Abilità dell'agente Agent Skill
Un'Abilità dell'agente insegna un tipo di lavoro ripetibile. Contiene regole mirate e può includere script o risorse.
↗IA
Scopri come l'IA riceve istruzioni, trova fatti, usa strumenti, dà risposte e viene verificata.
01 / Atlas
Tutti i termini di IA
Apri un termine per un significato semplice, un esempio, quando usarlo, quanto è ufficiale e il suo nome codice.
-
01 · Più dettagli -
02 · Più dettagli Agente e chiamata agli strumenti — Pacchetto di apprendimento Agent & Tool Calling — Learning Bundle
Questo pacchetto di apprendimento separa due idee di sistemi AI. Un agente lavora verso un obiettivo attraverso diversi passaggi. Chiamare uno strumento permette a un modello di richiedere un'azione esterna limitata. Il pacchetto non è un protocollo agente standard unico.
↗ -
03 · Più dettagli AI multimodale Multimodal AI
L'IA multimodale può utilizzare o creare diversi tipi di dati. Questi possono includere testo, immagini, audio, video o dati dei sensori.
↗ -
04 · Nucleo Allucinazione dell'IA AI Hallucination
L'allucinazione dell'IA è un nome comune per una risposta con affermazioni non supportate o false. Il NIST usa il termine più esatto rischio confabulazione.
↗ -
05 · Nucleo Allucinazione e Fondamento — Pacchetto di apprendimento Hallucination & Grounding — Learning Bundle
Questo pacchetto di apprendimento confronta un fallimento con un modo per ridurlo. L'allucinazione è un output del modello senza supporto. Il radicamento collega le affermazioni a prove fornite, trovate o verificate. Il pacchetto non è un unico parametro di qualità standard.
↗ -
06 · Nucleo Basi delle applicazioni IA — Pacchetto di apprendimento AI Application Basics — Learning Bundle
Questo pacchetto di apprendimento copre le parti di un'app AI: contesto, modelli, strumenti, dati, controlli, regole, test e fallback. Non è un termine standard unico.
↗ -
07 · Più dettagli Benchmark AI AI Benchmark
Un benchmark AI è un insieme fisso e scritto di compiti, dati, misure e condizioni di test. Permette alle persone di confrontare i sistemi usando le stesse regole.
↗ -
08 · Più dettagli Caching dei Prompt Prompt Caching
Il caching dei prompt permette a un servizio di modello di riutilizzare il lavoro per lo stesso inizio di un input. Può ridurre l'elaborazione ripetuta, ma non riutilizza la vecchia risposta.
↗ -
09 · Più dettagli Campionamento Sampling
Il campionamento significa scegliere il prossimo pezzo di testo (token) da una lista di possibili scelte e le loro probabilità. Il modello non sceglie sempre quello più probabile.
↗ -
10 · Più dettagli Campionamento Top-p Top-p Sampling
Il campionamento Top-p ordina i token possibili per probabilità, quindi mantiene il gruppo più piccolo la cui probabilità totale raggiunge p. Seleziona il token successivo da quel gruppo.
↗ -
11 · Più dettagli Chiamata agli strumenti Tool Calling
La chiamata agli strumenti permette a un modello di richiedere uno strumento esterno denominato in un formato prestabilito. La richiesta include argomenti. L'app host decide se e come eseguirlo.
↗ -
12 · Più dettagli Ciclo dell'agente Agent Loop
Un Ciclo dell'agente è un ciclo controllato. L'agente controlla lo stato, agisce con uno strumento consentito, legge il risultato, poi si ferma o continua.
↗ -
13 · Più dettagli Compattazione del Contesto Context Compaction
La compattazione del contesto sostituisce lo stato della conversazione precedente con un elemento più piccolo in modo che un compito lungo possa continuare. L'elemento potrebbe non essere un riepilogo leggibile e i dettagli potrebbero andare persi.
↗ -
14 · Nucleo Cronologia delle conversazioni Conversation History
La cronologia delle conversazioni è chat precedente e stato utile passato nei turni successivi. Spesso è filtrata o sintetizzata.
↗ -
15 · Più dettagli Database vettoriale Vector Database
Un database vettoriale è un termine industriale per un archivio di dati che salva vettori e cerca quelli simili. Spesso filtra altri dettagli e utilizza indici approssimativi veloci, ma non esiste uno standard universale unico.
↗ -
16 · Più dettagli Distillazione della conoscenza Knowledge Distillation
La distillazione della conoscenza allena un piccolo modello studente a copiare segnali utili da un modello insegnante più grande. L'addestramento spesso utilizza sia i punteggi dell'insegnante sia le etichette corrette conosciute.
↗ -
17 · Nucleo Finestra del Contesto Context Window
Una finestra contestuale è il numero di token che una richiesta del modello può contenere sia per l'input sia per l'output generato. Le regole esatte di conteggio dipendono dal modello e dall'API.
↗ -
18 · Più dettagli Fondamento Groundedness
La pertinenza chiede quanto bene le affermazioni in una risposta siano supportate dalle fonti fornite al modello. È un'area di test, non un punteggio standard mondiale.
↗ -
19 · Più dettagli Fondamento dell'AI AI Grounding
Il grounding dell'IA collega le affermazioni o le azioni generate a prove, fonti trovate o dati di sistema affidabili. I metodi e i punteggi differiscono. Non esiste un singolo protocollo di grounding.
↗ -
20 · Più dettagli Generazione aumentata dal recupero Retrieval-Augmented Generation
La generazione aumentata dal recupero, o RAG, trova prove esterne in tempo reale. Fornisce tali prove a un modello prima di scrivere.
↗ -
21 · Più dettagli Guardrail dell'IA AI Guardrail
Il guardrail dell'IA è un nome ampio del settore per i controlli di sicurezza. Questi controlli possono trovare, limitare, bloccare, modificare o segnalare input, output o azioni dell'IA non sicuri. Non è uno strumento standard unico.
↗ -
22 · Più dettagli Guardrail, Human-in-the-Loop e Valutazione — Pacchetto di apprendimento Guardrail, Human-in-the-Loop & Eval — Learning Bundle
Questo pacchetto di apprendimento unisce tre diversi metodi di controllo. Guardrails limitano il comportamento o lo inviano per ulteriori revisioni. Gli umani controllano i casi ad alto impatto. Le valutazioni misurano la qualità su compiti realistici. Il pacchetto non è un metodo standard unico di sicurezza.
↗ -
23 · Nucleo Incorporamento Embedding
Un embedding è un elenco di numeri che un modello apprende per un elemento. Una regola di distanza o similarità può quindi confrontare i modelli tra gli elementi in quello spazio numerico.
↗ -
24 · Più dettagli Incorporamento e database vettoriale — Pacchetto di apprendimento Embedding & Vector Database — Learning Bundle
Questo pacchetto di apprendimento unisce due idee di recupero. Un embedding trasforma il contenuto in vettori numerici. Un database vettoriale memorizza, indicizza, filtra e cerca quei vettori. Il pacchetto non è un tipo di datastore standard unico.
↗ -
25 · Nucleo Inferenza del modello Model Inference
L'inferenza è quando un modello addestrato utilizza nuovi input per fare una previsione, dare un punteggio o creare una risposta. I suoi pesi appresi non cambiano.
↗ -
26 · Più dettagli Ingegneria del contesto Context Engineering
L'ingegneria del contesto seleziona e ordina ciò che un modello riceve. Questo può includere fatti, istruzioni, strumenti, stato e prove.
↗ -
27 · Più dettagli Ingegneria Harness Harness Engineering
L'ingegneria Harness costruisce l'installazione attorno agli agenti di codifica. Include il repository, le istruzioni, gli strumenti, la sicurezza, l'ambiente e il feedback.
↗ -
28 · Più dettagli Iniezione di prompt Prompt Injection
L'iniezione di prompt è testo dannoso o imprevisto. Cerca di far sì che un'IA ignori le regole affidabili dell'app e segua altre istruzioni.
↗ -
29 · Più dettagli Instradamento del modello Model Routing
L’instradamento del modello sceglie quale modello o percorso del modello gestisce ogni richiesta. La scelta segue regole chiare per qualità, competenza, costo, ritardo o politica di sicurezza.
↗ -
30 · Più dettagli Memoria dell'Agente Agent Memory
La memoria dell'agente è l'informazione salvata che un agente AI può usare dopo il messaggio corrente. Regole chiare indicano cosa viene salvato, per quanto tempo e come può cambiare.
↗ -
31 · Nucleo Modello di linguaggio Language Model
Un modello linguistico è un modello statistico che prevede e crea sequenze. Può spesso seguire istruzioni per il testo e altri tipi di dati, chiamati modalità.
↗ -
32 · Più dettagli Orchestrazione dell'Agente Agent Orchestration
L'orchestrazione dell'agente è il piano che coordina agenti AI, strumenti, passaggi di consegne, informazioni condivise e regole di interruzione. Mantiene sotto controllo un lavoro con più fasi.
↗ -
33 · Nucleo Output strutturato Structured Output
L'output strutturato fa seguire a un modello uno schema leggibile dalla macchina invece di scrivere qualsiasi forma di prosa.
↗ -
34 · Nucleo Prompt Prompt
Un prompt è tutto ciò che viene dato a un modello per un compito. Può includere istruzioni, contesto, esempi e dati.
↗ -
35 · Più dettagli Prompt di Sistema System Prompt
Un system prompt è un set di istruzioni ad alta priorità. Imposta il ruolo, i limiti, gli strumenti e le regole per le risposte di un prodotto AI.
↗ -
36 · Più dettagli Protocollo Agent2Agent (A2A) Agent2Agent (A2A) Protocol
Agent2Agent (A2A) è un protocollo aperto e versionato per consentire agli agenti AI di scoprire competenze, scambiarsi messaggi e gestire compiti. Ogni implementazione deve indicare una versione del protocollo supportata.
↗ -
37 · Più dettagli Protocollo del Contesto del Modello Model Context Protocol
Il Protocollo del Contesto del Modello collega applicazioni AI a strumenti e dati esterni. Gli host utilizzano client per comunicare con server che offrono strumenti, risorse e prompt. È aperto, e entrambe le parti concordano prima sulle capacità disponibili.
↗ -
38 · Più dettagli Quantizzazione del modello Model Quantization
La quantizzazione del modello memorizza pesi o attivazioni con formati numerici meno precisi. Questo può ridurre l’uso della memoria, il movimento dei dati e il costo computazionale.
↗ -
39 · Più dettagli ReAgire ReAct
ReAct significa Reason and Act. Un agente agisce, legge il risultato e usa quel fatto per il passo successivo. Non è React.
↗ -
40 · Più dettagli Regolazione fine Fine-tuning
La regolazione fine continua ad addestrare un modello già pronto con esempi accuratamente scelti da un compito o campo specifico. Questo cambia i pesi appresi e il comportamento del modello.
↗ -
41 · Più dettagli Ricerca ibrida Hybrid Search
La ricerca ibrida utilizza sia la ricerca per parola esatta sia la ricerca vettoriale basata sul significato per una domanda. Poi unisce o riorganizza entrambi i set di risultati.
↗ -
42 · Più dettagli Richiesta senza stato Stateless Request
Una Stateless Request usa solo i dati inviati in quella chiamata. Non dà per scontato che il modello ricordi le chiamate precedenti.
↗ -
43 · Nucleo Rilevanza del recupero Retrieval Relevance
La rilevanza del recupero indica quanto bene un risultato di ricerca o una risposta soddisfa il bisogno dichiarato dell'utente secondo regole di punteggio chiare.
↗ -
44 · Più dettagli Riordinamento Reranking
Il riordino utilizza un secondo modello per valutare nuovamente i risultati di ricerca. Confronta la domanda e ogni documento trovato in modo più dettagliato, quindi ne modifica l'ordine.
↗ -
45 · Più dettagli Risposta in streaming Streaming Response
Una Streaming Response arriva in piccoli eventi o blocchi. Un risultato utile può apparire prima che il lavoro finisca.
↗ -
46 · Più dettagli Sandbox dell'Agente Agent Sandbox
Un sandbox per agenti è un luogo limitato in cui un agente AI può eseguire codice o strumenti. Separa il compito dal resto del computer, ma la protezione dipende dal suo design.
↗ -
47 · Più dettagli Sforzo di ragionamento OpenAI OpenAI Reasoning Effort
ragionamento.sforzo è un'impostazione dell'API OpenAI per quanto lavoro del modello una richiesta dovrebbe utilizzare prima di rispondere. I livelli supportati e i valori predefiniti variano a seconda del modello, e uno sforzo maggiore non garantisce una risposta corretta.
↗ -
48 · Più dettagli Sub-agente Sub-agent
Un Sub-agent è un agente separato con un solo compito chiaro e limitato. Ha il suo contesto e un risultato da restituire.
↗ -
49 · Nucleo Suddivisione del documento Document Chunking
La suddivisione del documento divide il contenuto in piccole parti che un sistema di ricerca può trovare. Regole chiare definiscono la dimensione di ciascuna parte, la sovrapposizione e il punto di interruzione prima dell'indicizzazione.
↗ -
50 · Nucleo Temperatura Temperature
La temperatura è un'impostazione utilizzata prima del campionamento. Modifica se le probabilità dei token sono concentrate su poche scelte o distribuite su più scelte.
↗ -
51 · Più dettagli Tempo al primo token Time to First Token
Il tempo al primo token (TTFT) misura un’attesa iniziale. Inizia in un punto di richiesta chiaramente nominato. Termina quando il client o il server vede il primo token generato. Indicare sempre entrambi i punti.
↗ -
52 · Più dettagli Tempo fino al primo token & Token al secondo — Pacchetto di apprendimento TTFT & TPS — Learning Bundle
Questo pacchetto confronta due misure di velocità dell'IA. TTFT è il tempo fino al primo token. TPS è il numero di token prodotti ogni secondo successivo. Non è una metrica standard unica.
↗ -
53 · Nucleo Token & Finestra di contesto — Pacchetto di apprendimento Token & Context Window — Learning Bundle
Questo pacchetto di apprendimento unisce due idee diverse sul runtime dei modelli. Un token è un pezzo di input o output specifico del modello. Una finestra di contesto limita la sequenza disponibile per una generazione. Il pacchetto non è una metrica standard unica.
↗ -
54 · Nucleo Token del modello Model Token
Un token del modello è un'unità di uno specifico tokenizer. Il tokenizer trasforma testo o byte in ID numerici per un modello. Un token non corrisponde sempre a una parola o un carattere. La sua divisione e il conteggio dipendono dalla versione del tokenizer.
↗ -
55 · Più dettagli Token di output per secondo Output Tokens per Second
I token di output per secondo misurano quanto velocemente un modello crea token di output dopo l'inizio della decodifica. Il rapporto deve indicare il tokenizer, l'intervallo di tempo, il metodo di raggruppamento e il numero di richieste in esecuzione contemporaneamente.
↗ -
56 · Più dettagli Tracciamento dell'IA AI Tracing
Il tracciamento dell'IA registra i passaggi collegati in un'esecuzione dell'IA, come le chiamate al modello, la ricerca, l'uso di strumenti e il lavoro dell'agente. Il registro aiuta le persone a seguire l'esecuzione dall'inizio alla fine.
↗ -
57 · Nucleo Trasformatore Transformer
Un Transformer è un tipo di rete neurale. Usa l'attenzione per imparare come le parti di una sequenza sono correlate e può lavorare su molte posizioni contemporaneamente.
↗ -
58 · Più dettagli Umano in Loop Human in the Loop
Umano in loop è una fase di revisione pianificata. Una persona nominata riceve i fatti, il potere e il dovere di agire. Può modificare, approvare, rifiutare o fermare il lavoro assistito dall'IA.
↗ -
59 · Più dettagli utilizzo del computer Computer Use
L'utilizzo del computer consente a un modello di visualizzare uno schermo e restituire azioni come cliccare, digitare o scorrere. Un'applicazione di supporto controlla ed esegue ogni azione consentita.
↗ -
60 · Più dettagli Valutatore del modello Model Grader
Un valutatore modello utilizza un modello AI per valutare o etichettare un output con una regola scritta. Può sbagliare, quindi le persone devono verificarlo con esempi noti.
↗ -
61 · Nucleo Valutazione dell'AI AI Evaluation
La valutazione dell'AI è un metodo ripetibile per testare un sistema AI. Utilizza compiti chiari, dati di test, regole di punteggio e limiti di sicurezza.
↗ -
62 · Più dettagli Versionamento del Prompt Prompt Versioning
La gestione delle versioni dei prompt mantiene revisioni nominate e fisse di un prompt di produzione. I team possono rivedere, testare, rilasciare e ripristinare una revisione esatta.
↗ -
63 · Nucleo Vibe Coding Vibe Coding
Vibe Coding costruisce il software attraverso la conversazione. Una persona imposta e controlla l'obiettivo mentre un agente AI scrive gran parte del codice.
↗