自动化智能体是一种能够理解复杂目标、自主规划并执行一系列任务，最终达成目标的AI程序。它代表了AI从被动响应到主动工作的范式转变。

AI工作流是指利用人工智能技术，将一系列相互关联的任务、决策和数据处理步骤自动化、智能化的过程。它不再是单一工具的孤立应用，而是通过串联多个AI能力，形成一个能自主运行、持续优化的完整任务处理管道，旨在提升效率、减少人为错误并释放创造力。

角色设定是用户通过自然语言指令，为AI大模型预先定义其身份、性格、知识范围和行为准则的过程。它决定了AI在对话中的“人设”与回应方式，是解锁大模型多样化应用的关键技巧。

指令微调是大型语言模型训练流程中的关键环节，旨在通过高质量的指令-回答配对数据，教会模型理解并遵循人类的指令意图，从而显著提升其任务执行能力、安全性和可控性。

上下文学习是大语言模型的一种关键能力，指模型仅根据输入提示中的少量示例（上下文），就能理解并执行新任务，而无需更新其参数或进行额外的训练。它让AI具备了类似人类的“举一反三”和即时学习能力。

OneShot 单样本学习是机器学习的一种范式，指模型仅通过一个示例（如一张图片、一段文本或一次演示）就能学习并泛化到新任务或新类别。它旨在解决传统AI对大规模标注数据的依赖，是实现更灵活、更人性化人机交互的关键技术。

零样本学习是一种AI推理范式，模型能够在没有针对特定任务的训练数据的情况下，通过已有知识泛化来理解和执行新任务。

FewShot（少样本学习）是机器学习的一种范式，旨在让模型仅通过极少数（通常几个到几十个）示例就能理解和执行新任务。它模仿了人类快速学习的能力，显著降低了对大规模标注数据的依赖，是大模型适应特定领域、实现高效微调的关键技术。

思维链是一种提示工程技术，通过要求大语言模型在给出最终答案前，先展示其逐步推理的中间过程，从而显著提升其在数学、逻辑、常识推理等复杂任务上的表现。它模仿了人类解决问题时的思考方式，是理解模型“黑箱”运作的重要窗口。

对齐训练是确保AI系统行为与人类意图、伦理准则及社会价值观保持一致的关键过程，旨在解决AI“能力很强但方向不对”的核心风险。