提炼自本课程 01–13 模块 glossary（../glossary/ 各文件），按考试主题重组。 用法：考前扫读；每个词给「一句话考点提示」——考试里它通常以什么方式考你。 术语对应的完整辨析（通俗解释/常见混淆）回链各模块 glossary 与 README。
🎯 学习重点：重点掌握 workflow/agent 控制流、停止条件、编排模式与多智能体成立前提。
| 英文 | 中文 | 一句话考点提示 |
|---|---|---|
| Workflow vs Agent | 工作流 vs 智能体 | 最高频考点：步数/路径可预测→workflow；开放式探索→agent。选「为 agentic 而 agentic」的选项必错 |
| Agent Loop | 智能体循环 | gather context → take action → verify results；考「循环里缺了哪一环」 |
| Stopping Conditions | 停止条件 | max iterations / 预算上限是 agent 上生产准入门槛；无停止条件 = 事故 |
| Augmented LLM | 增强型 LLM | 一切编排模式的原子单元（检索+工具+输出结构化）；单点优化不如接口裁剪 |
| Routing | 路由 | 高低难度分流省成本；考「分离关注点」的收益 |
| Prompt Chaining | 提示链 | 用延迟换准确率；链上任何一步的失败会向后传播 |
| Parallelization | 并行化 | 总耗时≈最慢子任务；guardrails/多视角评审的载体 |
| Evaluator-Optimizer | 评估器-优化器 | 有清晰评估标准+人类反馈有效时才划算 |
| Orchestrator-Workers | 编排器-工人 | 子任务集合随输入变化时的标准答案；multi-agent 的拓扑基础 |
| Planner-Executor | 规划器-执行器 | 判据是「计划是否静态契约」；区别于 orchestrator-workers |
| Multi-Agent System | 多智能体系统 | 四前提：开放式+可并行+超窗口+高价值；代价 ≈15× token——默认不选它 |
| Coordinator-Subagent | 协调者-子代理 | 官方 CCAR-F 点名的模式（Exam Guide 原文）；subagent 完成后只回摘要 |
| Context Isolation | 上下文隔离 | subagent 四收益之一（隔离/并行/专用指令/工具限制） |
| Compaction | 压缩 | 长时程任务第一杠杆；/compact 是有损摘要 |
| Structured Note-Taking / Agentic Memory | 结构化笔记/智能体记忆 | 长会话一致性的机制；产品化为 memory tool |
| ACI (Agent-Computer Interface) | 智能体-计算机接口 | 官方经验：优化工具的时间 > 优化 prompt；绝对路径 vs 相对路径案例 |
| Ground Truth (from environment) | 环境真实反馈 | agent 可靠性根基；测试驱动修复的前提 |
| Harness | 挽具/脚手架 | 「模型之外的循环代码」；评估对象 = harness + 模型组合体 |
🎯 学习重点：能按控制方区分 MCP 原语，并识别工具 schema、错误与权限边界。
| 英文 | 中文 | 一句话考点提示 |
|---|---|---|
| Host / Client / Server | 宿主/客户端/服务器 | host 持有完整对话与编排权；client 与 server 是 1:1——安全边界就考这个 |
| Tools (model-controlled) | 工具 | 三大原语中考「谁控制」：tools 由模型自主调用 |
| Resources (application-driven) | 资源 | 由 host/应用决定取用的只读数据；把只读数据做成 tool 会扩大攻击面 |
| Prompts (user-controlled) | 提示模板 | 用户显式选用（斜杠命令）；「user-controlled 指谁触发」是高频陷阱 |
| Transport / stdio / Streamable HTTP | 传输层 | 本地=stdio，远程=Streamable HTTP（无协议级会话，2026-07-28 起）；换传输不换语义 |
| Structured Error Responses | 结构化错误响应 | 官方点名：业务错误走 isError=true 让模型修复，协议错误才走 JSON-RPC error |
| Progressive Discovery | 渐进式发现 | 上百工具时的上下文治理：catalog→inspect→execute，按需加载定义 |
| Tool Search / Deferred Loading | 工具搜索/延迟加载 | Anthropic 原生方案（defer_loading）；治理工具膨胀的首选 |
| Token Passthrough | 令牌透传 | 被 MCP 规范禁止的反模式——审计断链；考试选它必错 |
| Confused Deputy | 混淆代理 | MCP proxy 静态 client ID + 动态注册跳过同意的攻击；对策 per-client consent |
| Elicitation | 征询 | server 缺输入时向用户索取的标准回路 |
| Origin Validation | Origin 校验 | 本地 HTTP server 不校验 Origin 会被 DNS rebinding 打穿 |
| Tool Loop (User→Claude→execute→result) | 工具回路 | tool_result 必须紧跟 tool_use；错误要回传给模型而不是只打日志 |
| Tool Choice | 工具选择 | 控制是否调用工具；与 strict（保参数合法）是两回事 |
| Human Approval | 人工审批 | 「什么交模型决定、什么必须人批」是架构判断考点 |
| MCP vs Direct API | MCP 还是直连 | 单一稳定集成→直接 API；多客户端复用/生态→MCP |
🎯 学习重点：区分召回、排序、上下文管理、接地性和准确性，避免一指标包打天下。
| 英文 | 中文 | 一句话考点提示 |
|---|---|---|
| RAG | 检索增强生成 | 「库大塞不下」才默认上 RAG；小库全量塞 prompt + caching 常更优 |
| Embeddings | 嵌入向量 | 语义检索上限由嵌入模型决定；精确 token 是它的系统性盲区 |
| BM25 / Lexical Retrieval | 词法检索 | 错误码/SKU/条款编号必须靠它——「只用向量」是必错项 |
| Hybrid Retrieval | 混合检索 | 官方默认姿势：Embeddings + BM25 优于单路 |
| RRF (Reciprocal Rank Fusion) | 倒数排名融合 | 双路分数量纲不可比，融合排名而非分数 |
| Chunking / Structural Chunking | 分块/结构化分块 | 按文档结构切（标题链/函数/表格行）；固定 512 硬切是反面模式 |
| Contextual Retrieval | 上下文检索 | 给块补主语/上下文；官方数据检索失败率降 49%（+reranking 累计 67%） |
| Metadata Filtering / Pre-filter | 元数据过滤/检索前过滤 | 多租户安全 + 精度双收益；post-filter 可能滤空 Top-K |
| Top-K | 前K结果 | 上下文预算分配问题；K 越大 recall 涨但 context rot 与成本同涨 |
| Reranking / Cross-encoder | 重排序/交叉编码器 | 精排只对 Top-N 做；「更好回答+更低成本延迟」 |
| Groundedness | 有据性 | 有据≠正确、正确≠有据——两个维度分开评，高频辨析题 |
| Citations | 引用 | 主张可审计的 API 级机制 |
| Hallucination | 幻觉 | 概率系统固有属性；架构级缓解=接地+工具+评估，不是「修 bug」 |
| Context Window | 上下文窗口 | 工作记忆非数据库；请求结束即消失 |
| Context Rot | 上下文衰减 | 窗口内就发生——「塞满 1M 窗口」必错 |
| Lost in the Middle | 中部丢失 | 官方点名：开头结尾记得牢，关键信息别埋中部 |
| Progressive Summarization | 渐进式摘要 | 官方点名的长会话上下文管理术（= 课程 08 的 compaction 思想） |
| Just-in-Time Retrieval | 即时检索 | 需要时才取，而不是全量预载 |
🎯 学习重点：术语落点必须是信任边界、最小权限和确定性强制，而不是抽象“更安全”。
| 英文 | 中文 | 一句话考点提示 |
|---|---|---|
| Prompt Injection | 提示注入 | 一切 LLM 应用第一攻击面；先问威胁模型再选防御 |
| Indirect Prompt Injection | 间接注入 | RAG/agent 最危险形态：工具结果、网页、文档都是载荷入口 |
| LLM Instruction ≠ Application Enforcement | 模型指令≠应用层强制 | 全课程第一原则：安全评审先问「哪段代码强制？」——prompt 禁令不是访问控制 |
| Least Privilege / Blast Radius | 最小权限/爆炸半径 | 注入成功后的损失上限由权限设计决定 |
| Defense in Depth | 纵深防御 | 任何单层都有失效模式；多层叠加才有系统韧性 |
| Human-in-the-Loop / Approval Gate | 人工审批门 | 低频高危有效；前提是审批不密集（否则疲劳） |
| Approval Fatigue | 审批疲劳 | 弹得越多批得越快；93% 批准率=没有审批 |
| Sandbox | 沙箱 | 确定性边界主力；隔离强度匹配用户监管能力 |
| Egress Control / Allowlist | 出站控制/白名单 | 白名单是能力授予不是域名过滤；api.anthropic.com 也能当外传信道 |
| tool_result Channel | 工具结果通道 | 第三方数据走 tool_result + JSON 编码，不拼进 system prompt |
| ZDR (Zero Data Retention) | 零数据留存 | 合规基线选项；covered models 有 30 天留存例外（截至 2026-08-30） |
| PII / Data Residency | 个人信息/数据驻留 | 影响接入路径选择（直连 API vs Bedrock/Vertex） |
| Scoped Token | 受限换票 | 凭据不进沙箱/上下文；用短时 scoped token 代理 |
🎯 学习重点：掌握数据集、grader、回归、drift 与延迟口径的用途和失效模式。
| 英文 | 中文 | 一句话考点提示 |
|---|---|---|
| Eval / Golden Dataset | 评估/金标集 | 无金标=盲调；题目分布≈生产分布才有意义 |
| Regression Testing | 回归测试 | CI 门禁：分数下降即「有东西坏了」；模型升级前置门槛 |
| Task Success / Outcome | 任务成功/终态 | transcript 说「订好了」不算数——state_check 查环境终态 |
| Tool Correctness | 工具正确性 | 代码级断言（amount ≤ 100）；agent 合规审计面 |
| LLM-as-Judge / Rubric | 模型评审/评分细则 | 必须 rubric 化 + Unknown 出口 + 人工校准，拿来就用是错项 |
| pass@k / pass^k | k次至少一成/全成 | 产品决策看 pass^k；研发爬坡看 pass@k |
| Recall@k / Precision@k / MRR / nDCG | 检索指标族 | recall 单看可刷分（加大 k）；成对报告才合格 |
| Hallucination Rate / Abstain Rate | 幻觉率/弃答率 | 成对上报，否则全拒答可刷出幻觉率 0 |
| Distribution Drift | 分布漂移 | 线上监控核心告警对象 |
| Escalation Rate | 升级率 | 逃逸指标族；过低=该升不升，过高=坐席崩溃 |
| TTFT / Baseline Latency | 首 token 延迟/基线延迟 | streaming 只改 TTFT 不改总时长；两个口径分开报 |
| Observability / Auditability | 可观测/可审计 | request-id 透传、usage 记账、决策留痕；「没有它只能靠猜」 |
| Eval Saturation | 评估饱和 | 高分≠毕业；旧题进回归套件、新题补位 |
🎯 学习重点：熟悉 Messages API 控制流、stop_reason、结构化输出、thinking 与现行版本边界。
| 英文 | 中文 | 一句话考点提示 |
|---|---|---|
| Messages API | 消息 API | system 是顶层参数不是 role；content blocks 是原子单位 |
| Stop Reason | 停止原因 | 应用层分支的权威信号；max_tokens 截断的 JSON 不能直接喂解析器 |
| Streaming / SSE | 流式 | 逐事件消费降 TTFT；error 事件与未知事件也要处理 |
| Structured Output / Constrained Decoding | 结构化输出/约束解码 | 解码期禁止非法 token；保格式不保语义——语义靠评估 |
| Strict Tool Use | 严格工具 | strict: true 保工具名与入参过 schema；与 tool_choice 两回事 |
| Few-shot / Zero-shot | 少样本/零样本 | 示例要多样（全同构=学偏差）；新模型零样本常已够用 |
| Repair Retry | 修复式重试 | 校验错误拼回 prompt 让模型自修；对语义错误无效 |
| Prefill | 预填充 | 已弃用（4.6+ 返回 400）——旧教程遗毒识别题 |
| Adaptive Thinking / Effort | 自适应思考 | 2026 现行方案；budget_tokens 已弃（4.7+ 拒绝） |
| Extended Thinking | 扩展思考 | 手动预算模式（存量系统仍需懂）；与 adaptive 区分 |
| System Prompt | 系统提示词 | 顶层 system 参数；参与缓存前缀——塞 user 消息浪费缓存 |
| Model Snapshot / Pinned ID / Alias | 模型快照/别名 | 生产锁固定快照；alias 会漂移——回归评估失去意义 |
| Deprecation / Retirement | 弃用/退役 | 模型与参数都会退役（temperature 400 案例）；≥60 天通知 |
| Model Routing / Cascade | 模型路由/级联 | 成本最大杠杆（5–10x）；升级率是核心指标 |
| Multimodal / Visual Token | 多模态/视觉 token | 28×28 patch 计费；图片按视觉 token 挤占窗口 |
| Knowledge Cutoff | 知识截止 | cutoff 后事实必须靠工具/检索——选「让模型背新数据」必错 |
| Temperature | 温度 | 4.7+ 非默认值返回 400；行为控制转向 prompting |
🎯 学习重点：把限流、超时、缓存、批处理、版本与灰度放进成本和可靠性决策。
| 英文 | 中文 | 一句话考点提示 |
|---|---|---|
| Rate Limit / 429 / retry-after | 限流 | 按 retry-after 等；spend-cap 429 没有 retry-after——重试到天亮也无效 |
| Spend Limit | 支出上限 | 按月按钱，触顶形态与限流不同——两类 429 要区分 |
| Retry with Exponential Backoff + Jitter | 指数退避+抖动 | 只对瞬时错误（429 限流/500/529/连接）；4xx 确定性错误重试=烧钱 |
| Timeout Budget | 超时预算 | 多层各 30s 会叠成分钟级挂起；预算从顶层向下分配 |
| Circuit Breaker | 熔断器 | 529/区域故障时保护上游；开路期间新请求直接走降级 |
| Fallback / Graceful Degradation | 降级 | 三件套：显式声明 degraded、指标单独计数、可恢复切回；白屏是反例 |
| Escalation / Structured Handoff | 升级/结构化交接 | 坐席拿到结构化上下文（原请求/已试路径/trace_id），不是一句话 |
| Prompt Caching / Cache Breakpoint | 提示缓存/断点 | 断点放「跨请求不变的末块」；放在每轮变化的块上=永远 miss |
| Cache-aware ITPM | 缓存感知限速 | cache 读取不计 ITPM——高命中率=吞吐放大器 |
| Message Batches API | 批处理 | 半价、24h 窗口；不支持 stream/fast mode——硬约束验证错误 |
| Observability 三支柱 | 日志/指标/追踪 | 生产 Claude 应用具体化为 request-id、usage 记账、OTel span |
| Version Pinning / Canary | 版本锁定/灰度 | 「今天的行为=上周评估过的行为」；稳定哈希分流防抖动 |
| Deflection Rate / Cost per Resolution | 自动解决率/单次解决成本 | 客服系统第一业务指标；与升级率成对看 |
| SLO / SLA / SLI | 服务目标/协议/指标 | 需求量化语言（p50 ≤ 5s 是 SLO）；三件套对齐才能验收 |
🎯 学习重点：配置层级、rules、skills、hooks、权限和 plan mode 是高频精确记忆点。
| 英文 | 中文 | 一句话考点提示 |
|---|---|---|
| CLAUDE.md（层级） | 项目指令文件 | Managed → User → Project → Local；是 context 不是 enforcement——强制靠 deny/hook |
| Permission Modes | 权限模式 | default/acceptEdits/plan/auto/dontAsk/bypassPermissions；plan 是模式不是页面 |
| Deny Rules | 拒绝规则 | 唯一在所有模式（含 bypassPermissions）下生效的规则层 |
| PreToolUse Hook / Exit Code 2 | 工具前钩子/阻断码 | 「无论模型怎么决定都执行」的强制点；退出码 2 = block |
| Skills | 技能 | SKILL.md 装流程；旧 custom commands 已并入——过时术语识别 |
| Subagents | 子代理 | 独立上下文+受限工具+只回摘要；大规模探索不污染主会话 |
| Plan Mode vs Direct Execution | 规划 vs 直接执行 | 官方点名考点：高危变更先 plan 后动（human approval 的插入位） |
| Path-Specific Rules (.claude/rules/) | 路径规则 | 带 paths: 元数据，读到匹配文件才加载——按需付费的局部约定 |
| Managed Settings | 组织托管配置 | 优先级最高、可锁定——企业红线落点 |
| Headless Mode (-p) | 无头模式 | CI/脚本接入；无人值守更要收紧权限而非放宽 |
深入辨析回链：glossary-foundations · glossary-core · glossary-production · 07-RAG · 08-agents · 10-production · 11-security · 12-evals · 13-capstone📚 目录