术语随笔

1. RAG：（Retrieval-Augmented Generation，直译：检索增强生成）模型回答前先检索参考文献作为参考资料。
2. ReAct：（Reasoning + Acting，直译：推理行动）让大模型遵循思考需求→调用工具→查看返回结果的循环逻辑，如此循环往复，反复迭代，直到模型获取充足信息、自认可以完整作答为止。
3. Tool Calling：（直译：工具调用）模型输出规范JSON，后端解析JSON并执行对应工具函数。
4. Agentic RAG：（Agent Retrieval-Augmented Generation，直译：智能体检索增强生成）基于 Tool Calling 能力，让大模型自主调用检索工具，自主决定检索关键词、检索时机，不再由代码固定检索逻辑，说白了让大模型自己决定自己想搜什么。
5. Skill：技能封装，以System Prompt（系统提示词）文本实现，封装某项专属能力，模型需要对应功能时自动读取启用。。
6. Few-Shot：在 Prompt（提示词）里附带几个真实示例，用案例引导模型对齐输出格式与答题逻辑。
7. 上下文/记忆：商用 API 大模型本身是无状态程序，不存在原生记忆；多轮对话记忆，本质是每次提问时，系统把全量历史对话拼接在 Prompt 里，一并传给模型实现上下文连贯。