企业 AI 词典

把目标拆解、模型判断、工具调用、状态保存、异常处理和人工审批组合成可重复运行的任务流程。

用于创建、连接、运行、评测和治理 AI Agent 的企业软件平台，通常提供模型、知识、工具、工作流、权限和可观测能力。

围绕 AI 系统的目标、数据、权限、质量、安全、合规、责任和生命周期建立制度、流程与技术控制的管理体系。

能够感知信息、规划步骤、调用工具、执行动作，并根据环境反馈继续推进目标的人工智能系统。

从流程、数据、产品和组织设计之初就默认使用 AI 与人协作，而不是在既有工作方式上零散增加 AI 工具的企业形态。

在企业岗位、权限和治理体系中，持续理解任务、调用工具、执行流程并交付可审计业务结果的软件执行主体。

在大规模数据上训练、可以适配多种下游任务的通用模型，是大语言模型、多模态模型和企业智能体的重要能力基础。

生成式模型输出看似合理、实际缺乏依据或与事实不符的内容，包括编造来源、数字、事件和因果关系。

在 AI 系统的关键判断或高风险动作中保留人工审核、确认、纠正或接管节点的治理机制。

以大量文本和代码为主要训练数据，能够理解、生成和转换自然语言，并支持推理、结构化输出与工具调用的模型。

只向用户、服务或数字员工授予完成当前职责所必需的最少系统、数据和操作权限，并限制范围与有效期。

由多个具有不同角色、能力或工具的智能体共同协作，通过分工、通信和协调完成复杂目标的系统。

根据任务类型、质量要求、延迟、成本、数据敏感度和可用性，将请求动态分配给不同模型的机制。

在模型生成答案前，从企业知识库或外部数据源检索相关材料，并把证据作为上下文提供给模型的方法。