附录 A：术语表
按拼音/字母排列，供随手查阅。每条给一句话定义，并标注对应章节。
A–C
Agent（智能体） 能在循环中调用工具、观察结果、并据此决定下一步行动的 LLM 系统。灵魂是“循环”。（第 1 章）
Agentic Coding（智能体编程） 让 Agent 独立完成编码任务的模式，靠测试/报错等真实反馈自我纠错。（第 32 章）
Chain-of-Thought / CoT（思维链） 让模型在给出答案前先展开推理步骤，提升复杂任务准确率。（第 15 章）
Compaction（上下文压缩） 上下文接近上限时，把旧对话总结成摘要以腾出空间。（第 9 章）
Computer Use（计算机操作） Agent 像人一样操作图形界面（看屏幕、点击、输入），用于没有 API 的系统。（第 31 章）
D–H
DAG（有向无环图） 用节点（任务）+ 有向边（依赖）描述任务依赖，实现“既并行又保序”的编排。（第 17 章）
Debate（辩论模式） 多个独立 Agent 对同一问题作答并互相质疑、收敛到更可靠结论。（第 21 章）
Deep Research（深度研究） Research-Synthesis 的工程化：迭代深入 + 来源引用 + 交叉验证。（第 30 章）
Extension（扩展） pi 里订阅生命周期事件、注册工具、加命令的 TypeScript 模块，即本书说的 Hooks。（第 8 章）
Embedding（文本向量） 把文本转换成表示语义的向量，用于在知识库里按“意思相近”检索内容。（第 11 章）
Evaluation（评测） 用任务集、黄金样本和会话回放检查 Agent 是否退化，重点看工具调用、RAG 命中、成本和最终回答。（附录 D）
Function Calling（工具调用） 模型生成“调用意图”，程序执行函数并把结果回填——Agent 与外部世界的桥。（第 4 章）
Handoff（交接） 把任务的控制权 + 恰当的上下文，从一个 Agent 转移给另一个。（第 19 章）
Harness（宿主） 承载并运行 Agent 的运行时，替你处理循环、工具、上下文等苦活。pi 就是一个 harness。（前言、第 1 章）
Hooks（钩子） 在 Agent 循环的生命周期事件上挂载逻辑，核心能力是拦截（放行/阻止/修改）。（第 8 章）
M–R
MCP（Model Context Protocol） “AI 工具的 USB 标准”：工具作为独立 Server 暴露，Agent 作为 Client 接入。（第 5 章）
Memory（记忆） 存在上下文窗口之外的持久信息，用时取回注入；pi 的 memory 扩展主打“类人遗忘”。（第 10 章）
Model Tiering（分层模型） 按任务难度选模型——便宜模型做简单事，贵模型省给难题。（第 34 章）
Multi-Tenancy（多租户） 一套系统安全公平地服务多方，需要数据/执行/资源/配置四重隔离。（第 29 章）
Orchestration（编排） 多 Agent 的分工 + 协调，基础结构有 Supervisor、Pipeline、Parallel。（第 16 章）
Planning（规划） Agent 动手前先把任务分解成有序步骤。（第 13 章）
ReAct（Reasoning + Acting） Thought → Action → Observation 的循环，几乎所有 Agent 的底层范式。（第 3 章）
RAG（检索增强生成） 回答前先从外部知识库检索相关片段，再把证据注入上下文生成答案。（第 11 章）
Reflection（反思） 给 Agent 加“自我评估—修正”循环；最有效的反思来自真实反馈。（第 14 章）
RPC（远程过程调用） 像调本地函数一样调用远端 Agent 操作，pi 用它 + 可寻址会话做远程驱动。（第 24 章）
S–Z
Schema（结构约束） 对输入、工具参数或输出字段的结构化约束，让模型结果能被程序稳定消费。（第 6 章）
Skill（技能） 按需加载的能力包（工作流 + 说明 + 资源），平时不占上下文。（第 7 章）
State（状态） 当前会话或任务的运行进度，例如会话树位置、pending 工具调用、后台任务状态。（第 11、23 章）
Storage（存储） 信息实际持久化的位置，如会话文件、数据库、对象存储、向量库；存下来不等于模型自动记得。（附录 B）
Supervisor（主管模式） 中心化编排：一个主管拆解任务、分派、汇总。对应 Swarm 的去中心。（第 15、17 章）
Swarm（群体模式） 去中心、动态交接的多 Agent 协作，适合开放/对话式任务。（第 18 章）
Tree-of-Thoughts / ToT（思维树） 把推理展开成树：生成多候选 → 评估 → 选最优 → 死路回溯。（第 20 章）
可观测性（Observability） 让系统内部状态从外部可见，三支柱：日志、追踪、指标。（第 25 章）
上下文工程（Context Engineering） 在有限窗口里编排出“最有用的信息组合”的艺术。（第 9 章）
策略治理（Policy Governance） 定义 Agent 能/不能做什么并可审计：规则 + 执行点 + 审计。（第 27 章）
Token 预算控制 把成本当一等约束，把预算检查嵌进循环，多层设限。（第 26 章）
易混概念辨析
术语单独看都懂，放一起就容易混。下面几组是读者最常搞混的，用对比表钉清楚。
Storage / Memory / State / Context：四个“存东西的地方”
这四个词都和“记住什么”有关，但管的东西、活多久完全不同。一句话记忆：Storage 记「聊过什么」、Memory 记「用户是谁」、State 记「进行到哪」、Context 记「这次额外参考什么」。
| 概念 | 存什么 | 生命周期 | 典型例子 | 主书对应 |
|---|---|---|---|---|
| Storage（存储） | 会话记录、会话状态 | 可持久化，程序重启后仍在 | 聊天历史、session 数据 | 第 9、11 章 |
| Memory（记忆） | 用户的长期偏好和事实 | 可持久化，跨会话使用 | 用户名、语言偏好、常用技术栈 | 第 10 章 |
| State（状态） | 当前会话里正在变化的数据 | 随会话变化，会话结束多失效 | 当前步骤、计数器、表单进度 | 第 8、11 章 |
| Context（上下文） | 本次运行临时注入的外部资料 | 通常只对这一次调用有效 | 当前新闻、用户权限、临时配置 | 第 9 章 |
容易踩的判断：
- “用户喜欢简短回答” → Memory（长期偏好，跨会话都成立）。
- “购物车里现在有 3 件商品” → State（本次会话内在变，会结束就没了）。
- “这次运行时查到的最新汇率” → Context（临时注入，用完即弃）。
- “上周五那次对话说了什么” → Storage（持久化的历史记录，能翻回来）。
Tools / Knowledge / Memory：三种“给 Agent 补充能力”的方式
| 概念 | 作用 | 数据来源 | 是否主动行动 | 主书对应 |
|---|---|---|---|---|
| Tools（工具） | 让 Agent 调用外部能力去“做事” | 函数、API、工具包 | 是，模型主动调 | 第 4 章 |
| Knowledge（知识库） | 让 Agent 检索外部资料再回答 | 文档、网页、数据库片段 | 否，主要用于检索 | 第 11 章 |
| Memory（记忆） | 让 Agent 记住用户信息以个性化 | 从对话中提炼的偏好与事实 | 否，主要用于个性化 | 第 10 章 |
一句话区分：搜网页是 Tool（要主动调）、查公司文档是 Knowledge（先检索）、“用户偏好短答案”是 Memory（长期个性化）。
Description / Instructions / Context：三层提示词
| 概念 | 更像什么 | 应该写什么 | 主书对应 |
|---|---|---|---|
| Description（角色描述） | 你是谁 | 身份、领域、能力边界（稳定，少改） | 第 4 章 |
| Instructions（行为指令） | 你做事的规则 | 输出格式、工具使用原则、安全边界（可版本化、可测试） | 第 4 章 |
| Context（运行时上下文） | 这次的已知事实 | 当前用户、会话状态、检索结果（短命，用完即弃） | 第 3、8 章 |
实践原则：稳定的身份放 Description、稳定的规则放 Instructions、每次都变的信息放 Context——别把“本轮才有效”的事实误写成“永久规则”。