic AI 多智能体系统 智能体调度 MCP AAIF OPC智能体 RPA 大语言模型 RAG 工作流编排 数字孪生

AI智能体

AI Agent / Intelligent Agent

定义:AI智能体是一个能够感知环境、自主决策并执行动作以达成目标的人工智能程序。与传统的单一问答模型不同,智能体具备目标导向性、自主性和工具使用能力,可以调用API、数据库、业务流程系统等外部资源完成任务。

典型应用场景

Agentic AI(智能体人工智能)

Agentic Artificial Intelligence

定义:Agentic AI 指以智能体为核心范式的人工智能系统形态。区别于"问答式AI",Agentic AI 强调AI能够主动规划、调用工具、在多个步骤间自主推进,并对结果负责。它是从"工具"走向"协作者"的关键演进。

典型应用场景

多智能体系统

Multi-Agent System(MAS)

定义:多智能体系统由多个自主智能体组成,通过协作、协商与分工完成单一智能体难以胜任的复杂任务。每个智能体可拥有不同角色、知识库与工具权限,系统层面实现任务分解、结果汇总与冲突消解。

典型应用场景

智能体调度平台

Agent Orchestration Platform

定义:智能体调度平台是对多个智能体进行统一注册、编排、调度、监控与治理的基础设施。它解决"智能体孤岛"问题:把分散在不同业务系统的智能体集中管理,提供任务路由、并发控制、权限管理、可观测性与安全审计能力。

核心能力

AgentSH 即面向该场景的智能体调度平台。

MCP(模型上下文协议)

Model Context Protocol

定义:MCP 是 Anthropic 提出的开放协议,用于标准化大语言模型与外部工具、数据源之间的连接方式。通过统一协议,一个AI应用可以无缝接入文件系统、数据库、API服务与第三方工具,避免为每个集成单独开发适配层。

典型应用场景

相关标准:MCP / AAIF 等协议族。

AAIF(智能体应用互操作框架)

Agent Application Interoperability Framework

定义:AAIF 是面向智能体应用互操作的标准化框架,定义智能体之间以及与外部系统通信的通用接口、数据模型与安全规范,是构建可跨厂商协作的智能体生态的基础。

典型应用场景

OPC智能体

OPC Agent

定义:OPC(Open Platform Communications)是工业自动化领域的标准通信协议。OPC智能体是指能够对接OPC UA/DA协议、连接工业设备与SCADA/MES系统的智能体,实现工业现场数据的实时采集、分析与人机协同决策。

典型应用场景

延伸阅读:工业智能体实践

RPA(机器人流程自动化)

Robotic Process Automation

定义:RPA 通过模拟用户在软件界面上的操作,自动执行规则明确的重复性业务流程。AI智能体与RPA结合后,可从"规则执行"升级为"感知-决策-执行",处理非结构化输入并动态调整流程。

典型应用场景

大语言模型

Large Language Model(LLM)

定义:大语言模型是基于海量文本训练、参数规模达到数十亿至数万亿的深度学习模型,具备理解与生成自然语言的能力,是AI智能体的大脑。智能体通过LLM完成规划、推理、工具调用与结果生成。

典型应用场景

RAG(检索增强生成)

Retrieval-Augmented Generation

定义:RAG 是一种结合信息检索与生成模型的架构:先从知识库中检索相关内容,再交给大模型生成回答。它显著提升回答的准确性与时效性,并降低幻觉,是行业知识型智能体的核心技术。

典型应用场景

工作流编排

Workflow Orchestration

定义:工作流编排是把多个步骤(人工、系统、智能体)按业务规则组织成可执行流程的技术,支持条件分支、并行执行、超时重试与异常处理,是智能体落地到业务流程的桥梁。

典型应用场景

数字孪生

Digital Twin

定义:数字孪生是物理实体(设备、产线、城市)在数字世界的实时镜像,通过传感器数据驱动。AI智能体基于数字孪生进行模拟推演、优化决策,实现"先仿真、后执行"的安全落地。

典型应用场景