# AI原生应用引擎基本概念
使用之前，请先了解[表1]中相关概念，从而更好地使用AI原生应用引擎。
 表1基本概念说明 
| 基本概念       | 说明                                                                                                                                                                                                                                                                         |
|:---|:---|
| Agent      | Agent指具备自主智能的实体，具有一定的智能和自主性，可以自主地发现问题、设定目标、构思策略、执行任务等。                                                                                                                                                                                                                     |
| LLM        | 大语言模型（Large Language Model，简称LLM）是通过深度学习技术训练的人工智能模型，具备理解、生成和处理人类语言的能力。                                                                                                                                                                                                     |
| 技能         | 技能是在自动化和人工智能领域的应用程序。能够自动地执行一些任务或提供一些服务，如客户服务、数据分析、信息传输、智能助手、自动回复等。                                                                                                                                                                                                         |
| 智能编排       | 智能编排是一种基于人工智能技术的自动化流程编排工具，通过分析业务流程，自动构建流程模型，并根据预设规则自动化执行流程，从而提高工作效率和准确性。                                                                                                                                                                                                   |
| ClickHouse | ClickHouse是一个开源的分布式列式数据库管理系统，主要用于在线分析处理（OLAP）场景。它具有高性能、高可靠性、高可扩展性等特点，可以处理海量数据，支持复杂的查询和数据分析操作。ClickHouse支持SQL语言，同时还提供了许多扩展功能，如数据压缩、数据分区、分布式查询等。它被广泛应用于互联网企业、金融、电商、游戏等领域。                                                                                                    |
| 节点数        | 节点数是指在一个特定的环境中，需要部署的节点数量。例如，在测试或生产环境需要部署的节点数量。                                                                                                                                                                                                                             |
| 镜像名称       | 用于标识环境配置的镜像。                                                                                                                                                                                                                                                               |
| 镜像版本       | 用于区分一个镜像库中不同的镜像文件所使用的标签。                                                                                                                                                                                                                                                   |
| 资源规格       | 指根据不同的环境类型和用途，对服务器的CPU 、内存、数据盘等硬件资源进行合理分配和管理的过程。例如，开发环境的资源规格可能会比生产环境的小，而性能测试环境的资源规格可能会更大，以满足其对硬件资源的需求。                                                                                                                                                                     |
| 容器端口       | 容器端口是指在容器内部运行的应用程序所监听的网络端口。容器是一种虚拟化技术，它可以将应用程序及其依赖项打包在一起，形成一个独立运行的环境。在容器内部，应用程序需要监听一个或多个网络端口，以便与外部系统进行通信。                                                                                                                                                                  |
| 服务端口       | 服务端口是计算机网络中用于标识应用程序的端口号，它是一个16位的整数，范围从0到65535。在一个计算机上，可以同时运行多个应用程序，每个应用程序都需要一个唯一的端口号来标识自己。当一个应用程序需要接受网络请求时，它会监听自己的端口号，等待来自网络的连接请求。当连接请求到达时，应用程序会接受连接并开始处理请求。                                                                                                               |
| 推理单元       | 推理单元是指计算机系统中的一个模块，用于进行逻辑推理和推断。其主要功能是根据已知的事实和规则，推导出新的结论或答案。 推理单元常常被用于解决问题、推理、诊断、规划等任务。它可以帮助计算机系统自动推理出一些结论，从而实现智能化的决策和行为。推理单元通常包括知识表示、推理机和推理策略三个部分。知识表示用于将事实和规则以一定的形式表示出来，推理机则用于实现推理过程，推理策略则用于指导推理机的搜索和推理方向。 |
| 大语言模型      | 大语言模型是一种能够理解和生成人类语言的人工智能模型。这些模型通常使用大量的数据进行训练，以便它们能够识别语言中的模式和规律。大语言模型的应用范围非常广泛，包括自然语言处理、机器翻译、语音识别、智能问答等领域。                                                                                                                                                                  |
| 向量化模型      | 向量化模型是将文本数据转换为数值向量的过程。常用于将文本转换为机器可以处理的形式，以便进行各种任务，如文本分类、情感分析、机器翻译等。                                                                                                                                                                                                        |
| 向量化检索      | 向量化检索是一种在高维向量空间中查找相似向量的技术，广泛应用于自然语言处理、图像识别、推荐系统等领域。通过将数据转换为向量表示、建立高效的索引结构和使用相似度度量方法，向量化检索能够快速地找到与查询最相似的数据。                                                                                                                                                                 |
| 多模态模型      | 多模态模型是指能够处理多种类型数据（如文本、图像、音频等）的机器学习模型。这些模型可以将不同类型的数据进行融合和联合分析，从而实现更全面的理解和更准确的预测。多模态模型的应用非常广泛，例如，在图像识别中，可以将图像和文本信息结合起来，提高图像识别的准确性；在自然语言处理中，可以将文本和语音信息结合起来，提高文本语义理解的准确性。                                                                                                      |
| LoRA       | LoRA（Low-Rank Adaptation）是一种轻量级大模型微调技术，通过低秩矩阵分解技术显著减少了微调所需的参数，降低了微调过程中所需的存储和计算资源，可灵活地运用于不同的预训练模型和任务。                                                                                                                                                                       |
| Loss曲线     | Loss曲线是一个用于评估模型训练效果的工具，它展示了模型在训练过程中产生的损失（Loss）随时间的变化情况。通过观察Loss曲线，可以了解模型的收敛效果、参数的敏感性和有效性。                                                                                                                                                                                  |