解码新AI术语：循环、框架、小队、爬山……天哪！

如今，由于AI工具的不断引入，软件开发领域涌现出大量新词汇，可能会让人感到不知所措。其中一些新词汇描述了人们正在追求的有用模式，另一些则只是对已有事物的华丽包装，还有一些仍在定义之中。在我们最新一期的GitHub播客中，Marlene Mhangami、GPS和我讨论了一些开发者正在学习的AI术语：循环工程、Ralph循环、小队、缰绳工程、爬山法、前置部署工程师、封闭模型、开放权重和开源模型。如果你更倾向于阅读而非收听，这里有一份指南，解释这些术语的含义、重要性以及如何理解它们。请收听下面的完整节目！👇

循环工程：超越一次性提示

循环工程是围绕代理设计可重复系统的实践，而不是一次一个任务地手动提示它们。一个简单的例子：不是每天早上要求代理审查新问题、总结并提出修复方案，而是创建一个按计划运行的循环。该循环可能获取问题，将其传递给代理，验证输出，并将任何卡住的问题升级处理。这本质上是一个AI原生的定时任务。

Ralph循环：循环工程的暴力版本

Ralph循环是“循环”概念的一种实现：你给代理一个详细的任务，通常来自产品需求文档或规格说明，让它持续工作直到任务完成。这可能很有用，特别是将大型任务分解为重复的计划-行动-检查周期。但另一方面，它也可能成本高昂且效率低下，因为每次迭代都会消耗更多的token、上下文和计算资源。循环工程旨在使这种模式更加结构化，这样你就不会总是要求代理“再试一次”。设计良好的循环会添加诸如技能、可观测性、验证、路由和检查点等原语。

小队、舰队和多代理工作流

如果循环定义了工作流，“小队”和“舰队”则描述了多个代理如何参与该工作流。小队是一组具有不同角色的代理。它们通常反映现实世界的团队。一个代理可能负责规划，另一个代理可能审查该计划，另一个可能实施，另一个可能测试，还有一个可能进行评审。舰队指的是并行处理任务的代理。你可以让一个小队在舰队中并行工作，或按顺序工作。以这种方式操作，不同的代理可以处理流程的不同部分，你可以通过特定技能对每个代理进行微调和专业化，以提高效率。核心思想是并行化和专业化。不是让一个代理尝试做所有事情，而是不同的代理可以处理开发过程的不同部分。

缰绳：模型周围的系统

除了模型生成的内容之外，缰绳是围绕模型的一切，使其在你的工作流中有用。这可能包括指导模型行为的工具、权限、记忆、上下文、编排等。如果这有助于记忆：缰绳的命名恰如其分，就像马的缰绳。马就像可能失控的模型，而缰绳帮助安全地引导马的负重完成任务。明白了吗？无论如何，软件缰绳的一个好例子是GitHub Copilot。它将模型连接到代码库、编辑器、拉取请求、终端等。当你听到“缰绳工程”这个词时，那就是设计和改进围绕模型的系统的工作。

爬山法：通过反馈改进代理

“爬山法”一词用于描述随时间改进代理和缰绳的过程。例如，这可能意味着使用评估来衡量代理是否产生了正确类型的输出（然后调整缰绳直到结果改善）。或者另一个例子，如果你的代理应该审查拉取请求，爬山法可能是检查它是否确实发现了有意义的错误并产生有用的建议，并调整工具以改进这一点。

前置部署工程师：熟悉角色，AI焦点

前置部署工程师的工作早已存在，但AI品牌使其听起来前卫和新颖。现在，它通常指面向客户的软件工程师、销售工程师或解决方案工程师，往往专注于AI。如果你以前没见过这些职位名称，这个人通常与客户紧密合作，在其环境中实施或调整技术解决方案。在AI焦点下，这意味着帮助团队将AI工具、工作流、代理等集成到他们现有的系统中。

封闭模型、开放权重和开源模型

并非所有模型都以相同方式共享。封闭模型通过API或托管产品访问。开发者可以使用模型，但无法访问底层权重、训练数据或训练过程。你听到的那些大型、著名的前沿模型通常是封闭模型。开放权重模型使模型权重（就像决定某些输入重要性的旋钮）可用。开发者可以下载并运行这些模型，通常是在本地或自己的基础设施上。但需要明确的是，数据集和训练方法可能不完全可用。开源模型更进一步，模型、代码、数据和训练过程都可供检查、重用和修改。模型越开放，你就越能运行、定制、审计和信任它。

术语不断演变

这只是我们今天听到的一些术语的样本。有些会持续存在，有些会淡出记忆，还有一些会随着行业的成熟被更好的语言所取代。不用担心跟不上流行词汇。它们只是词汇，更重要的是它们背后的实践！问问自己工作流是否能可靠重复，如何验证任务，人类应该如何（或不应该）干预，你能在多大程度上依赖模型，以及如何改进你的系统。这是一个工程的新时代，最佳实践仍然重要！

订阅GitHub播客，这样你就不会错过任何一集！

文章《解码新的AI术语：循环、缰绳、小队、爬山……哦，我的天！》首次出现在GitHub博客上。