大语言模型（Large Language Model，以下简称LLM）是一种基于海量文本数据训练、拥有数亿级以上参数的深度学习模型。

生成式人工智能（Generative Artificial Intelligence，以下简称“生成式AI”）是一种能够自动创建文本、图像、音视频、代码等全新内容的技术范式。

深度学习（Deep Learning，以下简称DL）是人工智能的核心技术，基于多层神经网络实现对海量数据的自动化特征学习与模式识别。

机器学习（Machine Learning，以下简称ML）是人工智能的核心分支，旨在构建能够从数据中自动学习规律并做出预测或决策的智能系统。

提示词工程（Prompt Engineering）是指系统化设计、优化和管理输入提示，以引导生成式人工智能模型产出高质量、符合预期结果的技术方法。

RLHF（Reinforcement Learning from Human Feedback，基于人类反馈的强化学习）是一种将人类偏好信息融入人工智能模型训练的优化技术。

多智能体系统是将复杂任务拆解给多个专职化智能体，通过共享状态、结构化交接契约与编排层驱动的协作模式，实现分工协作、相互纠错，从而突破单智能体注意力涣散、幻觉累积与权限混乱等瓶颈的AI协作架构。

模型上下文协议 (Model Context Protocol) 是一种开放标准，它定义了 AI 智能体如何与提供数据、工具和提示语的服务端进行交互。