多智能体系统（Multi-Agent System, MAS）是由多个独立AI智能体组成的协作网络，每个智能体有自己的目标和能力，通过通信与协调共同完成复杂任务。它正在从自动驾驶、机器人集群到大型语言模型协同工具等领域崭露头角。

智能体调度是指在大模型时代，如何动态分配任务、协调多个AI智能体（如Agent、Copilot）协同完成复杂工作流的技术方案，是AI自动化与编排的关键。

工作流编排是将多个独立任务或服务按依赖关系自动组合执行的技术，广泛应用于数据处理、CI/CD、云资源管理及AI应用链，通过有向无环图(DAG)实现高效调度与容错。

模型编排是指将多个AI模型、数据处理组件按逻辑顺序组合，形成自动化工作流的技术。它解决了单一模型无法应对复杂场景的问题，广泛应用于智能客服、多模态分析、自动化决策等场景。

数据编排是一种自动化管理和协调多个数据源、处理任务的技术，通过声明式或可视化方式定义数据工作流，实现数据采集、清洗、转换、分析等环节的高效调度与资源优化，广泛应用于大数据、云计算和AI流水线。

特征商店（Feature Store）是一个集中管理、共享和复用机器学习特征的系统，帮助团队避免重复造轮子，确保训练和推理时的特征计算逻辑一致。它是MLOps体系中的关键组件。

特征平台是统一管理机器学习特征的系统，解决特征重复开发、一致性问题，提升模型迭代效率。

在线学习系统是以互联网为载体的教育技术平台，整合课程管理、学习追踪与互动工具，支撑正规教育、企业培训及个人自学的数字化场景。