Глоссарий
Справочник терминологии, используемой в этом руководстве и в более широкой экосистеме агентной инженерии.
Agent (Агент) AI-система, способная выполнять действия в окружении. В отличие от чат-ботов, которые только генерируют текст, агенты могут читать/писать файлы, выполнять команды и взаимодействовать с системами.
Agentic engineering (Агентная инженерия) Дисциплина создания программного обеспечения в основном путём оркестрации AI-агентов, а не прямого написания кода.
Agentic workflow (Агентный рабочий процесс) Процесс разработки, где AI-агенты обрабатывают значительные части реализации, с человеческим надзором и направлением.
Autonomy (Автономия) Степень, в которой агент работает независимо. Более высокая автономия означает меньше требуемого человеческого вмешательства.
Acceptance rate (Коэффициент принятия) Процент предложений агента, принятых без изменений.
Chain-of-thought (CoT) (Цепочка мысли) Техника промптинга, при которой модель демонстрирует свои рассуждения шаг за шагом, часто улучшая точность.
Context engineering (Контекстная инженерия) Дисциплина предоставления AI-агентам правильной информации в правильное время. Выходит за рамки промптинга и охватывает всю систему того, что агент знает при принятии решений — включая системные инструкции, знания о кодовой базе, историю диалога, выводы инструментов и внешнюю документацию.
Context window (Контекстное окно) Максимальный объём текста (измеряемый в токенах), который модель может обработать за один раз.
Copilot (Копайлот) Категория AI-помощников по кодингу, которые предоставляют предложения и автодополнения в средах разработки. Изначально название продукта GitHub, теперь часто используется обобщённо.
Decomposition (Декомпозиция) Разбиение сложной задачи на меньшие части, с которыми может справиться агент.
Drift (Дрейф) Когда агент постепенно отклоняется от исходной цели задачи во время многошагового выполнения.
Few-shot prompting (Промптинг с несколькими примерами) Включение примеров в промпт для демонстрации желаемого формата вывода или поведения.
Fine-tuning (Тонкая настройка) Обучение модели на специфических данных для специализации её поведения для конкретных задач или доменов.
Guardrails (Ограждения) Правила или проверки, которые предотвращают действия агентов, которые могут быть вредными или неавторизованными.
Hallucination (Галлюцинация) Когда модель генерирует правдоподобно звучащую, но неверную информацию, такую как несуществующие API или функции.
Human-in-the-loop (HITL) (Человек в цикле) Паттерн проектирования, при котором люди проверяют и одобряют действия агентов в ключевых точках.
Inference (Инференс) Процесс генерации вывода из модели. Запуск инференса = запрос ответа модели.
Iteration count (Счётчик итераций) Количество циклов промпт-ответ, необходимых для выполнения задачи.
Large Language Model (LLM) (Большая языковая модель) Нейронная сеть (как GPT-4, Claude, Gemini), которая питает большинство AI-агентов. Обучена на огромных корпусах текста.
Looping (Зацикливание) Когда агент застревает, повторяя один и тот же неудачный подход.
Multi-agent system (Мультиагентная система) Несколько специализированных агентов, сотрудничающих для выполнения сложных задач.
Outcome Engineering (o16g) (Инженерия результатов) Философия разработки, переориентирующая работу вокруг результатов, а не кода. Основные тезисы: управляйте стоимостью (токенами), а не мощностью (человеко-часами), измеряйте успех проверенным влиянием, а не строками кода, и рассматривайте бэклог как пережиток человеческих ограничений. См. Манифест o16g.
Prompt (Промпт) Входные данные, данные агенту или модели, включая инструкции, контекст и ограничения.
Prompt engineering (Промпт-инженерия) Практика создания эффективных промптов для получения желаемых выводов от AI-моделей.
ReAct (Reason + Act) (Разум + Действие) Паттерн, при котором агенты чередуются между рассуждениями о том, что делать, и действиями. Основа большинства агентных систем.
RAG (Retrieval Augmented Generation) Техника, при которой релевантная информация извлекается и добавляется к промптам для улучшения точности ответов.
Scaffolding (Каркас) Предоставление структуры, примеров или ограничений для направления поведения агента.
System prompt (Системный промпт) Фоновые инструкции, задающие поведение агента, обычно скрытые от пользователей.
Task decomposition (Декомпозиция задачи) Разбиение большой задачи на меньшие, независимо выполнимые подзадачи.
Token (Токен) Фрагмент текста, обрабатываемый моделью. Примерно 4 символа в английском. Модели обрабатывают токены, а не символы.
Tool use (Использование инструментов) Способность агента вызывать внешние функции: чтение файлов, выполнение команд, доступ к API.
Validation (Валидация) Процесс проверки того, что вывод агента корректен, безопасен и соответствует требованиям.
Zero-shot (Нуль-shot) Промптинг модели без предоставления примеров желаемого вывода.
Этот глоссарий будет расширяться по мере развития терминологии.