Glossary
65 terms from "AI agent 协作：任务委派与结果验收入门." Look them up when you get stuck; the first mention in the text carries a hover definition.
| Term | Definition | Source |
|---|---|---|
| agent 任务 | 有产出的交付物、划好的范围、以及一个能判断是否完成的方法的请求；正是这三样让它值得交代出去，而不只是问一句。 | Anthropic: Building Effective AI Agents |
| 聊天机器人问题 | 输出是一个你靠理解去判断好坏的回答，没有固定交付物、也没有可对照的标准。 | OpenAI Academy: AI Foundations |
| 明确目标和检查方法 | agent 行动前必须先拿到的两样东西：完成长什么样，以及你之后拿什么对照。 | Anthropic: Building Effective AI Agents |
| 临时工 | 本课给 agent 的比喻：一个能离开桌子、去查资料、写草稿再回来的人手，而且指令一模糊他就会自己猜。 | Anthropic: Building Effective AI Agents |
| 聊天机器人 | 一问一答、不替你采取行动的 AI，所以它出错止步于「答错」，不会变成「做错」。 | Anthropic: Building Effective AI Agents |
| 明确目标 | 交代里的一句话，说明完成长什么样。 | Anthropic: Building Effective AI Agents |
| 有限范围 | 在给目标的同时一并说明 agent 不应该做什么。 | NimbleBrain: AI Agent Failure Modes |
| 验证输出的方法 | 你打算拿来对照结果的检查清单，在 agent 动手之前就定好。 | OpenAI Academy: Agents and Workflows |
| 可验证的交付物 | 正确性能靠人做一次对照就定下来的输出，不需要再回头问 agent。 | OpenAI Academy: Agents and Workflows |
| 有限输出格式 | 给交付物定好形状——几行、几列、多长、允许填什么值——让你能靠数数判断完整性。 | OpenAI API: Prompt Engineering |
| 终点线 | 交代里写明的「活到这里为止」的那个点；聊天式请求从来不提供它。 | OpenAI Academy: AI Foundations |
| 单一交付物 | 一个 agent 任务只返回一件成品，这样检查才有确定的对象。 | OpenAI Academy: Agents and Workflows |
| 一句话说明完成的样子 | 明确目标的写法要求：不描述话题，而是描述收工状态。 | Anthropic: Building Effective AI Agents |
| 明确请求 | 带着任务、要求、边界、验收标准四部分的结构化请求。 | OpenAI API: Prompt Engineering |
| 四部分请求 | 任务 → 要求 → 边界 → 验收标准的模板；四部分里只有「任务最先」是硬规则。 | Claude Platform: Prompting Best Practices |
| 任务：一个动作 | 任务行里点名的那个单一操作，不夹带隐藏步骤。 | OpenAI API: Prompt Engineering |
| 要求：输出必须具备 | 输出必须具备的属性：格式、长度、语气、来源、结构。 | Claude Platform: Prompting Best Practices |
| 边界：不要做 | 交代里说明 agent 不应该做什么的那一部分，用来挡掉不必要的旁支。 | NimbleBrain: AI Agent Failure Modes |
| 验收标准：完成当 | 输出必须满足的条件，在 agent 动手前写好，事后原封不动拿来当测试。 | OpenAI Academy: Agents and Workflows |
| 圈出不想要的行为 | 边界这一步在干的事：在 agent 还没机会选之前就把那些动作关掉。 | NimbleBrain: AI Agent Failure Modes |
| 四块信息 | 本课对「agent 真正需要什么」的说法——需要的是这四块，不是更多字。 | OpenAI API: Prompt Engineering |
| 模糊愿望 | 像「让我的简历更好」这样的请求：点了方向，但没有动作、没有形状、没有限制、也没有标准。 | OpenAI API: Prompt Engineering |
| 不会读心 | 本课的提醒：agent 手里只有你的 prompt，没有你的本意。 | OpenAI API: Prompt Engineering |
| 最常见的模式 | prompt 留了空白时 agent 的兜底：用训练里见得最多的那种解释去填，而不是你的情况。 | OpenAI API: Prompt Engineering |
| 可衡量的成果 | 改写后的输出里能靠看一眼确认的属性，比如某条里出现了一个数字。 | Claude Platform: Prompting Best Practices |
| 为错误的目标优化 | 清单排在任务前面时会发生的事：agent 冲着标准去，而不是冲着这件活去。 | Claude Platform: Prompting Best Practices |
| 按验收标准逐项检查证据 | 验证的定义动作：一条标准对一份证据，而不是通读输出。 | OpenAI Academy: Agents and Workflows |
| 验证表格 | 标准、证据、通过或不通过三列的记录，用来核对一份交付物。 | OpenAI Academy: Agents and Workflows |
| 验收检查清单 | 那份短标准列表，每条都具体到不用猜就能检查，是你带进复核的东西。 | OpenAI Academy: Agents and Workflows |
| 标准、证据、通过或不通过 | 验证表格的三列，分别写标准、你看的地方、以及结论。 | OpenAI Academy: Agents and Workflows |
| 阅读是被动的 | 本课对「读输出」和「验证输出」的分界：读是接受它给的，验证是拿问题去问它。 | OpenAI Academy: Agents and Workflows |
| 自信的语气 | agent 不管内容对不对都用的那种笃定口吻，所以语气不携带任何关于正确性的信息。 | Anthropic: Building Effective AI Agents |
| 差不多对 | 检查环节的第二个陷阱：因为输出的形状跟预期一致就放过去。 | OpenAI Academy: Agents and Workflows |
| 不是自己输出的可靠裁判 | 「问 agent 有没有照做」为什么不算一次检查的原因。 | Claude Platform: Prompting Best Practices |
| 日历日期 | 截止日期这条标准要求的可数形式，区别于「尽快」「下个阶段」这类相对说法。 | OpenAI Academy: Agents and Workflows |
| 具体负责人 | 行动项必须点到一个人、而不是一个团队的那条标准。 | OpenAI Academy: Agents and Workflows |
| 可数的属性 | 把主观标准重写成能靠看一眼定下来的形式。 | OpenAI Academy: Agents and Workflows |
| 浏览是阅读，不是验证 | 本课对「快速扫一眼看感觉对不对」的判定：那是阅读，不构成检查。 | OpenAI Academy: Agents and Workflows |
| 幻觉 | 编造出来的事实、名字、日期、引用或动作，而且和正确输出用同样的自信说出来。 | AI/TLDR: Common AI Agent Failure Modes |
| 过时事实 | 曾经正确、如今不再最新的信息，原因是 agent 的知识有截止日期。 | AIToolsUsageGuide: Why AI Gives Wrong Answers |
| 范围收缩 | agent 悄悄做得比你要求的少、把请求缩小，或者不声不响换成更容易的任务。 | AI/TLDR: Common AI Agent Failure Modes |
| 答非所问 | 看起来很完整——有背景、有定义、有一般性建议——但始终没回答你问的那件事的回复。 | AI/TLDR: Common AI Agent Failure Modes |
| 范围蔓延 | agent 越出授权、追加你没要求的活——和范围收缩方向相反。 | NimbleBrain: AI Agent Failure Modes |
| 四种常见错误 | 本课的检查框架：幻觉、过时事实、范围收缩、答非所问，每一种都有自己的识别特征。 | AI/TLDR: Common AI Agent Failure Modes |
| 看起来合理、但与现实不符的延续 | 模型每一步实际在做的事，正因如此幻觉不是一种特殊故障。 | AI/TLDR: Common AI Agent Failure Modes |
| 编造的引用 | agent 给出的一个在材料里并不存在的来源、条款或原句。 | AI/TLDR: Common AI Agent Failure Modes |
| 编造细节 | agent 补上的一个你从没给过、任何来源里也没有的事实，比如给派对帖子加了一个开始时间。 | AI/TLDR: Common AI Agent Failure Modes |
| 知识截止日期 | agent 训练知识停下来的那个时间点，正是它让价格、政策、版本变旧的原因。 | AIToolsUsageGuide: Why AI Gives Wrong Answers |
| 实时来源 | 你在交代里要求的当前参考，让时效性说法能对着现实核，而不是对着记忆核。 | AIToolsUsageGuide: Why AI Gives Wrong Answers |
| 对比来源材料 | 查幻觉的快速办法：在材料里找到这个说法，而不是靠它读起来顺不顺来判断。 | AI/TLDR: Common AI Agent Failure Modes |
| 悄悄缩小任务 | 范围收缩的表现方式：agent 只回答三个问题里的一个、拿摘要代替分类、或漏掉一条边界，全程不打招呼。 | NimbleBrain: AI Agent Failure Modes |
| 更容易的邻近问题 | 你的问题太难时 agent 转去回答的那个问题，结果就是答非所问。 | AI/TLDR: Common AI Agent Failure Modes |
| 留下不同的痕迹 | 四种类型值得分开的理由：每一种留下自己的痕迹，也需要自己的检查方式。 | AIToolsUsageGuide: Why AI Gives Wrong Answers |
| 纠正循环 | 四步循环：把输出和标准对比、具体描述失败、让 agent 修改、再按同一标准验证新输出。 | Anthropic: Building Effective AI Agents |
| 错误日志 | 一份记录：原始请求、错误类型、如何发现、纠正后的结果。 | Anthropic: Building Effective AI Agents |
| 具体的纠正 | 点明位置、错误和标准的纠正，让 agent 不必再猜就能改。 | Anthropic: Building Effective AI Agents |
| 模糊的纠正 | 像「改一下」这样的纠正，给 agent 留下再猜一次的空间，把循环拉长。 | Anthropic: Building Effective AI Agents |
| 请再做好一点 | 本课举的反例：一条不携带任何「该改什么」信息的纠正。 | Anthropic: Building Effective AI Agents |
| 指出位置、错误和标准 | 一条纠正必须携带的三样：错在哪儿、错的是什么、对的长什么样。 | Anthropic: Building Effective AI Agents |
| 发现、报告、修改、验证 | 让交代变得可靠的循环四步。 | Anthropic: Building Effective AI Agents |
| 人工反馈 | 你在检查点给出的输入，正是它让一个自主运行的 agent 不跑偏。 | Anthropic: Building Effective AI Agents |
| 检查点 | 你停下工作去复核的那些点，而不是等 agent 把全部都做完。 | Anthropic: Building Effective AI Agents |
| ground truth | agent 每一步该拿去对照的、来自环境的可核实信息，而不是假定自己的计划生效了。 | Anthropic: Building Effective AI Agents |
| 纠正后的结果 | 纠正之后交回来的那份稿子，它要走同一套标准，而不是直接拿去用。 | Anthropic: Building Effective AI Agents |
| 第一条错误日志条目 | 本课的收尾练习：交代一件真实的小任务、检查它，然后记下错误类型、如何发现、纠正后的结果。 | Anthropic: Building Effective AI Agents |