Agent系统
概念
- ACP协议 — Agent Client Protocol（ACP） 是一种标准化的"客户端—智能体"通信协议，定义客户端如何与 AI Agent 进行会话、工具调用和
- AIXI模型 — AIXI 是 Marcus Hutter (2000) 提出的通用人工智能理论模型，将 Solomonoff 归纳推理与 Bellman 最优控制结合，在任何可
- Agent Harness模式 — Agent Harness（"马具"）是一种 AI Agent 工程架构模式：不从零实现 Agent 运行时，而是在现有 LLM 框架（如 La
- Agent Skills — Agent Skills（代理技能）是 Anthropic 提出的开放标准：一个含 SKILL.md 文件的目录，通过渐进式披露机制为 Agent 提供
- Agent工作流模式 — Anthropic 从与数十个客户团队协作中提炼的 LLM 系统架构分类：工作流（LLM 和工具经由预定义代码路径编排）与Agent（LLM 动
- Agent循环 — Agent 循环（Agent Loop）是所有 AI Agent 的核心心跳：反复调用 LLM，根据停止原因分支——若
stop 则输出结果，若 `tool
- Agent计算机接口 — Agent 计算机接口（Agent-Computer Interface, ACI）是类比人机接口（HCI）的概念：为 LLM Agent 设计工具接口需要与
- Agent评估方法论 — Anthropic 从内部实践和客户协作中提炼的 Agent 系统评估（Eval）系统方法论：词汇体系、评分器类型、能力评估与回归评估、pass@k vs pa
- DeepAgents中间件体系 — DeepAgents 中间件（`libs/deepagents/deepagents/
- DeepAgents后端协议 — DeepAgents 的存储与执行抽象层（
libs/deepagents/deepagents/backends/）。`BackendProtoco
- DeepAgents评估体系 — DeepAgents 的评估框架（
libs/evals/），基于 pytest + LangSmith，将 Agent 一次运行表示为结构化"轨迹"
- Kinodynamic Planning — Kinodynamic Planning（动力学运动规划）是一类同时考虑运动学约束（如非完整约束）和动力学约束（如速度、加速度、力矩限制）的运动规划</li>
<li>[[LLM-as-Judge — 使用 LLM 作为自动评判器（Judge），对 AI 系统的输出按预定义准则打分，代替人工评估。适用于难以用规则/子串匹配表达的**语义正确性、风格、完
- STRIPS 规划器 — STRIPS（STanford Research Institute Problem Solver）是人工智能历史上最具影响力的自动规划系统
- 三分解控制框架 — 三分解控制框架（Three-Part Decomposition）是由 Marc H. Raibert 提出的一种用于动态腿式运动控制的核心理论架构。该
- 事件驱动Agent架构 — 事件驱动 Agent 架构是指：Agent 循环内所有状态变化都通过事件发射（emit）通知订阅者，而不依赖返回值。同一 Agent 核心可同时驱动终端
- 多Agent架构 — 多 Agent 架构是将复杂任务分配给并行运行的多个专门 Agent 实例的系统设计模式。核心价值：**子 Agent 通过各自独立上下文窗口进行并行探索，再将
- 生成器-评估器架构 — 受 GAN（生成对抗网络）启发的多 Agent 设计模式：生成器（Generator）负责产出，评估器（Evaluator）负责评判并给出详细批
- 长时任务Agent设计 — 针对跨多个上下文窗口的长时自主任务（数小时至数日）的 Agent Harness 设计模式：初始化 Agent（
实体
综合分析