支持增量编译wiki

wiki/Glossary.md

@@ -1,294 +1,352 @@
 ---
-title: 术语表
-tags: [术语表, 核心概念]
-last_updated: 2026-04-07
+title: "术语表"
+source: "Externalization in LLM Agents: A Unified Review"
+last_updated: 2026-04-11
 ---
 
 # 术语表
 
-本术语表汇总了 [[Harness-Engineering|Harness 工程]] 领域的核心概念，为知识库提供统一的术语枢纽。
+本术语表统一了 LLM Agent 外部化框架中的核心概念，提供中英对照和 Wikilink 链接。
 
-## A
+## 核心框架
 
-### Agent (智能体)
-**英文**：Agent  
-**中文**：智能体  
-**定义**：能够自主感知环境、做出决策并执行行动的 AI 系统。在编码场景中，智能体通常具备读取文件、执行程序、发起 HTTP 请求等工具调用能力。  
-**相关概念**：[[Agent Teams|智能体团队]], [[Coding Agent|编码智能体]]
+### Externalization (外部化)
+**英文**: Externalization  
+**中文**: 外部化  
+**定义**: 将认知负担从模型的内部计算逐步迁移到持久、可检查和可重用的外部结构中的过程。  
+**参见**: [[Externalization-in-LLM-Agents|LLM Agent 中的外部化]]
 
-### Agent Teams (智能体团队)
-**英文**：Agent Teams  
-**中文**：智能体团队  
-**定义**：多个智能体通过角色分工、协作协议和差异化行为共同完成复杂任务的系统。需要模型原生支持角色锚定、对抗性推理和协议遵守。  
-**相关概念**：[[MiniMax M2.7]], [[Multi-Agent Collaboration|多智能体协作]]
-
-### Anthropic Harness Design (Anthropic Harness 设计)
-**英文**：Anthropic Harness Design  
-**中文**：Anthropic Harness 设计  
-**定义**：Anthropic 团队提出的多智能体架构，包含 Planner（规划者）、Generator（生成者）和 Evaluator（评估者）三种角色，通过生成-评估循环提升输出质量。  
-**相关概念**：[[Generator-Evaluator Loop|生成-评估循环]], [[Context Reset|上下文重置]]
-
-## B
-
-### Build-Verify Loop (构建-验证循环)
-**英文**：Build-Verify Loop  
-**中文**：构建-验证循环  
-**定义**：智能体在完成任务过程中自主进行的迭代改进流程，包括规划发现、构建实现、验证测试和修复问题四个阶段。  
-**相关概念**：[[Self-Verification|自我验证]], [[Reasoning Sandwich|推理三明治]]
-
-## C
-
-### Codex (Codex 模型)
-**英文**：Codex  
-**中文**：Codex 模型  
-**定义**：OpenAI 推出的专门用于代码生成的模型系列，在 Harness 工程中被用于从零生成完整产品代码库。  
-**相关概念**：[[OpenAI Harness Engineering|OpenAI Harness 工程]]
-
-### Coding Agent (编码智能体)
-**英文**：Coding Agent  
-**中文**：编码智能体  
-**定义**：专门用于软件工程任务的 AI 智能体，能够理解代码库、编写代码、运行测试和调试问题。  
-**相关概念**：[[Harness|Harness]], [[Agent|智能体]]
-
-### Context Engineering (上下文工程)
-**英文**：Context Engineering  
-**中文**：上下文工程  
-**定义**：Harness 工程的三大支柱之一，专注于确保智能体在正确的时间获得正确的信息，包括静态上下文和动态上下文。  
-**相关概念**：[[Harness-Engineering|Harness 工程]], [[Context Reset|上下文重置]]
-
-### Context Reset (上下文重置)
-**英文**：Context Reset  
-**中文**：上下文重置  
-**定义**：一种解决长任务中上下文窗口填充和"上下文焦虑"问题的技术，通过清空上下文窗口并使用结构化交接传递状态来实现。  
-**相关概念**：[[Context Compaction|上下文压缩]], [[Context Anxiety|上下文焦虑]]
-
-### Context Anxiety (上下文焦虑)
-**英文**：Context Anxiety  
-**中文**：上下文焦虑  
-**定义**：模型在接近其认为的上下文限制时提前结束工作的倾向，Claude Sonnet 4.5 表现出较强的这种行为。  
-**相关概念**：[[Context Reset|上下文重置]], [[Context Window|上下文窗口]]
-
-### Context Compaction (上下文压缩)
-**英文**：Context Compaction  
-**中文**：上下文压缩  
-**定义**：通过摘要方式保留对话连续性的技术，但无法为智能体提供干净的状态，上下文焦虑问题仍可能存在。  
-**相关概念**：[[Context Reset|上下文重置]]
-
-## D
-
-### Doom Loop (末日循环)
-**英文**：Doom Loop  
-**中文**：末日循环  
-**定义**：智能体在陷入困境时对同一错误方法进行小幅变异的重复尝试现象，可能多达 10 次以上。  
-**相关概念**：[[Loop Detection|循环检测]]
-
-## E
-
-### Entropy Management (熵管理)
-**英文**：Entropy Management  
-**中文**：熵管理  
-**定义**：Harness 工程的三大支柱之一，通过定期清理智能体来管理 AI 生成代码库中随时间积累的熵（文档漂移、命名约定分歧、死代码堆积等）。  
-**相关概念**：[[Harness-Engineering|Harness 工程]], [[Garbage Collection|垃圾回收]]
-
-### Evaluator (评估者)
-**英文**：Evaluator  
-**中文**：评估者  
-**定义**：Anthropic Harness 设计中的三种角色之一，负责评估 Generator 的输出质量，提供具体的反馈和评分。  
-**相关概念**：[[Generator|生成者]], [[Planner|规划者]]
-
-## F
-
-### Feedforward (前馈控制)
-**英文**：Feedforward  
-**中文**：前馈控制  
-**定义**：预期智能体行为并在其行动前进行引导的控制方式，提高智能体第一次尝试就产生良好结果的概率。  
-**相关概念**：[[Feedback|反馈控制]], [[Guide|引导]]
-
-### Feedback (反馈控制)
-**英文**：Feedback  
-**中文**：反馈控制  
-**定义**：在智能体行动后进行观察并帮助其自我纠正的控制方式，特别是当产生针对 LLM 消费优化的信号时效果显著。  
-**相关概念**：[[Feedforward|前馈控制]], [[Sensor|传感器]]
-
-## G
-
-### Garbage Collection (垃圾回收)
-**英文**：Garbage Collection  
-**中文**：垃圾回收  
-**定义**：OpenAI 团队采用的定期清理流程，通过"黄金原则"和后台 Codex 任务来扫描偏差、更新质量等级并发起针对性重构。  
-**相关概念**：[[Entropy Management|熵管理]]
-
-### Generator (生成者)
-**英文**：Generator  
-**中文**：生成者  
-**定义**：Anthropic Harness 设计中的三种角色之一，负责实际创建输出（如前端代码、应用功能等）。  
-**相关概念**：[[Evaluator|评估者]], [[Planner|规划者]]
-
-### Generator-Evaluator Loop (生成-评估循环)
-**英文**：Generator-Evaluator Loop  
-**中文**：生成-评估循环  
-**定义**：受 GAN 启发的多智能体结构，Generator 生成输出，Evaluator 评估并提供反馈，Generator 根据反馈进行迭代改进。  
-**相关概念**：[[Anthropic-Harness-Design|Anthropic Harness 设计]]
-
-### Glossary (术语表)
-**英文**：Glossary  
-**中文**：术语表  
-**定义**：WikiLLM 知识库的核心枢纽文档，统一术语翻译、提供中英对照，并通过 wikilinks 连接所有相关概念。  
-**相关概念**：[[Wikilink|Wikilink]], [[WikiLLM]]
-
-## H
+### Cognitive Artifact (认知人工制品)
+**英文**: Cognitive Artifact  
+**中文**: 认知人工制品  
+**定义**: 设计用于维持、显示或操作信息的人工设备，通过改变任务本身的结构来改变认知性能。  
+**参见**: [[Externalization-in-LLM-Agents|LLM Agent 中的外部化]]
 
 ### Harness (Harness)
-**英文**：Harness  
-**中文**：Harness  
-**定义**：AI 智能体之外的一切，包括系统提示、工具选择、执行流程、约束条件、反馈循环等。公式：Agent = Model + Harness。  
-**相关概念**：[[Harness-Engineering|Harness 工程]], [[Agent|智能体]]
+**英文**: Harness  
+**中文**: Harness  
+**定义**: 将原始模型能力转化为可靠 Agent 行为的脚手架，是承载记忆、技能、协议并提供编排逻辑、约束、可观测性和反馈循环的工程层。  
+**参见**: [[Harness-Engineering|Harness 工程]]
 
-### Harness Engineering (Harness 工程)
-**英文**：Harness Engineering  
-**中文**：Harness 工程  
-**定义**：设计和实现使 AI 智能体可靠工作的系统的新学科，包括约束智能体行为、告知智能体应该做什么、验证智能体正确执行、纠正智能体错误四个方面。  
-**相关概念**：[[Context-Engineering|上下文工程]], [[Architectural-Constraints|架构约束]], [[Entropy Management|熵管理]]
+### Representational Transformation (表征转换)
+**英文**: Representational Transformation  
+**中文**: 表征转换  
+**定义**: 认知人工制品的核心作用——重组问题，使智能体能够用它已经拥有的能力更可靠地解决问题。
 
-### Harness Template (Harness 模板)
-**英文**：Harness Template  
-**中文**：Harness 模板  
-**定义**：为常见服务拓扑（如数据仪表板、CRUD 业务服务、事件处理器）准备的引导和传感器捆绑包，可实例化用于特定项目。  
-**相关概念**：[[Harness-Engineering|Harness 工程]]
+## 记忆系统
 
-## L
+### Memory System (记忆系统)
+**英文**: Memory System  
+**中文**: 记忆系统  
+**定义**: 外部化 Agent 状态跨时间的系统，允许积累的知识在单个会话之外持续存在，并在相关时被选择性检索。  
+**参见**: [[Memory-Systems|记忆系统]]
 
-### LangChain Harness Engineering (LangChain Harness 工程)
-**英文**：LangChain Harness Engineering  
-**中文**：LangChain Harness 工程  
-**定义**：LangChain 团队通过仅改变 Harness 将编码智能体在 Terminal Bench 2.0 上的表现从 52.8% 提升到 66.5%（Top 30 到 Top 5）的实践。  
-**相关概念**：[[Harness-Engineering|Harness 工程]], [[Self-Verification|自我验证]]
+### Working Context (工作上下文)
+**英文**: Working Context  
+**中文**: 工作上下文  
+**定义**: 当前任务的实时中间状态：打开的文件、临时变量、活跃假设、部分计划和执行检查点。
 
-### Layered Domain Architecture (分层领域架构)
-**英文**：Layered Domain Architecture  
-**中文**：分层领域架构  
-**定义**：OpenAI 采用的严格架构模型，每个业务领域划分为固定的层组（Types → Config → Repo → Service → Runtime → UI），依赖方向经过严格验证。  
-**相关概念**：[[Architectural-Constraints|架构约束]]
+### Episodic Experience (情景经验)
+**英文**: Episodic Experience  
+**中文**: 情景经验  
+**定义**: 记录先前运行中发生的事情：决策点、工具调用、失败、结果和反思。
 
-### Loop Detection (循环检测)
-**英文**：Loop Detection  
-**中文**：循环检测  
-**定义**：LangChain 采用的中间件，通过钩子跟踪每个文件的编辑次数，在对同一文件进行 N 次编辑后添加"考虑重新考虑你的方法"的上下文。  
-**相关概念**：[[Doom Loop|末日循环]], [[Middleware|中间件]]
+### Semantic Knowledge (语义知识)
+**英文**: Semantic Knowledge  
+**中文**: 语义知识  
+**定义**: 存储在任何单个情节之外都存在的抽象：领域事实、一般启发式、项目约定和稳定的世界知识。
 
-## M
+### Personalized Memory (个性化记忆)
+**英文**: Personalized Memory  
+**中文**: 个性化记忆  
+**定义**: 跟踪关于特定用户、团队或环境的稳定信息：偏好、习惯、重复出现的约束和先前的交互。
 
-### Middleware (中间件)
-**英文**：Middleware  
-**中文**：中间件  
-**定义**：LangChain 结构化 Harness 的方式，通过可组合的中间件层在不修改核心智能体逻辑的情况下添加特定功能。  
-**相关概念**：[[LangChain Harness Engineering|LangChain Harness 工程]]
+## 技能系统
 
-### MiniMax M2.7 (MiniMax M2.7 模型)
-**英文**：MiniMax M2.7  
-**中文**：MiniMax M2.7 模型  
-**定义**：MiniMax 推出的深度参与自我进化的模型，能够构建复杂智能体 Harness、完成高度复杂的生产力任务，包括 Agent Teams、复杂 Skills 和动态工具搜索。  
-**相关概念**：[[Agent Teams|智能体团队]], [[Self-Evolution|自我进化]]
+### Skill System (技能系统)
+**英文**: Skill System  
+**中文**: 技能系统  
+**定义**: 将程序、最佳实践和操作指导打包成可重用的人工制品的系统，而不是依赖模型的权重在每次调用时重新生成特定任务的知识。  
+**参见**: [[Skill-Systems|技能系统]]
 
-### Mitchellh AI Adoption Journey (Mitchellh AI 采用之旅)
-**英文**：Mitchellh AI Adoption Journey  
-**中文**：Mitchellh AI 采用之旅  
-**定义**：HashiCorp 创始人 Mitchell Hashimoto 分享的个人 AI 工具采用历程，包括从聊天机器人到始终运行智能体的六个阶段。  
-**相关概念**：[[Harness-Engineering|Harness 工程]]
+### Operational Procedure (操作程序)
+**英文**: Operational Procedure  
+**中文**: 操作程序  
+**定义**: 任务骨架：将复杂工作分解为步骤、阶段、依赖关系和停止条件。
 
-## N
+### Decision Heuristic (决策启发式)
+**英文**: Decision Heuristic  
+**中文**: 决策启发式  
+**定义**: 在分支处管理发生情况的实用经验法则，从经验中得出而不是仅靠穷举搜索。
 
-### NxCode Harness Engineering (NxCode Harness 工程)
-**英文**：NxCode Harness Engineering  
-**中文**：NxCode Harness 工程  
-**定义**：NxCode 团队提供的 Harness 工程完整指南，总结了三大支柱、实践框架和常见错误。  
-**相关概念**：[[Harness-Engineering|Harness 工程]]
+### Normative Constraint (规范性约束)
+**英文**: Normative Constraint  
+**中文**: 规范性约束  
+**定义**: 程序被视为可接受的条件，包括测试要求、范围限制、访问限制、可追溯性期望和特定领域操作规则。
 
-## O
+### Progressive Disclosure (渐进式披露)
+**英文**: Progressive Disclosure  
+**中文**: 渐进式披露  
+**定义**: 一种分层加载策略，首先暴露技能的存在，仅在需要时才加载更深的细节。
 
-### OpenAI Harness Engineering (OpenAI Harness 工程)
-**英文**：OpenAI Harness Engineering  
-**中文**：OpenAI Harness 工程  
-**定义**：OpenAI 团队在 5 个月内构建了超过 100 万行代码的产品，其中零行代码由人工编写，证明了 Harness 工程在生产规模上的有效性。  
-**相关概念**：[[Harness-Engineering|Harness 工程]], [[Codex|Codex 模型]]
+## 协议系统
 
-### Observability Stack (可观测性堆栈)
-**英文**：Observability Stack  
-**中文**：可观测性堆栈  
-**定义**：OpenAI 为 Codex 提供的日志、指标和追踪记录展示系统，使智能体能够直接访问应用程序的运行状态。  
-**相关概念**：[[Context-Engineering|上下文工程]]
+### Agent Protocol (智能体协议)
+**英文**: Agent Protocol  
+**中文**: 智能体协议  
+**定义**: 定义了用于发现、调用、委托和权限管理的显式机器可读契约，而不是依赖临时提示级别的协调。  
+**参见**: [[Agent-Protocols|智能体协议]]
 
-## P
+### Invocation Grammar (调用语法)
+**英文**: Invocation Grammar  
+**中文**: 调用语法  
+**定义**: 每个工具调用、API 请求或委托消息都需要的格式：参数名称、类型、排序和返回结构。
 
-### Planner (规划者)
-**英文**：Planner  
-**中文**：规划者  
-**定义**：Anthropic Harness 设计中的三种角色之一，负责将简单的 1-4 句话提示扩展为完整的产品规格。  
-**相关概念**：[[Generator|生成者]], [[Evaluator|评估者]]
+### Lifecycle Semantics (生命周期语义)
+**英文**: Lifecycle Semantics  
+**中文**: 生命周期语义  
+**定义**: 多步交互需要的协调规则：谁接下来行动，允许什么状态转换，任务何时完成或失败。
 
-## R
+### MCP (Model Context Protocol)
+**英文**: Model Context Protocol (MCP)  
+**中文**: 模型上下文协议 (MCP)  
+**定义**: Anthropic 提出的标准化协议，为智能体提供跨异构服务发现工具、检查其模式和调用它们的方式。
 
-### Reasoning Sandwich (推理三明治)
-**英文**：Reasoning Sandwich  
-**中文**：推理三明治  
-**定义**：LangChain 采用的推理预算分配策略，在规划和验证阶段使用高推理预算，在实现阶段使用中等推理预算。  
-**相关概念**：[[Build-Verify Loop|构建-验证循环]]
+### A2A (Agent-to-Agent Protocol)
+**英文**: Agent-to-Agent Protocol (A2A)  
+**中文**: 智能体到智能体协议 (A2A)  
+**定义**: Google 提出的标准化智能体间通信协议，支持能力发现、任务委托和状态交换。
 
-### Ralph Wiggum Loop (Ralph Wiggum 循环)
-**英文**：Ralph Wiggum Loop  
-**中文**：Ralph Wiggum 循环  
-**定义**：使用钩子在智能体退出时强制其继续执行的循环模式，用于验证环节。  
-**相关概念**：[[Self-Verification|自我验证]]
+## Harness 工程
 
-## S
+### Agent Loop (智能体循环)
+**英文**: Agent Loop  
+**中文**: 智能体循环  
+**定义**: Harness 的时间骨干，实现感知-检索-计划-行动-观察周期。  
+**参见**: [[Harness-Engineering|Harness 工程]]
 
-### Self-Verification (自我验证)
-**英文**：Self-Verification  
-**中文**：自我验证  
-**定义**：智能体通过运行测试、阅读完整输出并与原始要求进行比较来自我改进的能力。  
-**相关概念**：[[Build-Verify Loop|构建-验证循环]]
+### Sandboxing (沙箱)
+**英文**: Sandboxing  
+**中文**: 沙箱  
+**定义**: 创建受控的执行边界，限制 Agent 可以读取、写入和修改的内容，并提供使失败可诊断和回滚可行的可再现性保证。
 
-### Self-Evolution (自我进化)
-**英文**：Self-Evolution  
-**中文**：自我进化  
-**定义**：模型深度参与自身进化的过程，包括更新自身记忆、构建复杂技能、根据实验结果改进学习过程和 Harness。  
-**相关概念**：[[MiniMax M2.7|MiniMax M2.7 模型]]
+### Observability (可观测性)
+**英文**: Observability  
+**中文**: 可观测性  
+**定义**: 使 Agent 的内部轨迹对开发者、操作员和 Agent 本身可见的机制，包括结构化日志、执行轨迹和聚合指标。
 
-### Sensor (传感器)
-**英文**：Sensor  
-**中文**：传感器  
-**定义**：观察智能体行动后结果并帮助其自我纠正的反馈控制，包括计算型和推理型两种类型。  
-**相关概念**：[[Feedback|反馈控制]]
+### Context Budget Management (上下文预算管理)
+**英文**: Context Budget Management  
+**中文**: 上下文预算管理  
+**定义**: 主动管理最稀缺的共享资源——上下文窗口——的策略，包括摘要、基于优先级的驱逐和分阶段加载。
+
+## 历史演进
+
+### Weights Layer (权重层)
+**英文**: Weights Layer  
+**中文**: 权重层  
+**定义**: LLM 部署的最早浪潮，其中能力几乎完全与模型参数等同。  
+**参见**: [[From-Weights-to-Context-to-Harness|从权重到上下文到 Harness]]
+
+### Context Layer (上下文层)
+**英文**: Context Layer  
+**中文**: 上下文层  
+**定义**: 注意力从模型修改转向输入设计的阶段，包括提示工程、思维链、ReAct、RAG 等技术。
+
+### Harness Layer (Harness 层)
+**英文**: Harness Layer  
+**中文**: Harness 层  
+**定义**: 当前阶段，其中能力延伸超出提示管理进入持久基础设施。
+
+## 理论基础
+
+### Distributed Cognition (分布式认知)
+**英文**: Distributed Cognition  
+**中文**: 分布式认知  
+**定义**: 拒绝认知完全驻留在个人心灵内的观点，而是将认知过程定位在人、人工制品、表征和协调实践之间。
+
+### Complementary Strategies (互补策略)
+**英文**: Complementary Strategies  
+**中文**: 互补策略  
+**定义**: Kirsh 的理论，认为智能体不仅通过在内部更努力地思考来提高性能，还通过重组外部环境使一些认知工作卸载到其中来提高性能。
+
+## 实践术语
+
+### Context Anxiety (上下文焦虑)
+**英文**: Context Anxiety  
+**中文**: 上下文焦虑  
+**定义**: 一些模型表现出的倾向，当它们接近认为的上下文限制时，会过早地结束工作。
+
+### Context Reset (上下文重置)
+**英文**: Context Reset  
+**中文**: 上下文重置  
+**定义**: 完全清除上下文窗口并启动一个新的 Agent，结合结构化移交来携带前一个 Agent 的状态和下一步。
 
 ### Sprint Contract (冲刺契约)
-**英文**：Sprint Contract  
-**中文**：冲刺契约  
-**定义**：在每个冲刺前，Generator 和 Evaluator 协商达成的协议，定义该阶段工作的"完成"标准。  
-**相关概念**：[[Anthropic-Harness-Design|Anthropic Harness 设计]]
+**英文**: Sprint Contract  
+**中文**: 冲刺契约  
+**定义**: 在每个冲刺之前，生成器和评估器协商的协议，就在编写任何代码之前该工作块的"完成"是什么样子达成一致。
 
-## T
+### Planner-Generator-Evaluator (规划器-生成器-评估器)
+**英文**: Planner-Generator-Evaluator  
+**中文**: 规划器-生成器-评估器  
+**定义**: 一种三 Agent 架构，用于长运行自主编码：规划器将简单提示扩展为完整规范，生成器一次实现一个功能，评估器测试并评分结果。  
+**参见**: [[Long-Running-Harness-Design|长运行应用的 Harness 设计]]
 
-### Terminal Bench (终端基准测试)
-**英文**：Terminal Bench  
-**中文**：终端基准测试  
-**定义**：评估智能体编码能力的标准基准测试，包含机器学习、调试、生物学等多个领域的任务。  
-**相关概念**：[[LangChain Harness Engineering|LangChain Harness 工程]]
+### Agent-First World (智能体优先的世界)
+**英文**: Agent-First World  
+**中文**: 智能体优先的世界  
+**定义**: 一种软件工程范式，其中没有一行代码是人工编写的，人类工程师的工作重点转向设计环境、明确意图和构建反馈回路。  
+**参见**: [[OpenAI-Codex-Harness-Engineering|OpenAI Codex Harness 工程]]
 
-## W
+### Progressive Disclosure (渐进式披露)
+**英文**: Progressive Disclosure  
+**中文**: 渐进式披露  
+**定义**: 一种情境管理策略，智能体从一个小而稳定的切入点开始，并被指导下一步该去哪里查看，而不是一开始就被淹没。  
+**参见**: [[OpenAI-Codex-Harness-Engineering|OpenAI Codex Harness 工程]]
 
-### Wikilink (Wikilink)
-**英文**：Wikilink  
-**中文**：Wikilink  
-**定义**：使用 `[[文档标题]]` 格式的内部链接，在 Obsidian 等工具中支持双向链接和图谱视图。  
-**相关概念**：[[Backlink|反向链接]], [[Glossary|术语表]]
+### Doc-Gardening (文档园艺)
+**英文**: Doc-Gardening  
+**中文**: 文档园艺  
+**定义**: 定期运行的智能体，扫描那些不再反映真实代码行为的过时或废弃文档，并发起修复用的 Pull Request。
 
-### WikiLLM (WikiLLM)
-**英文**：WikiLLM  
-**中文**：WikiLLM  
-**定义**：本项目的名称，一个利用 LLM 构建个人知识库的系统，通过"编译"原始数据生成结构化、交叉链接的高质量中文 Wiki。  
-**相关概念**：[[Glossary|术语表]], [[INDEX]]
+### Golden Principles (黄金原则)
+**英文**: Golden Principles  
+**中文**: 黄金原则  
+**定义**: 带有主观意见的机械规则，旨在保持代码库的可读性和一致性，以便将来运行智能体。
 
----
+### AI Slop (AI 残渣)
+**英文**: AI Slop  
+**中文**: AI 残渣  
+**定义**: 智能体复现代码仓库中已存在的不均衡或不够理想的模式，随着时间的推移导致的漂移。
 
-*最后更新：2026-04-07*  
-*本文档由 [[WikiLLM]] 自动生成*
+### Meta-Harness (元 Harness)
+**英文**: Meta-Harness  
+**中文**: 元 Harness  
+**定义**: 一个外环系统，用于搜索和优化 LLM 应用的 Harness 代码，使用编码智能体通过文件系统访问完整历史记录（源代码、执行轨迹、分数）来提议和评估新的 Harness。  
+**参见**: [[Meta-Harness|Meta-Harness：模型 Harness 的端到端优化]]
+
+### Code-Space Search (代码空间搜索)
+**英文**: Code-Space Search  
+**中文**: 代码空间搜索  
+**定义**: Meta-Harness 的关键设计选择，将 Harness 优化发生在代码空间中，通过检查执行轨迹推断为什么失败以及哪些早期设计选择导致了失败，而不仅仅是失败本身。
+
+### Computational vs Inferential (计算型 vs 推理型)
+**英文**: Computational vs Inferential  
+**中文**: 计算型 vs 推理型  
+**定义**: Harness 中指南和传感器的两种执行类型：计算型是确定性且快速的（测试、lint、类型检查）；推理型是语义分析、AI 代码审查、"LLM 作为法官"。  
+**参见**: [[Harness-Engineering-for-Coding-Agent-Users|面向编码智能体用户的 Harness 工程]]
+
+### Feedforward Guide (前馈指南)
+**英文**: Feedforward Guide  
+**中文**: 前馈指南  
+**定义**: 在智能体行动之前提供的指导，包括原则、规则、参考文档、操作指南等，增加智能体第一次就做对的概率。  
+**参见**: [[Harness-Engineering-for-Coding-Agent-Users|面向编码智能体用户的 Harness 工程]]
+
+### Feedback Sensor (反馈传感器)
+**英文**: Feedback Sensor  
+**中文**: 反馈传感器  
+**定义**: 在智能体行动之后提供的验证机制，包括静态分析、日志、浏览器测试、代码审查智能体等，用于自我纠正问题。  
+**参见**: [[Harness-Engineering-for-Coding-Agent-Users|面向编码智能体用户的 Harness 工程]]
+
+### Harness Template (Harness 模板)
+**英文**: Harness Template  
+**中文**: Harness 模板  
+**定义**: 针对常见应用拓扑（数据仪表板、CRUD 业务服务、事件处理器）的指南和传感器捆绑包，可以作为团队的起点。  
+**参见**: [[Harness-Engineering-for-Coding-Agent-Users|面向编码智能体用户的 Harness 工程]]
+
+### Maintainability Harness (可维护性 Harness)
+**英文**: Maintainability Harness  
+**中文**: 可维护性 Harness  
+**定义**: 监管内部代码质量和可维护性的 Harness 类别，包括 lint、结构测试、代码覆盖等工具。  
+**参见**: [[Harness-Engineering-for-Coding-Agent-Users|面向编码智能体用户的 Harness 工程]]
+
+### Architecture Fitness Harness (架构适用性 Harness)
+**英文**: Architecture Fitness Harness  
+**中文**: 架构适用性 Harness  
+**定义**: 定义和检查应用程序架构特征的指南和传感器，类似于架构适用性函数。  
+**参见**: [[Harness-Engineering-for-Coding-Agent-Users|面向编码智能体用户的 Harness 工程]]
+
+### Behaviour Harness (行为 Harness)
+**英文**: Behaviour Harness  
+**中文**: 行为 Harness  
+**定义**: 引导和感知应用程序是否按需要功能运行的 Harness 类别，包括功能规范和测试套件。  
+**参见**: [[Harness-Engineering-for-Coding-Agent-Users|面向编码智能体用户的 Harness 工程]]
+
+### Rippable Harness (可剥离 Harness)
+**英文**: Rippable Harness  
+**中文**: 可剥离 Harness  
+**定义**: 设计为可以移除"智能"逻辑的 Harness，当模型变得足够智能不需要时。  
+**参见**: [[Harness-Engineering-Complete-Guide|Harness 工程完整指南]]
+
+### Three Pillars of Harness Engineering (Harness 工程三大支柱)
+**英文**: Three Pillars of Harness Engineering  
+**中文**: Harness 工程三大支柱  
+**定义**: OpenAI 框架组织的三个核心类别：上下文工程、架构约束、熵管理（垃圾收集）。  
+**参见**: [[Harness-Engineering-Complete-Guide|Harness 工程完整指南]]
+
+### Context Engineering (上下文工程)
+**英文**: Context Engineering  
+**中文**: 上下文工程  
+**定义**: 确保智能体在正确时间拥有正确信息的学科，包括存储库本地文档和动态可观测性数据。  
+**参见**: [[Harness-Engineering-Complete-Guide|Harness 工程完整指南]]
+
+### Architectural Constraints (架构约束)
+**英文**: Architectural Constraints  
+**中文**: 架构约束  
+**定义**: 机械地强制执行好代码样子的机制，包括依赖分层规则、确定性 linter、结构测试等。  
+**参见**: [[Harness-Engineering-Complete-Guide|Harness 工程完整指南]]
+
+### Entropy Management (熵管理)
+**英文**: Entropy Management  
+**中文**: 熵管理  
+**定义**: 定期清理智能体，用于解决 AI 生成代码库随时间积累的熵（文档漂移、命名约定发散、死代码积累）。  
+**参见**: [[Harness-Engineering-Complete-Guide|Harness 工程完整指南]]
+
+### Reasoning Sandwich (推理三明治)
+**英文**: Reasoning Sandwich  
+**中文**: 推理三明治  
+**定义**: 一种推理预算分配策略：规划使用高推理、实现使用中推理、验证使用高推理。  
+**参见**: [[LangChain-Harness-Engineering|LangChain Harness 工程实践]]
+
+### Self-Verification Loop (自我验证循环)
+**英文**: Self-Verification Loop  
+**中文**: 自我验证循环  
+**定义**: 让智能体验证其工作的机制：规划与发现、构建、验证、修复。  
+**参见**: [[LangChain-Harness-Engineering|LangChain Harness 工程实践]]
+
+### Managed Agents (托管智能体)
+**英文**: Managed Agents  
+**中文**: 托管智能体  
+**定义**: Anthropic 的托管服务，通过一组通用接口虚拟化智能体组件（会话、Harness、沙箱）来运行长 horizon 智能体。  
+**参见**: [[Managed-Agents-Decoupling-Brain-from-Hands|Managed Agents：将大脑与手分离]]
+
+### Session (会话)
+**英文**: Session  
+**中文**: 会话  
+**定义**: Managed Agents 中发生的一切的仅追加日志，作为生活在 Claude 上下文窗口之外的上下文对象。  
+**参见**: [[Managed-Agents-Decoupling-Brain-from-Hands|Managed Agents：将大脑与手分离]]
+
+### Meta-Harness (元 Harness)
+**英文**: Meta-Harness  
+**中文**: 元 Harness  
+**定义**: 一种系统，具有允许许多不同 Harness 的通用接口，而对 Claude 未来将需要的特定 Harness 没有意见。  
+**参见**: [[Managed-Agents-Decoupling-Brain-from-Hands|Managed Agents：将大脑与手分离]]
+
+### Model Self-Evolution (模型自我进化)
+**英文**: Model Self-Evolution  
+**中文**: 模型自我进化  
+**定义**: 模型深度参与迭代自己的过程，包括构建强化学习 Harness、更新记忆、驱动自身的强化学习。  
+**参见**: [[MiniMax-M27-Self-Evolution|MiniMax M2.7：开启模型的自我进化]]
+
+### Agent Teams (智能体团队)
+**英文**: Agent Teams  
+**中文**: 智能体团队  
+**定义**: 多智能体协作的原生能力，要求角色边界、对抗性推理、协议遵循、行为分化内化到模型中。  
+**参见**: [[MiniMax-M27-Self-Evolution|MiniMax M2.7：开启模型的自我进化]]
+
+### Six Stages of AI Adoption (AI 采用的六个阶段)
+**英文**: Six Stages of AI Adoption  
+**中文**: AI 采用的六个阶段  
+**定义**: Mitchell Hashimoto 的采用路径：放弃聊天机器人界面、重现自己的工作、日终智能体、外包确定的任务、工程化 Harness、始终有一个智能体在运行。  
+**参见**: [[Mitchellh-AI-Adoption-Journey|Mitchell Hashimoto 的 AI 采用之旅]]