本课程出现的核心名词中英对照。遇到不认识的名词，先来这里查。
Definition: 一个能自主感知环境、做出决策、调用工具完成任务的 LLM 驱动系统。区别于普通 Chatbot，Agent 拥有"控制流自主权"——LLM 自己决定下一步做什么，而不是开发者写死。
Also called / avoid: AI Agent、Agentic System；避免与 RPA、Bot 混淆
Original term: Agent
Source: src-001 §01-agentic-design-philosophy
First used: lessons/0001-what-is-agent.md
Definition: LLM 不直接返回文本，而是返回一个结构化的"工具调用请求"（包含工具名与参数），由外部代码执行实际动作，再把结果回传给 LLM。这是 Agent 调用外部世界的标准化协议。
Also called / avoid: Tool Use、Function Call；OpenAI 称 Function Calling，Anthropic 称 Tool Use，语义相同
Source: src-002 §Unit 1 tool calling
First used: lessons/0001-what-is-agent.md
Definition: Agent 的推理范式。每一步先"思考"（Reasoning：分析当前状态、决定下一步动作），再"行动"（Acting：调用工具或返回答案），循环往复直到任务完成。论文：Yao et al., 2022。
Source: src-002 §Unit 1 ReAct framework
First used: lessons/0001-what-is-agent.md
Definition: Hugging Face 开源的极简 Agent 框架，核心是 CodeAgent——让 LLM 生成并执行 Python 代码。@tool 装饰器把普通函数变成 Agent 可调用的工具。
Source: src-002 §Unit 2 smolagents
First used: lessons/0003-first-agent-smolagents.md
Definition: LangChain 生态下的状态图框架，用 Node（节点）+ Edge（边）+ State（状态）描述 Agent 工作流。支持循环、条件分支、Checkpoint 持久化。
Source: src-002 §Unit 3 LangGraph
First used: lessons/0005-langgraph-stateful-agent.md
Definition: 多个 Agent 协作完成任务的系统，常见模式：Manager-Worker（管理者分发）、Group Chat（群聊讨论）、Debate（辩论投票）。
Source: src-001 §08-multi-agent
First used: lessons/0006-multi-agent.md
Definition: LangGraph 的核心概念。StateGraph 是状态机/状态图；MessagesState 是消息列表作为状态的标准 schema。
Source: src-002 §Unit 3 LangGraph
First used: lessons/0005-langgraph-stateful-agent.md
Definition: LangGraph 的记忆机制。每次执行保存状态快照到 Thread 中，下次可从该 Thread 恢复，支持长期对话记忆。
Source: src-002 §Unit 3 LangGraph
First used: lessons/0005-langgraph-stateful-agent.md
Definition: smolagents 中让 LLM 生成 Python 代码并执行的 Agent 类型。相比传统 JSON tool dispatch 灵活度高，但需要安全的执行沙箱。
Source: src-002 §Unit 2 smolagents
First used: lessons/0003-first-agent-smolagents.md
Definition: Anthropic 2024 年开源的 Agent 工具调用标准化协议，基于 JSON-RPC 2.0。包含三大原语：Tools（可执行函数）、Resources（只读数据源）、Prompts（提示词模板）。支持 stdio 和 SSE/HTTP 两种传输方式。
First used: lessons/0011-mcp-protocol.md
Definition: Planning 模式之一。先由 Planner 一次性生成完整步骤列表，再由 Executor 逐步执行。Token 中等、步骤清晰，适合流程化任务。
First used: lessons/0007-planning-design.md
Definition: Planning 模式之一。Agent 完成任务后评估对错，错则自我反思写下教训，下次基于反思重做。准确率高但成本也高。
First used: lessons/0007-planning-design.md
Definition: 把"检索"从固定流水线升级为由 LLM 主导的控制循环，核心是 Maker-Checker 迭代循环：Maker 生成查询、检索、Checker 评估证据，不够则改写查询重试。
First used: lessons/0010-agentic-rag.md
Definition: 关键决策需要人工审批的工作流模式。LangGraph 通过 interrupt_before 在敏感工具调用前暂停，等待用户确认。
First used: lessons/0013-trustworthy-agents.md
Definition: 云原生可观测性标准，由 Trace（调用链）+ Span（节点）+ Attribute（元数据）+ Event（事件）组成。是 Agent 生产的必备基础设施。
First used: lessons/0019-production-deployment.md
Definition: 服务器主动推送技术，让 LLM 输出按 Token 流式传给客户端，改善 Agent UX（长任务等待感）。
First used: lessons/0021-ux-design.md