一定要了解的6个AI术语：Agentic AI、MoE等

Hi，大家好，我叫秋水，当前专注于 AI Agent（智能体）。

当前人工智能的发展非常快，每隔一段时间就会有新的技术推出。

在这样的背景下，我整理了6个我认为在AI持续发展过程中必须了解的技术术语。

分别是：Agentic AI、推理模型、向量数据库、RAG、MCP、MoE。

我们先从第一个术语开始，那就是 Agentic AI。

几乎所有人都在打造下一代的 AI 智能体。

AI 智能体能够推理，并且可以自主采取行动去完成目标。

这与只会回答问题的聊天机器人完全不同。

AI 智能体会执行一个循环流程：

第一步，感知环境；

第二步，进入推理阶段，判断下一步最佳行动是什么；

第三步，执行通过推理得到的计划；

第四步，观察执行的结果，并据此调整；

然后，再次进入新一轮循环。

AI 智能体可以在各种不同角色和场景中发挥作用。

它可以是帮助你分析季度财报报表的数据分析师；

它也可以是帮你规划旅游行程，并帮你预定机票、酒店等旅行助手；

你可以把 AI 智能体看成一个数字员工。

第二个术语：推理模型。

这种模型是经过强化训练后、具备推理能力的模型。

不同于普通模型，推理模型会采用“一步一步拆解问题”的方式来帮我们解决问题，

这正是 AI 智能体在处理复杂、多步骤任务时必须具备的能力。

推理模型的训练数据通常都有明确的答案，比如数学题。

通过强化学习，模型会逐步学会如何生成正确答案的推理步骤。

所以，当你看到一个聊天机器人停顿几秒，并显示“thinking”时，实际上，它正在进行内部推理，逐步拆解问题、解决问题，然后再输出，这样可以提高输出内容的准确性。

例如：当我们让推理模型来解一道复杂数学题时，它会先写出解题步骤，最后才输出答案，而不是直接输出一个结果。

第三个术语：向量数据库。

在向量数据库中，存放的是内容，例如文本、图片等。

它会先通过嵌入模型将内容转化为向量，向量是一串很长的数字序列。

简单的理解，你可以把向量看成电报，他们都是将内容转换成数字来表示。

这样做的好处是，可以进行内容相似性检索。

例如，一张人物头像图片会先被嵌入模型转化为多维向量，数据库再通过相似性搜索找到最接近的其他人物头像图片。

同样的方式也可以用于查找语义相近的文本、音乐、甚至视频。

第四个术语：RAG，Retrieval Augmented Generation，即检索增强生成。

RAG 的核心是弥补大模型不知道的知识，例如企业内部知识。

执行流程是这样的：

用户输入一个问题，系统会通过嵌入模型把问题转化为向量；

接着，它在向量数据库中执行相似性检索；

再将检索到的结果，和用户的问题，一起传给模型；

这样，模型在生成回答时会参考这些外部知识，从而提升模型回复问题的精准度。

例如：如果我问“去上海出差的差旅标准”，AI 系统就会从员工手册中提取相关内容，把它拼接到提示词里，这样 AI 回答的会更加精准。

第五个术语：MCP，Model Context Protocol，即模型上下文协议。

要让大模型变成数字员工，它必须能与外部的数据、工具等进行交互。

MCP 就是为此设计的一个标准化协议，你可以把这个协议看成电脑的usb接口，通过usb接口，不同的设备，例如键盘、鼠标、打印机、移动硬盘等，都能按照统一的规则接入电脑。

MCP 统一了大模型与传统软件等的数据传递以及交互方式。

通过 MCP，大模型可以很容易的对接各种外部系统，与这个物理世界进行交互。

例如：外部数据库、代码仓库、企业ERP等。

大模型只要通过 MCP server，就可以直接访问这些系统。

第六个术语：MoE，Mixture of Experts，专家混合模型。

专家混合模型是一种架构模式。

它可以将一个复杂的任务分解为多个子任务，每个子任务由一个专门的专家来处理。

这里的专家可以看成一个擅长某个专业领域的小模型。

这种架构模式模拟了我们人类专家团队的协作模式。

我们用一个非常简单的例子来说明一下，例如智能语音客服。

当用户来电投诉，“我上周买的蓝色毛衣缩水了，怎么退货？”。

智能客服会先经过一个调度员，来识别解决这个问题，需要分配给哪些专家，例如情感分析专家分析情绪、售后服务专家提供退货政策，这个过程称为路由。

然后每个经过特定领域知识训练的专家来负责回复。

最后系统参考各个专家回复内容，形成一个最终回复给用户。

今天的文章就到这里结束了，如果你觉得不错，随手点个赞、在看、转发三连吧。

如果想第一时间收到推送，也可以给我个星标⭐。

谢谢你看我的文章，我们，下次再见。

联系/社群

相关视频：