# AI 技术全景图 2026
## Canonical Registry v1.2

> **Authority:** 本文件与 JSON Registry 是 Master v1.2 的 identity authority；章节正文是 Projection。

# 0. Registry Summary

- Concepts: **526**
- ObjectTypes: **41**
- Domain Registry: **206**
- Relations: **80**
- Integrated chapter cards: **595**

关键规则：

```text
one identity
+ multiple Relation@Domain roles
+ ObjectType for instantiable things
+ CDC/Evidence for time-varying claims
```

---

# 1. Concept Registry

## `/ai/concept/3d-perception`

- **Label:** 3D 感知
- **English:** 3D Perception
- **Canonical Domain:** `/ai/domain/physical/perception`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

从深度相机、LiDAR、双目视觉、多视角图像或其他传感器估计对象与环境三维几何结构的能力。

## `/ai/concept/3d-scene-representation`

- **Label:** 3D Scene Representation
- **English:** 3D Scene Representation
- **Canonical Domain:** `/ai/domain/physical/environment-representation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

表达环境三维几何、对象位置、表面和空间关系的场景表示。

## `/ai/concept/accelerator-partitioning-virtualization`

- **Label:** 加速器切分与虚拟化
- **English:** Accelerator Partitioning and Virtualization
- **Canonical Domain:** `/ai/domain/infrastructure/cluster`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

把物理 AI 加速器划分、共享或虚拟化为多个逻辑计算资源，以提高利用率、隔离性和多租户能力。

## `/ai/concept/accessibility-ui-automation-interface`

- **Label:** Accessibility / UI Automation Interface
- **English:** Accessibility and UI Automation Interface
- **Canonical Domain:** `/ai/domain/execution/gui`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

通过操作系统 Accessibility Tree、UI Automation API 或应用可访问性结构读取和操作界面控件的执行接口。

## `/ai/concept/action-execution-lifecycle`

- **Label:** Action Execution Lifecycle
- **English:** Action Execution Lifecycle
- **Canonical Domain:** `/ai/domain/execution/tool-runtime`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

描述一个外部动作从准备、提交、运行到成功、失败、取消或超时的执行状态生命周期。

## `/ai/concept/action-world-model-family`

- **Label:** GUI、行动与世界模型
- **English:** GUI, Action and World Model Family
- **Canonical Domain:** `/ai/domain/model/action-world`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

把感知结果映射为环境中的候选行动，或学习环境状态变化与行动后果的模型技术族。

## `/ai/concept/adaptive-scientific-measurement`

- **Label:** 自适应科学测量
- **English:** Adaptive Scientific Measurement
- **Canonical Domain:** `/ai/domain/ai4s/experiment-design`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

根据已经获得的实验数据实时决定下一次测量位置、分辨率、仪器参数或采样条件的闭环测量方法。

## `/ai/concept/agent-as-tool`

- **Label:** Agent-as-Tool
- **English:** Agent-as-Tool
- **Canonical Domain:** `/ai/domain/agent/multi-agent`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

把一个 specialist Agent 作为上层 Agent 可调用的工具，使父 Agent 保留整体任务所有权并仅消费子 Agent 结果的组合模式。

## `/ai/concept/agent-capability-modality-negotiation`

- **Label:** Capability / Modality Negotiation
- **English:** Capability and Modality Negotiation
- **Canonical Domain:** `/ai/domain/connectivity/agent-to-agent`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

交互双方在任务开始或执行过程中确定对方可处理的能力、数据类型和交互模式的协议机制。

## `/ai/concept/agent-critic-reflection`

- **Label:** Critic / Reflection / Self-check
- **English:** Agent Critic, Reflection and Self-check
- **Canonical Domain:** `/ai/domain/agent/planning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

Agent 在行动前后对计划、候选输出、工具结果或任务进展进行再次检查，并据此修改下一步行为的控制机制。

## `/ai/concept/agent-discovery-capability-card`

- **Label:** Agent Discovery / Capability Card
- **English:** Agent Discovery and Capability Card
- **Canonical Domain:** `/ai/domain/connectivity/agent-to-agent`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

让外部 Agent / Client 能够发现某 Agent 身份、Endpoint、能力、支持内容类型和交互方式的机器可读声明。

## `/ai/concept/agent-durable-execution-checkpoint`

- **Label:** Agent Durable Execution / Checkpoint
- **English:** Agent Durable Execution and Checkpointing
- **Canonical Domain:** `/ai/domain/agent/runtime`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

把 Agent 的执行状态持久化，使长任务能够在失败、人工审批、等待外部事件或进程重启后从确定位置继续执行。

## `/ai/concept/agent-episodic-memory`

- **Label:** Agent Episodic Memory
- **English:** Agent Episodic Memory
- **Canonical Domain:** `/ai/domain/agent/memory`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

记录过去发生过的任务、交互、行动、结果和事件序列的 Agent Memory。

## `/ai/concept/agent-fleet-operations`

- **Label:** Agent 集群运营
- **English:** Agent Fleet Operations
- **Aliases:** Agent Fleet Management；AI Agent Fleet Management；智能体舰队运营；多智能体生产运营
- **Canonical Domain:** `/ai/domain/engineering/agent-operations`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-10

对大量长期或事件驱动运行的 AI Agent 进行任务调度、版本与部署管理、环境隔离、资源和成本配额、健康监测、失败恢复以及权限审计的工程运营能力。主要管理 Agent 群体的生产生命周期，不等于多智能体系统内部的协商与任务协作机制。

**Boundary:** Multi-Agent System 关注任务协同结构；Workflow Orchestration 关注任务流程；Agent Fleet Operations 关注大量 Agent 作为生产资源的运行状态、版本、隔离、成本与治理。

**Related canonical identities (not aliases):** `/ai/concept/multi-agent-system`, `/ai/concept/agent-workflow-orchestration`, `/ai/concept/ai-agent-tracing`

## `/ai/concept/agent-governance-action-control`

- **Label:** Agent Governance / Action Control
- **English:** Agent Governance / Action Control
- **Canonical Domain:** `/ai/domain/governance/agent`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-11

针对能够规划、调用工具和产生真实副作用的 AI Agent，建立身份、权限、行为边界、资源限制、批准和停止机制。

## `/ai/concept/agent-handoff`

- **Label:** Agent Handoff
- **English:** Agent Handoff
- **Canonical Domain:** `/ai/domain/agent/multi-agent`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

当前 Agent 把任务控制权、必要上下文和责任转交给另一个 Agent，使后者成为后续流程主要执行者的协作机制。

## `/ai/concept/agent-harness-code-modification`

- **Label:** Harness / Code Modification
- **English:** Agent Harness / Code Modification
- **Canonical Domain:** `/ai/domain/ai4ai/agent-self-improvement`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

Agent 自动修改自身运行框架、工具实现、Context 管理和控制代码，并将新版本作为候选系统进行评测。

## `/ai/concept/agent-harness-self-improvement`

- **Label:** Agent / Harness Self-Improvement
- **English:** Agent / Harness Self-Improvement
- **Canonical Domain:** `/ai/domain/ai4ai/agent-self-improvement`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

Agent 根据历史运行、Benchmark 和自动实验结果修改自己的 Instructions、Tools、Skills、Memory Strategy、Context Strategy、Workflow 或 Harness Code，并验证修改是否提高能力。

## `/ai/concept/agent-learning-experience-adaptation`

- **Label:** Agent Learning / Experience-driven Adaptation
- **English:** Agent Learning and Experience-driven Adaptation
- **Canonical Domain:** `/ai/domain/agent/experience-learning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

利用 Agent 执行轨迹、反馈和评测结果更新记忆、技能、工具选择、流程策略或失败恢复方式，使 Agent 系统在不必修改基础模型权重的情况下改善未来行为。

## `/ai/concept/agent-long-horizon-evaluation`

- **Label:** Agent Engineering / Long-horizon Evaluation
- **English:** Agent Engineering / Long-horizon Evaluation
- **Canonical Domain:** `/ai/domain/engineering/agent-evaluation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-10

针对 Agent 多步规划、工具执行、状态保持、错误恢复和长期任务完成能力设计的专项评测与工程体系。

## `/ai/concept/agent-loop`

- **Label:** Agent Loop
- **English:** Agent Loop
- **Canonical Domain:** `/ai/domain/agent/runtime`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

在一次 Agent Run 中反复执行“准备上下文 → 调用模型 → 检查输出 → 执行工具或委派 → 将结果返回模型”的控制循环，直到到达终止状态。

## `/ai/concept/agent-memory`

- **Label:** Agent Memory
- **English:** Agent Memory
- **Canonical Domain:** `/ai/domain/agent/memory`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

使 Agent 能够跨步骤、跨运行或跨会话保存、检索和利用任务状态、历史经历、稳定事实或程序性经验的机制集合。

## `/ai/concept/agent-memory-consolidation-retrieval`

- **Label:** Memory Consolidation / Retrieval
- **English:** Agent Memory Consolidation and Retrieval
- **Canonical Domain:** `/ai/domain/agent/memory`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

从历史交互与执行轨迹中选择值得长期保存的信息，并在未来任务中根据相关性、时间、实体或策略条件重新取回的 Memory 管理过程。

## `/ai/concept/agent-message-artifact-exchange`

- **Label:** Agent Message / Artifact Exchange
- **English:** Agent Message and Artifact Exchange
- **Canonical Domain:** `/ai/domain/connectivity/agent-to-agent`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

在独立 Agent 系统之间交换文本、结构化数据、文件和任务产物的协议表示与传输机制。

## `/ai/concept/agent-persistent-memory`

- **Label:** Agent Persistent Memory
- **English:** Agent Persistent Memory
- **Canonical Domain:** `/ai/domain/agent/memory`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

在单次 Run 或当前 Thread 结束后仍然保留，并能够在未来任务中重新检索使用的 Agent Memory。

## `/ai/concept/agent-planning-control-policy`

- **Label:** Agent Planning / Control Policy
- **English:** Agent Planning and Control Policy
- **Canonical Domain:** `/ai/domain/agent/planning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

决定 Agent 如何把目标分解成步骤、选择下一动作、监控进展、发现失败并调整计划的控制策略集合。

## `/ai/concept/agent-procedural-memory`

- **Label:** Agent Procedural Memory
- **English:** Agent Procedural Memory
- **Canonical Domain:** `/ai/domain/agent/memory`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

保存“如何完成某类任务”的步骤、技能、策略、规则和操作惯例的 Agent Memory。

## `/ai/concept/agent-prompt-policy-refinement`

- **Label:** Agent Prompt / Policy Refinement
- **English:** Agent Prompt / Policy Refinement
- **Canonical Domain:** `/ai/domain/ai4ai/agent-self-improvement`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

根据 Agent 任务结果自动修改 instructions、system policy 或 decision heuristic，并通过回归评测选择更优版本。

## `/ai/concept/agent-runtime-harness`

- **Label:** Agent Runtime / Harness
- **English:** Agent Runtime / Harness
- **Canonical Domain:** `/ai/domain/agent/runtime`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

承载 Agent 循环、状态、工具调用、上下文、权限接入、恢复、执行环境和生命周期管理的运行时与系统脚手架。

## `/ai/concept/agent-sandbox-workspace`

- **Label:** Agent 沙盒与工作空间
- **English:** Agent Sandbox and Workspace
- **Canonical Domain:** `/ai/domain/agent/runtime`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

为 Agent 提供受隔离的文件系统、代码执行、Shell、浏览器或软件环境，使 Agent 可以操作真实工作对象而不直接获得宿主系统无限权限。

## `/ai/concept/agent-semantic-memory`

- **Label:** Agent Semantic Memory
- **English:** Agent Semantic Memory
- **Canonical Domain:** `/ai/domain/agent/memory`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

保存相对稳定的事实、概念、偏好、实体属性和组织知识的 Agent Memory。

## `/ai/concept/agent-skill`

- **Label:** Agent Skill
- **English:** Agent Skill
- **Canonical Domain:** `/ai/domain/agent/skills`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

为 Agent 提供某一可复用任务的目标、触发条件、步骤、输出要求和辅助资源的模块化能力定义。

## `/ai/concept/agent-skill-acquisition-refinement`

- **Label:** Skill Acquisition / Refinement
- **English:** Agent Skill Acquisition and Refinement
- **Canonical Domain:** `/ai/domain/agent/experience-learning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

从成功任务、人工反馈或失败恢复中形成新的可复用 Skill，或迭代修改已有 Skill instructions、scripts 与 workflow。

## `/ai/concept/agent-skill-improvement`

- **Label:** Agent Skill Improvement
- **English:** Agent Skill Improvement
- **Canonical Domain:** `/ai/domain/ai4ai/agent-self-improvement`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

根据真实任务轨迹与评测结果修改 Skill instructions、scripts、examples 和 workflow 结构。

## `/ai/concept/agent-skills-reusable-capabilities`

- **Label:** Agent Skills / Reusable Capabilities
- **English:** Agent Skills and Reusable Capabilities
- **Canonical Domain:** `/ai/domain/agent/skills`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

把完成特定任务所需的可复用 instructions、references、scripts、templates 和 workflow knowledge 打包成可发现、可版本化、可加载的 Agent 能力单元。

## `/ai/concept/agent-state-session`

- **Label:** Agent 状态与会话
- **English:** Agent State and Session
- **Canonical Domain:** `/ai/domain/agent/runtime`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

在 Agent 执行过程中保存任务进度、消息、变量、工具结果、当前控制位置和可恢复引用的运行状态。

## `/ai/concept/agent-task-decomposition`

- **Label:** 任务分解
- **English:** Agent Task Decomposition
- **Canonical Domain:** `/ai/domain/agent/planning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

把复杂目标拆分成多个具有顺序、依赖或并行关系的较小任务单元，以便逐步执行、验证和恢复。

## `/ai/concept/agent-task-lifecycle`

- **Label:** Agent Task Lifecycle
- **English:** Agent Task Lifecycle
- **Canonical Domain:** `/ai/domain/connectivity/agent-to-agent`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

描述跨 Agent 委派任务从创建、进行、等待输入到完成、失败或取消的协议级状态管理。

## `/ai/concept/agent-to-agent-communication`

- **Label:** Agent-to-Agent Communication
- **English:** Agent-to-Agent Communication
- **Canonical Domain:** `/ai/domain/connectivity/agent-to-agent`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

使彼此独立、可能采用不同框架、模型与内部实现的 Agent 系统能够发现能力、交换消息、委托任务和返回结果的互操作通信机制。

## `/ai/concept/agent-tool-selection-routing`

- **Label:** Tool Selection / Tool Routing
- **English:** Agent Tool Selection and Routing
- **Canonical Domain:** `/ai/domain/agent/tool-use`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

根据任务语义、工具描述、成本、权限和当前状态，在多个候选工具中选择下一步调用目标的 Agent 决策过程。

## `/ai/concept/agent-tool-use-function-calling`

- **Label:** Tool Use / Function Calling
- **English:** Agent Tool Use and Function Calling
- **Canonical Domain:** `/ai/domain/agent/tool-use`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

Agent 根据任务目标选择可用工具、生成结构化调用参数、接收工具结果并将结果纳入后续推理的系统能力。

## `/ai/concept/agent-workflow-orchestration`

- **Label:** Workflow Orchestration
- **English:** Workflow Orchestration
- **Canonical Domain:** `/ai/domain/agent/workflow`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

把多个确定性步骤、模型调用、工具调用、审批、分支和 Agent 决策组织成可执行、可恢复的任务流程。

## `/ai/concept/agent-working-memory`

- **Label:** Agent Working Memory
- **English:** Agent Working Memory
- **Canonical Domain:** `/ai/domain/agent/memory`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

在当前任务或短期运行范围内保存中间状态、变量、计划、临时事实和未完成工作的短期 Agent Memory。

## `/ai/concept/agentic-commerce`

- **Label:** 智能体商业交易
- **English:** Agentic Commerce
- **Aliases:** Agent Commerce；AI Agent Commerce；智能体电商；代理式商业交易
- **Canonical Domain:** `/ai/domain/application/agentic-commerce`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-06

AI Agent 在人或机构的授权与约束下参与商品或服务的发现、比较、确认、下单、支付发起及售后流程的商业应用系统形态。具体实现可以仅辅助决策，也可以执行部分可审计的交易动作；支付资格、额度与确认仍由相应身份、授权与支付系统控制。

**Boundary:** 不是推荐算法或普通电商平台的同义词，不等于 Personal Agent；Agentic Commerce 是交易流程应用形态，支付执行属于连接执行能力，委托授权和支付治理属于治理能力。

**Related canonical identities (not aliases):** `/ai/concept/personal-agent`, `/ai/concept/workflow-agent-process-automation`, `/ai/concept/ai-identity-access-authorization`

## `/ai/concept/agentic-rag`

- **Label:** Agentic RAG
- **English:** Agentic RAG
- **Canonical Domain:** `/ai/domain/agent/agentic-research`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

把检索变成 Agent 可以反复选择和调整的工具，使“检索 → 判断 → 改写 → 再检索 → 生成”形成动态闭环的 RAG 模式。

## `/ai/concept/agentic-retrieval-research`

- **Label:** Agentic Retrieval / Research
- **English:** Agentic Retrieval and Research
- **Canonical Domain:** `/ai/domain/agent/agentic-research`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

Agent 根据当前信息缺口自主决定是否检索、检索什么、如何改写查询、比较来源、继续搜索并最终综合证据的知识获取循环。

## `/ai/concept/agentic-workflow`

- **Label:** Agentic Workflow
- **English:** Agentic Workflow
- **Canonical Domain:** `/ai/domain/agent/workflow`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

在显式工作流框架中，把部分步骤的工具选择、路径选择或子任务处理交给 Agent 动态决策的混合编排模式。

## `/ai/concept/ai-accelerator`

- **Label:** AI 加速器
- **English:** AI Accelerator
- **Canonical Domain:** `/ai/domain/infrastructure/compute`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

专门用于加速机器学习、深度学习和生成式 AI 训练或推理工作负载的计算硬件类别，其核心目标是提高矩阵、张量或其他 AI 关键运算的吞吐、能效和并行能力。

## `/ai/concept/ai-accountability-responsibility`

- **Label:** AI Accountability / Responsibility
- **English:** AI Accountability / Roles / Responsibility
- **Canonical Domain:** `/ai/domain/governance/accountability`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-11

明确 AI 系统生命周期中谁拥有、谁操作、谁批准、谁监督、谁承担风险和谁对最终结果负责的治理体系。

## `/ai/concept/ai-agent-tracing`

- **Label:** AI / Agent Tracing
- **English:** AI / Agent Tracing
- **Canonical Domain:** `/ai/domain/engineering/tracing`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-10

记录一个模型 / Agent 请求中模型调用、检索、工具、工作流、状态转移和外部系统调用的完整因果执行链。

## `/ai/concept/ai-asic`

- **Label:** AI 专用 ASIC
- **English:** AI ASIC
- **Canonical Domain:** `/ai/domain/infrastructure/compute`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

针对特定 AI 训练、推理或张量计算模式进行专门硬件设计，以牺牲部分通用性换取更高性能功耗比、成本效率或部署密度的专用集成电路。

## `/ai/concept/ai-candidate-lineage`

- **Label:** AI Candidate Lineage
- **English:** AI Candidate Lineage
- **Canonical Domain:** `/ai/domain/ai4ai/knowledge-loop`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

记录一个模型、算法、Agent 或系统候选从哪些父版本、代码修改和实验决策演化而来。

## `/ai/concept/ai-case-management`

- **Label:** AI Case Management
- **English:** AI Case Management
- **Canonical Domain:** `/ai/domain/application/case-management`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-06

围绕一个持续存在的 Case 对象组织证据、时间线、负责人、任务、决策、审批和升级，并由 AI 辅助理解与推进处理过程的应用形态。

## `/ai/concept/ai-change-comparison`

- **Label:** AI Change Comparison
- **English:** AI Change Comparison
- **Canonical Domain:** `/ai/domain/engineering/experiment`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-10

对两个系统版本在相同数据、环境和评测条件下进行指标和失败案例比较。

## `/ai/concept/ai-cicd-release-engineering`

- **Label:** AI CI/CD / Release Engineering
- **English:** AI CI/CD / Release Engineering
- **Canonical Domain:** `/ai/domain/engineering/release`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-10

把 AI 系统版本从开发、评测、批准、灰度到生产发布和回滚组织成可重复流水线的工程体系。

## `/ai/concept/ai-compiler-stack`

- **Label:** AI 编译器栈
- **English:** AI Compiler Stack
- **Canonical Domain:** `/ai/domain/infrastructure/runtime`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

把模型或张量计算图转换、融合、优化并映射到具体硬件执行形式的编译系统。

## `/ai/concept/ai-data-center-power-cooling`

- **Label:** AI 数据中心供电与冷却
- **English:** AI Data Center Power and Cooling
- **Canonical Domain:** `/ai/domain/infrastructure/cluster`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

为高密度 AI 计算设备提供电力接入、配电、备用电源、热管理和冷却能力的物理基础设施。

## `/ai/concept/ai-deployment-topology`

- **Label:** AI 部署拓扑
- **English:** AI Deployment Topology
- **Canonical Domain:** `/ai/domain/infrastructure/deployment-topology`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

_Definition is carried by the corresponding Projection card._

## `/ai/concept/ai-experiment-agent`

- **Label:** AI Experiment Agent
- **English:** AI Experiment Agent
- **Canonical Domain:** `/ai/domain/ai4ai/research-agent`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

负责把 AI 研究假设转换为可执行实验配置、运行训练或评测、读取结果并提出下一轮实验的 Agent。

## `/ai/concept/ai-experiment-change-management`

- **Label:** Experiment / Change Management
- **English:** AI Experiment / Change Management
- **Canonical Domain:** `/ai/domain/engineering/experiment`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-10

记录并比较模型、数据、Prompt、Agent、Tool、Router、Runtime 和系统配置变化对行为、质量、性能和成本的影响。

## `/ai/concept/ai-experiment-evidence`

- **Label:** AI Experiment Evidence
- **English:** AI Experiment Evidence
- **Canonical Domain:** `/ai/domain/ai4ai/knowledge-loop`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

用于支持或反驳一个 AI 研发假设的训练、评测、Benchmark 和资源结果。

## `/ai/concept/ai-experiment-specification`

- **Label:** AI Experiment Specification
- **English:** AI Experiment Specification
- **Canonical Domain:** `/ai/domain/ai4ai/automated-experiment`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

机器可执行地描述模型、代码版本、数据、训练配置、随机种子、硬件、评测方法和目标指标的一次 AI 实验方案。

## `/ai/concept/ai-factory-cluster-infrastructure`

- **Label:** AI Factory / 集群级基础设施
- **English:** AI Factory / Cluster Infrastructure
- **Canonical Domain:** `/ai/domain/infrastructure/cluster`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

把大量计算、网络、存储、调度、供电与冷却资源组织成可持续运行的 AI 训练与推理系统的集群级基础设施。

## `/ai/concept/ai-finops-unit-economics`

- **Label:** AI FinOps / Unit Economics
- **English:** AI FinOps / Unit Economics
- **Canonical Domain:** `/ai/domain/engineering/finops`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-10

测量和优化 AI 模型、Agent、训练、推理和基础设施的单位经济性，使成本成为可观察、可比较和可控制的系统指标。

## `/ai/concept/ai-gateway`

- **Label:** AI Gateway
- **English:** AI Gateway
- **Canonical Domain:** `/ai/domain/infrastructure/gateway`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

位于 AI 应用与多个模型 Provider / Serving Backend 之间，提供统一 API、认证、流量控制、日志、费用归集、Fallback 和策略执行的共享接入层。

## `/ai/concept/ai-identity-access-authorization`

- **Label:** Identity / Access / Authorization
- **English:** AI Identity / Access / Authorization
- **Canonical Domain:** `/ai/domain/governance/access-authorization`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-11

建立人、Agent、Service、Tool 和系统身份，并控制它们可以读取什么、调用什么和执行什么动作的治理体系。

## `/ai/concept/ai-incident-failure-recovery`

- **Label:** AI Incident / Failure / Recovery
- **English:** AI Incident / Failure / Recovery
- **Canonical Domain:** `/ai/domain/engineering/incident`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-10

识别、分级、定位和恢复 AI 生产系统中质量、可靠性、性能、成本或行为异常，并把经验转化为未来回归测试的工程闭环。

## `/ai/concept/ai-inference-system-optimization`

- **Label:** AI-driven Inference System Optimization
- **English:** AI-driven Inference System Optimization
- **Canonical Domain:** `/ai/domain/ai4ai/systems-co-design`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

自动优化 batching、cache、scheduling、routing、parallelism 和执行策略，提高 AI 推理吞吐、延迟和资源效率。

## `/ai/concept/ai-inventory-classification`

- **Label:** AI 资产清单与分类
- **English:** AI Inventory / Classification
- **Canonical Domain:** `/ai/domain/governance/inventory-classification`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-11

持续登记组织拥有、采购、部署和使用的 AI System / Model / Agent / Application，并根据用途、影响和风险进行分类。

## `/ai/concept/ai-kernel-compiler-optimization`

- **Label:** AI-driven Kernel / Compiler Optimization
- **English:** AI-driven Kernel / Compiler Optimization
- **Canonical Domain:** `/ai/domain/ai4ai/systems-co-design`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

使用 AI 搜索、生成和验证更高性能 Kernel、计算图和编译策略。

## `/ai/concept/ai-kernel-compiler-runtime`

- **Label:** AI Kernel / Compiler / Runtime
- **English:** AI Kernel, Compiler and Runtime
- **Canonical Domain:** `/ai/domain/infrastructure/runtime`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

把模型中的高层计算图和张量运算转换为可在具体硬件上高效执行的算子、编译结果与运行时行为的软件栈。

## `/ai/concept/ai-kernel-operator`

- **Label:** AI Kernel / Operator
- **English:** AI Kernel / Operator
- **Canonical Domain:** `/ai/domain/infrastructure/runtime`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

实现矩阵乘法、Attention、Normalization、Activation、MoE 等核心模型计算的底层高性能硬件执行单元或软件算子。

## `/ai/concept/ai-literature-prior-work-agent`

- **Label:** AI 文献 / Prior-work Agent
- **English:** AI Literature / Prior-work Agent
- **Canonical Domain:** `/ai/domain/ai4ai/research-agent`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

针对机器学习、模型、Agent 和系统研究自动检索相关论文、代码、实验和历史结果，并识别可复用方法与研究缺口的 Research Agent。

## `/ai/concept/ai-memory-interconnect-data-movement`

- **Label:** AI 内存、互联与数据移动
- **English:** AI Memory, Interconnect and Data Movement
- **Canonical Domain:** `/ai/domain/infrastructure/memory-interconnect`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

负责 AI 计算节点内部以及多个计算节点之间的数据存储、移动、同步和通信的硬件与系统技术族。

## `/ai/concept/ai-observability-telemetry`

- **Label:** AI Observability / Telemetry
- **English:** AI Observability / Telemetry
- **Canonical Domain:** `/ai/domain/engineering/observability`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-10

通过 Logs、Metrics、Traces、Profiles 和语义化属性观察 AI 系统内部执行、性能和质量状态的工程体系。

## `/ai/concept/ai-rd-failure-knowledge`

- **Label:** AI R&D Failure Knowledge
- **English:** AI R&D Failure Knowledge
- **Canonical Domain:** `/ai/domain/ai4ai/knowledge-loop`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

把失败实验、退化、资源浪费、不可复现和安全问题作为可检索研发知识保存，而不是只保存“最佳模型”。

## `/ai/concept/ai-rd-knowledge-loop`

- **Label:** AI R&D Knowledge Loop
- **English:** AI R&D Knowledge Loop
- **Canonical Domain:** `/ai/domain/ai4ai/knowledge-loop`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

把 AI 实验、候选系统、评测、失败、代码变更和研究结论组织成可复用的研发知识，使未来 AI Research Agent 能基于历史证据持续改进搜索。

## `/ai/concept/ai-reliability-resilience`

- **Label:** AI Reliability / Resilience
- **English:** AI Reliability / Resilience
- **Canonical Domain:** `/ai/domain/engineering/reliability`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-10

在模型、网络、Tool、Provider、Data 和外部系统可能失败的情况下，使 AI 系统保持可预测服务质量并能够降级、恢复的工程能力。

## `/ai/concept/ai-research-agent`

- **Label:** AI 研究智能体
- **English:** AI Research Agent
- **Canonical Domain:** `/ai/domain/ai4ai/research-agent`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

以改进 AI 模型、算法、训练方法、Agent 或系统为目标，能够执行文献检索、假设生成、代码实现、实验运行、结果分析和研究报告的 Agent 系统。

## `/ai/concept/ai-research-coding-agent`

- **Label:** AI Research Coding Agent
- **English:** AI Research Coding Agent
- **Canonical Domain:** `/ai/domain/ai4ai/research-agent`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

针对 AI 研究代码库执行模型实现、算法修改、实验脚本、评测器和基础设施代码开发的专业 Coding Agent。

## `/ai/concept/ai-research-memory-archive`

- **Label:** AI Research Memory / Archive
- **English:** AI Research Memory / Archive
- **Canonical Domain:** `/ai/domain/ai4ai/knowledge-loop`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

供 AI Research Agent 查询过去假设、实验、代码、Benchmark 和候选谱系的长期研究记忆系统。

## `/ai/concept/ai-risk-management`

- **Label:** AI Risk Management
- **English:** AI Risk Management
- **Canonical Domain:** `/ai/domain/governance/risk`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-11

识别、分析、处置、接受和持续重新评估 AI 系统风险的生命周期管理体系。

## `/ai/concept/ai-search-knowledge-assistant`

- **Label:** AI Search / Knowledge Assistant
- **English:** AI Search / Knowledge Assistant
- **Canonical Domain:** `/ai/domain/application/knowledge`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-06

围绕企业、专业或公共知识源执行语义检索、来源导航、问答、研究和证据综合的 AI 应用系统。

## `/ai/concept/ai-security`

- **Label:** AI Security
- **English:** AI Security
- **Canonical Domain:** `/ai/domain/governance/security`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-11

保护 AI 模型、数据、Agent、工具链、运行时和用户免受恶意输入、篡改、权限滥用、模型窃取、供应链攻击和自主行为放大的安全体系。

## `/ai/concept/ai-self-modification`

- **Label:** AI Self-modification
- **English:** AI Self-modification
- **Canonical Domain:** `/ai/domain/ai4ai/recursive-self-improvement`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

AI 系统修改自己的代码、策略、工具、配置、模型或运行结构，并产生可运行的新系统版本。

## `/ai/concept/ai-software-factory`

- **Label:** AI 软件工厂
- **English:** AI Software Factory
- **Aliases:** Agentic Software Factory；Agent-driven Software Factory；智能体软件工厂；AI Software Production System
- **Canonical Domain:** `/ai/domain/engineering/software-factory`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-10

将软件需求、Issue、反馈和运行信号转化为可重复的软件交付工作流，通过 Coding Agent、任务调度、隔离环境、自动化测试、质量审核、发布门禁及运营反馈，形成端到端、可治理的软件生产系统。自主级别依赖权限和发布门禁，不默认无人审核或自动上线。

**Boundary:** 不是 AI Factory 算力集群，不是单个 Coding Agent，也不是 CI/CD 的同义词。它是组合开发、验证、交付与反馈闭环的系统；可以采用 SDD，但并非所有软件工厂都必须采用 SDD。

**Related canonical identities (not aliases):** `/ai/concept/coding-agent`, `/ai/concept/agent-runtime-harness`, `/ai/concept/ai-cicd-release-engineering`, `/ai/concept/specification-driven-development`

## `/ai/concept/ai-systems-codesign`

- **Label:** AI Systems Co-design
- **English:** AI Systems Co-design
- **Canonical Domain:** `/ai/domain/ai4ai/systems-co-design`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

使用 AI 自动优化模型实现、Kernel、Compiler、训练系统、推理系统和硬件映射，使 AI 模型与运行系统共同改进。

## `/ai/concept/ai-testing-regression-engineering`

- **Label:** AI Testing / Regression Engineering
- **English:** AI Testing / Regression Engineering
- **Canonical Domain:** `/ai/domain/engineering/testing`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-10

通过可重复测试和历史失败回归，验证 AI 系统在代码、模型、数据、Prompt、Agent 或依赖变化后是否仍满足预期行为。

## `/ai/concept/ai-training-data-selection-filtering`

- **Label:** AI Training Data Selection / Filtering
- **English:** AI Training Data Selection / Filtering
- **Canonical Domain:** `/ai/domain/ai4ai/data-experience`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

根据质量、难度、信息价值、模型误差或安全标准自动选择最有训练价值的数据子集。

## `/ai/concept/ai-training-system-optimization`

- **Label:** AI-driven Training System Optimization
- **English:** AI-driven Training System Optimization
- **Canonical Domain:** `/ai/domain/ai4ai/systems-co-design`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

自动改进分布式训练、通信、调度和资源配置，使训练过程更快、更稳定或更低成本。

## `/ai/concept/ai4ai-self-modification-governance`

- **Label:** AI4AI / Self-modification Governance
- **English:** AI4AI / Self-modification Governance
- **Canonical Domain:** `/ai/domain/governance/ai4ai`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-11

针对 AI 自动修改 Model、Agent、Evaluator、Harness、Tool、Policy 或研发流程的行为建立不可自行绕过的边界、独立评估与晋升授权。

## `/ai/concept/annotation-label-ground-truth`

- **Label:** 标注、标签与参考真值
- **English:** Annotation / Label / Ground Truth
- **Canonical Domain:** `/ai/domain/data/annotation-labeling`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-09

_Definition is carried by the corresponding Projection card._

## `/ai/concept/anomaly-defect-perception`

- **Label:** 异常 / 缺陷感知
- **English:** Anomaly and Defect Perception
- **Canonical Domain:** `/ai/domain/physical/perception`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

从视觉或其他感知信号中发现偏离正常结构、外观或模式的异常区域、缺陷或事件的能力。

## `/ai/concept/architecture-algorithm-search`

- **Label:** 架构与算法搜索
- **English:** Architecture / Algorithm Search
- **Canonical Domain:** `/ai/domain/ai4ai/architecture-algorithm-search`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

通过搜索、进化、生成式模型或强化学习自动提出、评估和改进神经网络架构、学习算法、程序和优化目标。

## `/ai/concept/audit-traceability-accountability-evidence`

- **Label:** 审计、追溯与责任证据
- **English:** Audit / Traceability / Accountability Evidence
- **Canonical Domain:** `/ai/domain/governance/audit-traceability`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-11

保留足够的系统、数据、模型、工具、权限、审批和人类决定证据，使关键 AI 行为能够被重建、解释和审计。

## `/ai/concept/automated-ai-experimentation`

- **Label:** 自动化 AI 实验
- **English:** Automated AI Experimentation
- **Canonical Domain:** `/ai/domain/ai4ai/automated-experiment`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

由 AI 系统自动创建实验候选、配置运行、采集指标、比较结果并决定下一批实验的 AI 研发闭环。

## `/ai/concept/automated-ai-run-sweep`

- **Label:** Automated Run / Sweep
- **English:** Automated AI Run / Sweep
- **Canonical Domain:** `/ai/domain/ai4ai/automated-experiment`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

根据搜索策略自动启动多个训练、推理或评测运行并收集结果的实验执行机制。

## `/ai/concept/automated-ai-scientist`

- **Label:** Automated AI Scientist
- **English:** Automated AI Scientist
- **Canonical Domain:** `/ai/domain/ai4ai/research-agent`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

能够较完整地自动执行 AI 研究生命周期，包括提出研究问题、实现方法、运行实验、分析结果、评估新颖性并输出研究结论的系统。

## `/ai/concept/automated-curriculum-generation`

- **Label:** 自动课程生成
- **English:** Automated Curriculum Generation
- **Canonical Domain:** `/ai/domain/ai4ai/data-experience`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

根据模型当前能力自动生成或选择由易到难、针对薄弱能力的训练任务序列。

## `/ai/concept/automated-experiment-analysis`

- **Label:** Automated Experiment Analysis
- **English:** Automated Experiment Analysis
- **Canonical Domain:** `/ai/domain/ai4ai/automated-experiment`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

自动比较实验指标、误差类型、训练曲线、资源消耗和失败日志，并判断候选改动是否产生可信提升。

## `/ai/concept/automated-next-experiment-selection`

- **Label:** Next Experiment Selection
- **English:** Automated Next Experiment Selection
- **Canonical Domain:** `/ai/domain/ai4ai/automated-experiment`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

根据历史实验结果和研究目标决定下一步最值得运行的模型、算法或参数实验。

## `/ai/concept/automated-posttraining`

- **Label:** Automated Post-training
- **English:** Automated Post-training
- **Canonical Domain:** `/ai/domain/ai4ai/training-optimization`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

自动选择或生成 SFT、Preference Optimization、RL、Verifier Feedback 等后训练数据和方法组合，并根据评测结果迭代。

## `/ai/concept/automatic-speech-recognition`

- **Label:** 自动语音识别
- **English:** Automatic Speech Recognition
- **Canonical Domain:** `/ai/domain/model/speech-audio`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

把语音信号转换为文本或结构化语言表示的模型能力。

## `/ai/concept/automl-learning-algorithm-search`

- **Label:** AutoML / Learning Algorithm Search
- **English:** AutoML / Learning Algorithm Search
- **Canonical Domain:** `/ai/domain/ai4ai/architecture-algorithm-search`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

自动搜索模型结构、训练方法、特征、优化策略或完整学习算法，使机器参与机器学习方法本身的设计。

## `/ai/concept/autonomous-lab`

- **Label:** 自主实验室
- **English:** Autonomous Lab / Self-driving Laboratory
- **Canonical Domain:** `/ai/domain/ai4s/autonomous-lab`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

把实验规划、样本制备、仪器控制、测量、结果分析和下一轮实验选择连接成自动或半自动闭环的科研实验系统。

## `/ai/concept/autonomous-physical-system`

- **Label:** 自主物理系统
- **English:** Autonomous Physical System
- **Canonical Domain:** `/ai/domain/physical/autonomy`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

能够持续感知环境、估计状态、规划任务和运动、执行动作并根据反馈调整行为的物理系统。

## `/ai/concept/autonomous-task-system`

- **Label:** 自主任务系统
- **English:** Autonomous Task / Physical System
- **Canonical Domain:** `/ai/domain/application/autonomous-task`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-06

在给定目标、权限和边界内，能够持续规划、执行、观察、恢复并推进数字或物理任务，而不要求人类逐步指挥的应用系统形态。

## `/ai/concept/bandit-online-model-router`

- **Label:** Bandit / Online Model Router
- **English:** Bandit / Online Model Router
- **Canonical Domain:** `/ai/domain/infrastructure/model-routing`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

根据在线反馈持续调整模型选择策略，在模型质量、成本、延迟与探索之间进行动态权衡的路由方式。

## `/ai/concept/bi-analytics-connector`

- **Label:** BI / Analytics Connector
- **English:** BI and Analytics Connector
- **Canonical Domain:** `/ai/domain/connectivity/data-analytics`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

把 Agent 连接到指标、Dashboard、Semantic Model 或分析平台查询接口的集成能力。

## `/ai/concept/browser-agent`

- **Label:** Browser Agent
- **English:** Browser Agent
- **Canonical Domain:** `/ai/domain/agent/specialized-agents`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

在浏览器环境中通过 DOM、browser automation、视觉截图或网页工具完成检索、填表、导航和 Web 应用操作的 Agent。

## `/ai/concept/browser-automation-protocol`

- **Label:** Browser Automation Protocol
- **English:** Browser Automation Protocol
- **Canonical Domain:** `/ai/domain/execution/browser`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

通过浏览器内部或调试控制协议读取页面状态并控制浏览器行为的机器接口。

## `/ai/concept/browser-automation-runtime`

- **Label:** Browser Automation Runtime
- **English:** Browser Automation Runtime
- **Canonical Domain:** `/ai/domain/execution/browser`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

通过浏览器 DOM、选择器、DevTools 协议或浏览器控制接口执行页面导航、点击、表单输入、文件上传和页面状态读取的自动化运行环境。

## `/ai/concept/can-canopen`

- **Label:** CAN / CANopen
- **English:** CAN / CANopen
- **Canonical Domain:** `/ai/domain/physical/field-device-communication`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

以 CAN 总线为基础，在汽车、机器人、机械和嵌入式控制系统中进行低层实时消息交换及设备协议交互的通信体系。

## `/ai/concept/causal-inference`

- **Label:** 因果推断
- **English:** Causal Inference
- **Canonical Domain:** `/ai/domain/model/causal-inference`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

在明确因果假设、实验设计或识别条件的前提下，估计干预对结果的影响、反事实结果以及变量之间因果关系的统计与计算方法体系。

## `/ai/concept/classical-ml-decision-science`

- **Label:** 经典机器学习与决策科学
- **English:** Classical Machine Learning and Decision Science
- **Canonical Domain:** `/ai/domain/model/statistical-ai`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

使用统计学习、概率模型、预测模型、优化与因果推断，对结构化数据、时序、风险、推荐、调度和干预问题进行建模与决策的技术体系。

## `/ai/concept/classical-supervised-unsupervised-ml`

- **Label:** 经典监督与无监督机器学习
- **English:** Classical Supervised and Unsupervised Machine Learning
- **Canonical Domain:** `/ai/domain/model/statistical-ai`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

_Definition is carried by the corresponding Projection card._

## `/ai/concept/classifier-model-router`

- **Label:** 分类器模型路由
- **English:** Classifier Model Router
- **Canonical Domain:** `/ai/domain/infrastructure/model-routing`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

使用任务分类器或轻量模型预测请求类型，再根据类别选择对应模型路径。

## `/ai/concept/closed-loop-scientific-experimentation`

- **Label:** 闭环科学实验
- **English:** Closed-loop Scientific Experimentation
- **Canonical Domain:** `/ai/domain/ai4s/autonomous-lab`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

根据每一轮实验结果自动更新模型和候选选择策略，并决定下一轮实验，使实验过程形成持续反馈闭环。

## `/ai/concept/cloud-ai-maas`

- **Label:** 云 AI / MaaS
- **English:** Cloud AI / Model as a Service
- **Canonical Domain:** `/ai/domain/infrastructure/cloud-maas`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

由云平台托管模型发现、调用、定制、部署和生产运行能力，使用户无需自行建设全部模型基础设施即可消费或管理 AI 模型。

## `/ai/concept/cluster-resource-orchestration`

- **Label:** 集群资源编排
- **English:** Cluster Resource Orchestration
- **Canonical Domain:** `/ai/domain/infrastructure/cluster`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

对计算节点、加速器、网络、内存与作业进行调度、分配、隔离和生命周期管理的集群控制能力。

## `/ai/concept/code-model`

- **Label:** 代码模型
- **English:** Code Model
- **Canonical Domain:** `/ai/domain/model/language-reasoning-code`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

针对程序语言、代码库、软件工程文本和执行反馈进行专门训练或适配，用于生成、理解、修改和分析代码的模型。

## `/ai/concept/coding-agent`

- **Label:** 编码智能体
- **English:** Coding Agent
- **Canonical Domain:** `/ai/domain/agent/specialized-agents`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

围绕代码库、编辑器、Shell、测试、版本控制和软件工程状态运行，能够理解、修改、验证并迭代交付代码任务的 Agent 系统。

## `/ai/concept/collaboration-connector`

- **Label:** Collaboration Connector
- **English:** Collaboration Connector
- **Canonical Domain:** `/ai/domain/connectivity/enterprise-software`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

连接邮件、日历、聊天、会议、文档和团队协作平台的适配能力。

## `/ai/concept/collective-communication`

- **Label:** 集体通信
- **English:** Collective Communication
- **Canonical Domain:** `/ai/domain/infrastructure/memory-interconnect`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

多个计算进程或加速器按照确定通信模式共同交换、聚合或分发数据的并行通信机制。

## `/ai/concept/computational-research-agent`

- **Label:** 计算科研智能体
- **English:** Computational Research Agent
- **Canonical Domain:** `/ai/domain/ai4s/research-agent`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

能够编写代码、调用数值软件、运行模拟、处理数据并根据计算结果迭代科学分析的 Agent。

## `/ai/concept/compute-aware-training-optimization`

- **Label:** Compute-aware Training Optimization
- **English:** Compute-aware Training Optimization
- **Canonical Domain:** `/ai/domain/ai4ai/training-optimization`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

在效果、训练时间、GPU 资源、内存、能耗和预算约束下联合优化训练方案。

## `/ai/concept/computer-use-agent`

- **Label:** Computer-use Agent
- **English:** Computer-use Agent
- **Canonical Domain:** `/ai/domain/agent/specialized-agents`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

通过屏幕感知、代码执行或结构化鼠标 / 键盘动作操作桌面与图形界面的 Agent 系统。

## `/ai/concept/condition-monitoring`

- **Label:** 状态监测
- **English:** Condition Monitoring
- **Canonical Domain:** `/ai/domain/physical/time-series`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

持续采集振动、温度、电流、声学、压力等状态信号，以评估设备或物理过程当前健康状态的工程体系。

## `/ai/concept/constraint-logic-solver`

- **Label:** Constraint / Logic Solver
- **English:** Constraint and Logic Solver
- **Canonical Domain:** `/ai/domain/model/decision-science`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

在显式变量、约束和逻辑条件下寻找满足条件的可行解或证明不存在解的求解系统。

## `/ai/concept/content-generative-workflow`

- **Label:** 内容生成与创作工作流
- **English:** Content / Generative Workflow
- **Canonical Domain:** `/ai/domain/application/content`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-06

把文本、图像、音频、视频或代码生成模型嵌入内容策划、生成、编辑、审校、版本管理和发布流程的应用系统形态。

## `/ai/concept/context-assembly-packing`

- **Label:** Context Assembly / Packing
- **English:** Context Assembly and Packing
- **Canonical Domain:** `/ai/domain/agent/context`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

从 instructions、history、memory、retrieval、tool results 和当前 state 中选择并组织本轮模型调用所需上下文的过程。

## `/ai/concept/context-compression-compaction`

- **Label:** Context Compression / Compaction
- **English:** Context Compression and Compaction
- **Canonical Domain:** `/ai/domain/agent/context`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

通过摘要、结构化提取、删除冗余、外部化或重新编码，降低长任务历史占用，同时尽量保留未来决策所需信息。

## `/ai/concept/context-engineering`

- **Label:** Context Engineering
- **English:** Context Engineering
- **Canonical Domain:** `/ai/domain/agent/context`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

对一次或连续多次模型推理所能看到的信息进行选择、组织、压缩、隔离和刷新，以最大化有限上下文资源有效性的工程方法。

## `/ai/concept/context-isolation-delegation`

- **Label:** Context Isolation / Delegation
- **English:** Context Isolation and Delegation
- **Canonical Domain:** `/ai/domain/agent/context`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

把复杂任务的局部信息和中间过程放入独立子任务、文件或 subagent 上下文，避免主 Agent Context 被大量无关细节污染的工程策略。

## `/ai/concept/continual-adaptation-editing-unlearning`

- **Label:** 持续适配、模型编辑与遗忘
- **English:** Continual Adaptation, Model Editing and Unlearning
- **Canonical Domain:** `/ai/domain/learning/continual-adaptation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

在模型初始训练完成后，通过持续学习、在线更新、局部参数修改或删除特定训练影响，使模型适应新数据、修正行为或满足删除要求的技术族。

## `/ai/concept/continual-learning`

- **Label:** 持续学习
- **English:** Continual Learning
- **Canonical Domain:** `/ai/domain/learning/continual-adaptation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

模型在连续到达的新任务或新数据上更新能力，同时尽量保留已有能力的学习范式。

## `/ai/concept/controller-actuation-interface`

- **Label:** Controller / Actuation Interface
- **English:** Controller and Actuation Interface
- **Canonical Domain:** `/ai/domain/physical/controller-actuation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

把高层任务、设定值、运动目标或设备命令发送给 PLC、MCU、机器人、飞控或车辆控制器，并读取控制状态和执行结果的接口层。

## `/ai/concept/conversational-assistant-copilot`

- **Label:** 对话助手 / Copilot
- **English:** Conversational Assistant / Copilot
- **Canonical Domain:** `/ai/domain/application/assistant`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-06

以对话或嵌入式交互方式理解用户上下文、回答问题、解释信息、辅助任务并在必要时调用知识或工具的 AI 应用系统形态。

## `/ai/concept/coverage-mission-planning`

- **Label:** Coverage / Mission Planning
- **English:** Coverage and Mission Planning
- **Canonical Domain:** `/ai/domain/physical/navigation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

为巡检、清扫、喷洒、测绘、农田作业等任务生成覆盖指定空间区域的路径与任务序列。

## `/ai/concept/cross-embodiment-policy`

- **Label:** Cross-embodiment Policy
- **English:** Cross-embodiment Policy
- **Canonical Domain:** `/ai/domain/physical/embodied-policy`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

利用来自不同机器人本体、结构和任务的数据学习可迁移表示或策略，使能力能够跨不同 embodiment 复用。

## `/ai/concept/curriculum-difficulty-scheduling`

- **Label:** Curriculum / 难度调度
- **English:** Curriculum and Difficulty Scheduling
- **Canonical Domain:** `/ai/domain/learning/pretraining`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

根据训练阶段、样本难度、任务类型或模型表现调整训练数据顺序和采样权重的学习策略。

## `/ai/concept/data-analytics-connectivity`

- **Label:** Data / Analytics Connectivity
- **English:** Data and Analytics Connectivity
- **Canonical Domain:** `/ai/domain/connectivity/data-analytics`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

让 AI / Agent 以受控方式读取、查询或写入数据库、数据仓库、搜索系统、向量存储和分析平台的连接与适配能力。

## `/ai/concept/data-distribution-shift`

- **Label:** Data Distribution Shift
- **English:** Data Distribution Shift
- **Canonical Domain:** `/ai/domain/data/quality`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-09

生产数据分布相对于训练、验证或历史数据发生变化，使模型性能和原有假设失效的现象。

## `/ai/concept/data-governance-privacy-sovereignty`

- **Label:** 数据治理、隐私与主权
- **English:** Data Governance / Privacy / Sovereignty
- **Canonical Domain:** `/ai/domain/governance/data-privacy`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-11

规定个人、敏感、业务、训练和跨境数据可以在什么目的、地点、期限和权限范围内被 AI 系统处理。

## `/ai/concept/data-ingestion-movement`

- **Label:** 数据接入与传输
- **English:** Data Ingestion / Movement
- **Canonical Domain:** `/ai/domain/data/source-ingestion`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-09

把数据从来源系统可靠传送到存储、计算、训练或分析平台的工程能力。

## `/ai/concept/data-lifecycle-retention`

- **Label:** 数据生命周期与保留
- **English:** Data Lifecycle / Retention
- **Canonical Domain:** `/ai/domain/data/retention-lifecycle`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-09

_Definition is carried by the corresponding Projection card._

## `/ai/concept/data-lineage-provenance`

- **Label:** 数据血缘与来源
- **English:** Data Lineage / Provenance
- **Canonical Domain:** `/ai/domain/data/lineage-provenance`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-09

记录数据从哪里来、经过哪些转换、被哪些系统和模型使用，并能追踪输出回到来源和处理过程的可追溯体系。

## `/ai/concept/data-product-serving`

- **Label:** 数据产品与服务
- **English:** Data Product / Serving
- **Canonical Domain:** `/ai/domain/data/product-serving`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-09

_Definition is carried by the corresponding Projection card._

## `/ai/concept/data-quality`

- **Label:** 数据质量
- **English:** Data Quality
- **Canonical Domain:** `/ai/domain/data/quality`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-09

数据是否足以支持目标用途的一组可测量属性与验证机制。

## `/ai/concept/data-source-acquisition`

- **Label:** 数据来源与采集
- **English:** Data Source / Acquisition
- **Canonical Domain:** `/ai/domain/data/source-ingestion`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-09

识别、获得并登记 AI 系统所需原始数据来源的过程与能力体系。

## `/ai/concept/data-storage-platform`

- **Label:** 数据存储与平台
- **English:** Data Storage / Platform
- **Canonical Domain:** `/ai/domain/data/storage`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-09

_Definition is carried by the corresponding Projection card._

## `/ai/concept/data-synthetic-experience-improvement`

- **Label:** 数据与合成经验改进
- **English:** Data / Synthetic Experience Improvement
- **Canonical Domain:** `/ai/domain/ai4ai/data-experience`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

由 AI 系统生成、筛选、重写、排序或组织新的训练数据和交互经验，用于提升未来模型或 Agent 能力的技术体系。

## `/ai/concept/data-transformation-preparation`

- **Label:** 数据转换与准备
- **English:** Data Transformation / Preparation
- **Canonical Domain:** `/ai/domain/data/transformation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-09

将原始数据清洗、解析、标准化、去重、关联和加工为可训练、检索、分析或服务的数据形态。

## `/ai/concept/data-versioning-snapshot`

- **Label:** 数据版本与快照
- **English:** Data Versioning / Snapshot
- **Canonical Domain:** `/ai/domain/data/versioning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-09

_Definition is carried by the corresponding Projection card._

## `/ai/concept/database-connector`

- **Label:** Database Connector
- **English:** Database Connector
- **Canonical Domain:** `/ai/domain/connectivity/data-analytics`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

把 Agent / Application 与关系型、NoSQL 或其他数据库的查询和写入接口连接起来的适配组件。

## `/ai/concept/decision-support-intelligence`

- **Label:** 决策支持 / Decision Intelligence
- **English:** Decision Support / Decision Intelligence
- **Canonical Domain:** `/ai/domain/application/decision-support`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-06

把预测、风险评分、因果分析、优化、情景模拟、知识证据和生成式解释组合起来，辅助人或业务系统做出决策的应用形态。

## `/ai/concept/deterministic-workflow`

- **Label:** 确定性工作流
- **English:** Deterministic Workflow
- **Canonical Domain:** `/ai/domain/agent/workflow`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

步骤、分支和执行条件主要由预定义规则决定，而不是由模型在运行时自由选择的工作流。

## `/ai/concept/device-instrument-sdk`

- **Label:** Device / Instrument SDK
- **English:** Device and Instrument SDK
- **Canonical Domain:** `/ai/domain/connectivity/professional-software`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

由设备或科学仪器厂商提供，用于读取传感器、设置参数、控制实验流程或访问设备状态的专有或半标准软件接口。

## `/ai/concept/dexterous-manipulation`

- **Label:** Dexterous Manipulation
- **English:** Dexterous Manipulation
- **Canonical Domain:** `/ai/domain/physical/manipulation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

使用多指灵巧手、双臂或高自由度机构执行精细接触、重定位、工具使用和复杂物体操作的能力。

## `/ai/concept/digital-twin`

- **Label:** 数字孪生
- **English:** Digital Twin
- **Canonical Domain:** `/ai/domain/physical/simulation-digital-twin`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

通过持续映射真实对象、设备、工厂、农场或基础设施的结构和运行状态，形成可用于监测、仿真、预测和优化的虚拟对应体。

## `/ai/concept/distributed-checkpointing`

- **Label:** 分布式 Checkpoint
- **English:** Distributed Checkpointing
- **Canonical Domain:** `/ai/domain/infrastructure/training-systems`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

在模型和训练状态被分布到多个 worker 或设备时，对这些状态进行一致、可恢复的保存和重载。

## `/ai/concept/distributed-storage-checkpoint-infrastructure`

- **Label:** 分布式存储与 Checkpoint 基础设施
- **English:** Distributed Storage and Checkpoint Infrastructure
- **Canonical Domain:** `/ai/domain/infrastructure/cluster`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

为大规模训练和模型运行提供高吞吐数据访问、状态持久化、Checkpoint 保存与恢复能力的基础设施。

## `/ai/concept/distributed-training`

- **Label:** 分布式训练
- **English:** Distributed Training
- **Canonical Domain:** `/ai/domain/infrastructure/training-systems`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

将模型参数、数据、计算或专家分布到多个设备和节点上协同完成训练的系统方法。

## `/ai/concept/document-multimodal-processing-application`

- **Label:** 文档 / 多模态处理应用
- **English:** Document / Multimodal Processing Application
- **Canonical Domain:** `/ai/domain/application/document-processing`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-06

围绕文档、表单、票据、图片和多模态业务材料进行解析、分类、抽取、校验和结构化处理的应用系统形态。

## `/ai/concept/document-understanding-model`

- **Label:** 文档理解模型
- **English:** Document Understanding Model
- **Canonical Domain:** `/ai/domain/model/multimodal-understanding`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

针对页面版面、文本、表格、表单、图表及长文档结构进行联合理解和信息抽取的模型技术族。

## `/ai/concept/dom-selector-automation`

- **Label:** DOM / Selector Automation
- **English:** DOM and Selector Automation
- **Canonical Domain:** `/ai/domain/execution/browser`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

通过页面 DOM、CSS / accessibility selector 等结构化元素定位方式执行浏览器动作。

## `/ai/concept/domain-randomization`

- **Label:** Domain Randomization
- **English:** Domain Randomization
- **Canonical Domain:** `/ai/domain/physical/robot-learning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

在仿真训练中随机改变材质、光照、摩擦、质量、传感器噪声和动力学参数，使策略减少对单一模拟条件的过拟合。

## `/ai/concept/domain-scientific-foundation-model-family`

- **Label:** 领域与科学基础模型
- **English:** Domain and Scientific Foundation Model Family
- **Canonical Domain:** `/ai/domain/model/domain-foundation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

针对具有特定数据结构、知识空间或科学对象的领域进行大规模训练，使模型能够在该领域复用表征、预测、生成或推理能力的基础模型。

## `/ai/concept/drone-autonomy`

- **Label:** Drone Autonomy
- **English:** Drone Autonomy
- **Canonical Domain:** `/ai/domain/physical/autonomy`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

使无人机自主完成定位、航迹规划、避障、任务执行和异常恢复的系统能力。

## `/ai/concept/durable-event-driven-workflow`

- **Label:** Durable / Event-driven Workflow
- **English:** Durable and Event-driven Workflow
- **Canonical Domain:** `/ai/domain/agent/workflow`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

能够跨长时间等待外部事件、异步结果或人工操作，并保持任务状态与恢复能力的工作流模式。

## `/ai/concept/dynamic-scene-model`

- **Label:** Dynamic Scene Model
- **English:** Dynamic Scene Model
- **Canonical Domain:** `/ai/domain/physical/environment-representation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

表示环境中移动对象、速度、未来轨迹和交互状态的时变场景模型。

## `/ai/concept/edge-gateway-protocol-adaptation`

- **Label:** Edge Gateway / Protocol Adaptation
- **English:** Edge Gateway and Protocol Adaptation
- **Canonical Domain:** `/ai/domain/physical/edge-gateway`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

位于现场设备网络与上层 IT / Cloud / AI 系统之间，对异构协议、数据格式、连接状态和边缘缓冲进行转换、聚合与桥接的中间层。

## `/ai/concept/edge-npu`

- **Label:** 端侧 NPU
- **English:** Edge NPU
- **Canonical Domain:** `/ai/domain/infrastructure/compute`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

集成于手机、PC、汽车、IoT 或工业终端中的低功耗 AI 加速器，面向本地实时推理和有限算力环境。

## `/ai/concept/edge-on-device-ai-infrastructure`

- **Label:** 边缘与端侧 AI 基础设施
- **English:** Edge and On-device AI Infrastructure
- **Canonical Domain:** `/ai/domain/infrastructure/edge`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

在手机、PC、汽车、机器人、IoT 或工业边缘节点等受功耗、内存、网络与热设计限制的设备上运行 AI 模型的基础设施与运行体系。

## `/ai/concept/efficient-inference-model-compression`

- **Label:** 高效推理与模型压缩
- **English:** Efficient Inference and Model Compression
- **Canonical Domain:** `/ai/domain/infrastructure/efficient-inference`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

通过降低计算精度、减少参数或状态规模、利用稀疏性和其他系统优化，使模型以更低内存、计算、能耗或成本完成推理的技术集合。

## `/ai/concept/embedding-model`

- **Label:** 向量表征模型
- **English:** Embedding Model
- **Canonical Domain:** `/ai/domain/model/representation-retrieval`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

把输入对象编码为向量表示，使语义、类别或其他相似性能够通过向量空间距离或相似度进行计算的模型。

## `/ai/concept/engineering-decision-record`

- **Label:** Engineering Decision Record
- **English:** Engineering Decision Record
- **Canonical Domain:** `/ai/domain/engineering/reproducibility`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-10

记录一次重要模型、架构、Release 或风险取舍为什么被接受，以及引用了哪些 Evidence。

## `/ai/concept/engineering-reproducibility-evidence`

- **Label:** Reproducibility / Engineering Evidence
- **English:** Engineering Reproducibility / Evidence
- **Canonical Domain:** `/ai/domain/engineering/reproducibility`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-10

把一次模型、Agent、实验、评测或发布决策所依赖的代码、数据、配置、环境和结果绑定，使工程结论能够重新验证。

## `/ai/concept/engineering-root-cause-analysis`

- **Label:** Engineering Root Cause Analysis
- **English:** Engineering Root Cause Analysis
- **Canonical Domain:** `/ai/domain/engineering/incident`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-10

结合 Trace、Logs、Metrics、Version、Change 和 Dependency Evidence 识别导致生产异常的根因。

## `/ai/concept/enterprise-application-connector`

- **Label:** Enterprise Application Connector
- **English:** Enterprise Application Connector
- **Canonical Domain:** `/ai/domain/connectivity/enterprise-software`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

连接 ERP、CRM、HRIS、ITSM、Finance、Procurement 等核心企业应用的结构化集成组件。

## `/ai/concept/enterprise-professional-software-integration`

- **Label:** Enterprise / Professional Software Integration
- **English:** Enterprise and Professional Software Integration
- **Canonical Domain:** `/ai/domain/connectivity/enterprise-software`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

把 AI / Agent 与企业业务系统、协作工具、专业软件和科学仪器通过 API、插件、SDK、Connector 或定制适配层连接起来的集成技术族。

## `/ai/concept/entity-relation-resolution`

- **Label:** Entity / Relation Resolution
- **English:** Entity and Relation Resolution
- **Canonical Domain:** `/ai/domain/agent/knowledge-graph`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

把来自不同文档或数据源的实体提及、别名和关系归并到稳定身份，并处理冲突、重复与关系一致性的知识工程过程。

## `/ai/concept/environment-simulation-feedback-learning`

- **Label:** 环境 / 仿真反馈学习
- **English:** Environment and Simulation Feedback Learning
- **Canonical Domain:** `/ai/domain/learning/reinforcement`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

让模型或 policy 在游戏、软件、物理仿真或交互环境中执行行动，并根据环境返回状态与奖励进行学习。

## `/ai/concept/evaluation-architecture`

- **Label:** Evaluation Architecture
- **English:** Evaluation Architecture
- **Canonical Domain:** `/ai/domain/engineering/evaluation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-10

把任务、数据、指标、Scorer、运行环境、版本和通过条件组织成可重复执行的 AI 评测体系。

## `/ai/concept/evaluation-benchmark-data`

- **Label:** 评测与 Benchmark 数据
- **English:** Evaluation / Benchmark Data
- **Canonical Domain:** `/ai/domain/data/evaluation-data`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-09

_Definition is carried by the corresponding Projection card._

## `/ai/concept/evaluation-methodology`

- **Label:** 评测方法论
- **English:** Evaluation Methodology
- **Canonical Domain:** `/ai/domain/engineering/evaluation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-10

_Definition is carried by the corresponding Projection card._

## `/ai/concept/evaluation-report`

- **Label:** Evaluation Report
- **English:** Evaluation Report
- **Canonical Domain:** `/ai/domain/engineering/evaluation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-10

总结一次或多次 Evaluation Run 的整体指标、切片结果、失败案例、统计不确定性和发布建议的工程产物。

## `/ai/concept/evaluator-reward-verifier-improvement`

- **Label:** Evaluator / Reward / Verifier Improvement
- **English:** Evaluator / Reward / Verifier Improvement
- **Canonical Domain:** `/ai/domain/ai4ai/evaluator-reward`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

自动创建、训练、校准和改进用于判断模型、Agent、算法或实验结果质量的评估器、奖励模型和验证器。

## `/ai/concept/event-messaging-integration`

- **Label:** Event / Messaging Integration
- **English:** Event and Messaging Integration
- **Canonical Domain:** `/ai/domain/connectivity/event-messaging`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

通过事件、队列、发布订阅或持续消息流，在系统状态变化时异步触发 AI / Agent 工作，或在多个系统之间传递执行结果的集成技术族。

## `/ai/concept/event-stream`

- **Label:** Event Stream
- **English:** Event Stream
- **Canonical Domain:** `/ai/domain/connectivity/event-messaging`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

把连续发生的状态变化记录为有顺序、可消费和可重放的事件序列的系统模式。

## `/ai/concept/evidence-oriented-research-loop`

- **Label:** Evidence-oriented Research Loop
- **English:** Evidence-oriented Research Loop
- **Canonical Domain:** `/ai/domain/agent/agentic-research`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

围绕待回答 Claim 主动收集、组织和比对证据，并把 Claim 与 Source / Evidence 建立明确绑定的 Agent 研究流程。

## `/ai/concept/evolutionary-ai-search`

- **Label:** Evolutionary AI Search
- **English:** Evolutionary AI Search
- **Canonical Domain:** `/ai/domain/ai4ai/open-ended-search`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

对算法、程序、模型或 Agent 候选执行变异、评估和选择，以逐步搜索更优设计的方法。

## `/ai/concept/experience-driven-agent-policy-adaptation`

- **Label:** Experience-driven Agent Policy Adaptation
- **English:** Experience-driven Agent Policy Adaptation
- **Canonical Domain:** `/ai/domain/agent/experience-learning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

根据历史执行成败、评价和环境反馈修改 Agent 的工具选择、恢复策略、任务顺序或控制启发式，而不必重新训练底层模型。

## `/ai/concept/experience-replay-distillation`

- **Label:** Experience Replay / Distillation
- **English:** Experience Replay / Distillation
- **Canonical Domain:** `/ai/domain/ai4ai/data-experience`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

把 Agent 或模型成功运行轨迹、搜索结果和验证通过的解重新组织成未来训练或技能学习数据。

## `/ai/concept/experiment-measurement-design`

- **Label:** 实验与测量设计
- **English:** Experiment / Measurement Design
- **Canonical Domain:** `/ai/domain/ai4s/experiment-design`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

在成本、资源、时间和安全约束下选择最有信息价值的实验条件、样本、测量和下一步数据获取动作，以最大化科学信息增益的技术体系。

## `/ai/concept/experimental-scientific-validation`

- **Label:** 实验科学验证
- **English:** Experimental Scientific Validation
- **Canonical Domain:** `/ai/domain/ai4s/scientific-verification`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

通过真实实验、湿实验或仪器测量判断模型预测、设计或假设是否获得现实证据支持。

## `/ai/concept/fail-safe-emergency-stop`

- **Label:** Fail-safe / Emergency Stop
- **English:** Fail-safe and Emergency Stop
- **Canonical Domain:** `/ai/domain/physical/safety`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

在通信故障、传感器异常、控制器异常或危险事件发生时，让系统进入预定义安全状态或立即停止危险运动的安全机制。

## `/ai/concept/fairness-rights-societal-impact`

- **Label:** 公平、权利与社会影响
- **English:** Fairness / Rights / Societal Impact
- **Canonical Domain:** `/ai/domain/governance/fairness-rights`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-11

评估和控制 AI 系统对不同个人和群体在机会、待遇、权利、可访问性和社会影响上的差异。

## `/ai/concept/feedback-control`

- **Label:** Feedback Control
- **English:** Feedback Control
- **Canonical Domain:** `/ai/domain/physical/control`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

根据目标状态与实际状态之间的误差持续调整控制输入，使系统稳定达到或保持目标的实时控制方法。

## `/ai/concept/feedback-experience-trajectory-data`

- **Label:** 反馈、经验与轨迹数据
- **English:** Feedback / Experience / Trajectory Data
- **Canonical Domain:** `/ai/domain/data/feedback-trajectory`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-09

_Definition is carried by the corresponding Projection card._

## `/ai/concept/field-device-communication`

- **Label:** Field / Device Communication
- **English:** Field and Device Communication
- **Canonical Domain:** `/ai/domain/physical/field-device-communication`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

在传感器、执行器、控制器、机器和边缘设备之间传输状态、测量值、命令与实时数据的现场通信协议与总线技术族。

## `/ai/concept/flight-controller-interface`

- **Label:** Flight Controller Interface
- **English:** Flight Controller Interface
- **Canonical Domain:** `/ai/domain/physical/controller-actuation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

与无人机 / 飞行器控制器交换姿态、速度、航点、任务和飞行状态的接口层。

## `/ai/concept/formal-mathematical-scientific-reasoning`

- **Label:** 形式化与数学科学推理
- **English:** Formal / Mathematical Scientific Reasoning
- **Canonical Domain:** `/ai/domain/ai4s/formal-reasoning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

使用推理模型、符号系统、搜索与形式化验证器生成、转换和验证数学证明、符号推导和严格科学计算结果的能力体系。

## `/ai/concept/formal-scientific-verification`

- **Label:** 形式科学验证
- **English:** Formal Scientific Verification
- **Canonical Domain:** `/ai/domain/ai4s/scientific-verification`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

使用证明检查器、类型系统、逻辑系统或确定性程序验证科学推导是否满足形式规则。

## `/ai/concept/formal-theorem-proving`

- **Label:** 形式化定理证明
- **English:** Formal Theorem Proving
- **Canonical Domain:** `/ai/domain/ai4s/formal-reasoning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

在形式语言与逻辑系统中构造能够由证明检查器机械验证的数学证明。

## `/ai/concept/formal-verifier`

- **Label:** Formal Verifier
- **English:** Formal Verifier
- **Canonical Domain:** `/ai/domain/agent/symbolic-reasoning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

根据形式化语义、证明规则、程序规范或数学约束判断候选结果是否满足指定正确性条件的验证系统。

## `/ai/concept/function-calling`

- **Label:** Function Calling
- **English:** Function Calling
- **Canonical Domain:** `/ai/domain/agent/tool-use`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

模型或 Agent 根据函数 / 工具 schema 生成结构化调用名称与参数，由宿主应用负责执行并将结果返回的工具调用模式。

## `/ai/concept/function-execution-adapter`

- **Label:** Function Execution Adapter
- **English:** Function Execution Adapter
- **Canonical Domain:** `/ai/domain/execution/tool-runtime`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

把模型或 Agent 的结构化 Function Call 映射到本地函数、服务方法、SDK 调用或远端 API 请求的执行适配层。

## `/ai/concept/general-audio-understanding`

- **Label:** 通用音频理解
- **English:** General Audio Understanding
- **Canonical Domain:** `/ai/domain/model/speech-audio`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

对非语言音频中的声学事件、场景、音乐、韵律、生物声学或设备声学信息进行表示、分类与语义理解的模型能力。

## `/ai/concept/generative-media-model-family`

- **Label:** 生成式媒体模型
- **English:** Generative Media Model Family
- **Canonical Domain:** `/ai/domain/model/generative-media`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

根据文本、图像、音频、视频或结构化条件生成或编辑视觉、视频与非语言音频内容的模型技术族。

## `/ai/concept/generative-science-inverse-design`

- **Label:** 生成式科学与逆向设计
- **English:** Generative Science / Inverse Design
- **Canonical Domain:** `/ai/domain/ai4s/generative-design`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

根据目标性质、功能和约束直接生成新的分子、蛋白质、材料、结构或实验候选，并通过预测与验证筛选可行设计的科学发现方法。

## `/ai/concept/generative-ui-action-interface`

- **Label:** Generative UI / Action Interface
- **English:** Generative UI / Action Interface
- **Canonical Domain:** `/ai/domain/application/generative-ui`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-06

根据当前任务、数据和系统状态动态生成结构化界面、决策卡片、表单和下一步行动控件，使 AI 输出从自然语言解释进一步变成可交互任务界面。

## `/ai/concept/gnss-satellite-positioning`

- **Label:** GNSS / 卫星定位
- **English:** GNSS / Satellite Positioning
- **Canonical Domain:** `/ai/domain/physical/localization-mapping`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

利用卫星导航系统信号估计设备全球或区域坐标位置的定位技术。

## `/ai/concept/governance-incident-remediation-accountability`

- **Label:** 治理事件、补救与责任
- **English:** Incident / Remediation / Accountability
- **Canonical Domain:** `/ai/domain/governance/incident-accountability`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-11

当 AI 系统发生安全、隐私、歧视、重大质量、未经授权动作或其他治理事件时，进行升级、处置、纠正、通知和责任复盘。

## `/ai/concept/gpu-general-ai-accelerator`

- **Label:** GPU / 通用 AI 加速器
- **English:** GPU / General AI Accelerator
- **Canonical Domain:** `/ai/domain/infrastructure/compute`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

具有高度并行计算结构、能够通过通用软件栈执行广泛 AI 与 HPC 工作负载的加速器。

## `/ai/concept/graph-based-knowledge-engineering`

- **Label:** 图谱化知识工程
- **English:** Graph-based Knowledge Engineering
- **Canonical Domain:** `/ai/domain/agent/knowledge-graph`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

利用实体、关系、类型和图结构组织知识，使 Agent / RAG 系统能够进行结构化检索、跨实体关联、聚合与多跳知识访问的技术体系。

## `/ai/concept/graph-mesh-scientific-learning`

- **Label:** Graph / Mesh Scientific Learning
- **English:** Graph / Mesh Scientific Learning
- **Canonical Domain:** `/ai/domain/ai4s/sciml`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

在不规则网格、原子图、有限元网格和其他结构化科学拓扑上使用图神经网络或 mesh-aware 模型学习物理过程和科学关系。

## `/ai/concept/graphql-api`

- **Label:** GraphQL
- **English:** GraphQL
- **Canonical Domain:** `/ai/domain/connectivity/api-rpc`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

由客户端声明所需数据字段，并通过 Schema 约束查询、变更和类型结构的 API 查询语言与执行体系。

## `/ai/concept/graphrag`

- **Label:** GraphRAG
- **English:** GraphRAG
- **Canonical Domain:** `/ai/domain/agent/knowledge-graph`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

在 RAG 中使用从语料构建的知识图谱、图层级、社区结构或图查询结果增强检索和生成的技术模式。

## `/ai/concept/grpc-rpc`

- **Label:** gRPC / RPC
- **English:** gRPC / Remote Procedure Call
- **Canonical Domain:** `/ai/domain/connectivity/api-rpc`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

通过明确的服务、方法和消息类型调用远端程序逻辑的远程过程调用接口模式。

## `/ai/concept/gui-execution-runtime`

- **Label:** GUI Execution Runtime
- **English:** GUI Execution Runtime
- **Canonical Domain:** `/ai/domain/execution/gui`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

把 Agent / GUI Action Model 产生的鼠标、键盘、触控或 UI 操作候选实际发送到桌面操作系统或图形应用，并反馈执行后界面状态的运行环境。

## `/ai/concept/gui-grounding-action-model`

- **Label:** GUI 定位与行动模型
- **English:** GUI Grounding and Action Model
- **Canonical Domain:** `/ai/domain/model/action-world`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

根据屏幕、界面结构和语言指令定位交互目标，并生成点击、输入、拖动、滚动等 GUI 行动候选的模型。

## `/ai/concept/gui-input-action`

- **Label:** GUI Input Action
- **English:** GUI Input Action
- **Canonical Domain:** `/ai/domain/execution/gui`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

以坐标、按键、触控或滚动等人工输入原语表达和执行图形界面操作。

## `/ai/concept/hardware-algorithm-codesign`

- **Label:** Hardware / Algorithm Co-design
- **English:** Hardware / Algorithm Co-design
- **Canonical Domain:** `/ai/domain/ai4ai/systems-co-design`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

联合搜索模型、算法、编译映射和硬件结构，使整体 AI 计算系统获得更优性能。

## `/ai/concept/hardware-execution-runtime`

- **Label:** 硬件执行运行时
- **English:** Hardware Execution Runtime
- **Canonical Domain:** `/ai/domain/infrastructure/runtime`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

负责在具体 AI 加速器上加载、调度和执行已编译模型运算的低层运行环境。

## `/ai/concept/hierarchical-physical-policy`

- **Label:** Hierarchical Physical Policy
- **English:** Hierarchical Physical Policy
- **Canonical Domain:** `/ai/domain/physical/embodied-policy`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

把高层任务规划、技能选择和低层动作控制分成不同决策层级，并通过明确接口组合成完整物理任务执行的策略结构。

## `/ai/concept/high-bandwidth-memory`

- **Label:** 高带宽内存
- **English:** High-bandwidth Memory
- **Canonical Domain:** `/ai/domain/infrastructure/memory-interconnect`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

通过高位宽、堆叠和紧邻加速器封装等方式，为 AI / HPC 芯片提供高数据吞吐的高性能内存技术。

## `/ai/concept/hosted-remote-browser`

- **Label:** Hosted / Remote Browser
- **English:** Hosted / Remote Browser
- **Canonical Domain:** `/ai/domain/execution/browser`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

在远端隔离环境中为 Agent 创建、保持和控制浏览器会话的执行基础设施。

## `/ai/concept/human-oversight-approval`

- **Label:** 人工监督与批准
- **English:** Human Oversight / Approval
- **Canonical Domain:** `/ai/domain/governance/human-oversight`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-11

通过人类观察、确认、批准、覆盖和停止 AI Decision / Action，使高风险系统保留明确的人类控制权和责任边界。

## `/ai/concept/hybrid-physics-data-model`

- **Label:** Hybrid Physics–Data Model
- **English:** Hybrid Physics–Data Model
- **Canonical Domain:** `/ai/domain/ai4s/sciml`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

把已知物理模型与学习模型组合，使机器学习负责难建模、昂贵或未知的部分，而显式科学模型保留守恒、结构和解释约束。

## `/ai/concept/hybrid-retrieval`

- **Label:** Hybrid Retrieval
- **English:** Hybrid Retrieval
- **Canonical Domain:** `/ai/domain/agent/knowledge-retrieval`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

组合关键词 / 稀疏检索、向量 / 稠密检索、结构化过滤或其他检索方式，形成统一候选集合的检索架构。

## `/ai/concept/hyperparameter-optimization`

- **Label:** 超参数优化
- **English:** Hyperparameter Optimization
- **Canonical Domain:** `/ai/domain/ai4ai/training-optimization`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

自动选择学习率、batch size、regularization、optimizer 参数和其他训练超参数以优化模型指标。

## `/ai/concept/hypothesis-generation-scientific-reasoning`

- **Label:** 假设生成与科学推理
- **English:** Hypothesis Generation / Scientific Reasoning
- **Canonical Domain:** `/ai/domain/ai4s/hypothesis`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

从已有文献、数据、理论和异常现象中形成可被检验的科学解释、机制假设和研究问题，并将其转化为可验证预测的能力体系。

## `/ai/concept/image-generation-editing-model`

- **Label:** 图像生成与编辑模型
- **English:** Image Generation and Editing Model
- **Canonical Domain:** `/ai/domain/model/generative-media`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

根据文本或视觉条件生成新图像，或对现有图像执行局部、全局和语义级修改的生成模型。

## `/ai/concept/improvement-of-improvement`

- **Label:** Improvement-of-Improvement
- **English:** Improvement-of-Improvement
- **Canonical Domain:** `/ai/domain/ai4ai/recursive-self-improvement`
- **Status:** draft
- **Maturity:** research-boundary
- **Source:** chapter-08

某次系统改进直接提高未来研究、搜索、评测、实验或自修改过程的效率、质量或范围。

## `/ai/concept/in-context-learning-strategy`

- **Label:** In-context Learning Strategy
- **English:** In-context Learning Strategy
- **Canonical Domain:** `/ai/domain/ai4ai/meta-learning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

通过上下文中的示例、任务描述和反馈，让模型在不更新参数的情况下形成临时任务适应策略。

## `/ai/concept/independent-safety-loop`

- **Label:** 独立安全回路
- **English:** Independent Safety Loop
- **Canonical Domain:** `/ai/domain/physical/safety`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

在架构上与 AI 推理、云连接和非安全关键控制路径解耦，能够在 AI、网络或上层软件失效时独立触发安全响应的确定性回路。

## `/ai/concept/industrial-agricultural-machine-autonomy`

- **Label:** 工业 / 农业机器自主
- **English:** Industrial and Agricultural Machine Autonomy
- **Canonical Domain:** `/ai/domain/physical/autonomy`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

让工业车辆、矿山机械、工程机械、农机和其他任务型机器在约束区域内自主执行重复或半结构化物理作业的系统能力。

## `/ai/concept/industrial-edge-gateway`

- **Label:** Industrial Edge Gateway
- **English:** Industrial Edge Gateway
- **Canonical Domain:** `/ai/domain/physical/edge-gateway`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

部署在工厂、农场、设备或现场网络边缘，连接南向设备协议与北向 IT / Cloud / AI 系统的计算和通信节点。

## `/ai/concept/industrial-ethernet-fieldbus`

- **Label:** Industrial Ethernet / Fieldbus
- **English:** Industrial Ethernet and Fieldbus
- **Canonical Domain:** `/ai/domain/physical/field-device-communication`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

面向工业实时通信、设备控制和确定性数据交换设计的现场网络技术族。

## `/ai/concept/industrial-semantic-interoperability`

- **Label:** 工业语义互操作
- **English:** Industrial Semantic Interoperability
- **Canonical Domain:** `/ai/domain/physical/industrial-interoperability`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

在工业设备、控制系统、MES、ERP、边缘和云之间，以稳定的信息模型、服务和语义实现跨厂商数据访问与命令交互的互操作技术体系。

## `/ai/concept/interface-contract-schema`

- **Label:** Interface Contract / Schema
- **English:** Interface Contract and Schema
- **Canonical Domain:** `/ai/domain/connectivity/api-rpc`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

机器可读地定义接口名称、输入、输出、类型、错误和约束，使调用方能够验证、生成或适配调用代码的接口描述。

## `/ai/concept/isobus`

- **Label:** ISOBUS
- **English:** ISOBUS / ISO 11783
- **Canonical Domain:** `/ai/domain/physical/field-device-communication`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

用于农业拖拉机、农具与相关控制终端之间跨厂商电子通信和功能互操作的标准体系。

## `/ai/concept/it-ot-bridge`

- **Label:** IT–OT Bridge
- **English:** IT–OT Bridge
- **Canonical Domain:** `/ai/domain/physical/edge-gateway`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

在企业 IT 系统与 Operational Technology 网络之间提供协议、数据、身份和安全边界适配的集成结构。

## `/ai/concept/iterative-search-browse`

- **Label:** Iterative Search / Browse
- **English:** Iterative Search and Browse
- **Canonical Domain:** `/ai/domain/agent/agentic-research`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

根据当前搜索结果和缺失信息不断生成下一轮查询、打开来源、沿链接扩展并更新研究状态的 Agent 搜索模式。

## `/ai/concept/kalman-bayesian-filtering`

- **Label:** Kalman / Bayesian Filtering
- **English:** Kalman and Bayesian Filtering
- **Canonical Domain:** `/ai/domain/physical/state-estimation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

通过概率状态转移与观测模型，对系统状态进行递推预测和观测更新的状态估计方法族。

## `/ai/concept/knowledge-graph`

- **Label:** 知识图谱
- **English:** Knowledge Graph
- **Canonical Domain:** `/ai/domain/data/semantic-data`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

以实体、关系、类型与属性组成的图结构表达领域知识，使知识能够被查询、关联和机器处理。

## `/ai/concept/kv-cache-compression`

- **Label:** KV Cache 压缩
- **English:** KV Cache Compression
- **Canonical Domain:** `/ai/domain/infrastructure/efficient-inference`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

通过量化、裁剪、压缩、稀疏或层级存储等方式降低 KV Cache 占用，以支持更长上下文、更高并发或更低内存成本。

## `/ai/concept/kv-cache-management`

- **Label:** KV Cache 管理
- **English:** KV Cache Management
- **Canonical Domain:** `/ai/domain/infrastructure/model-serving`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

在自回归 Transformer 推理中管理历史 token 对应 Key / Value Attention 状态的分配、缓存、复用、回收和迁移机制。

## `/ai/concept/lab-orchestration`

- **Label:** 实验室编排
- **English:** Lab Orchestration
- **Canonical Domain:** `/ai/domain/ai4s/autonomous-lab`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

协调样本、仪器、机器人、实验步骤、排程和数据记录，使一组实验能够按照科研计划可靠执行的系统能力。

## `/ai/concept/language-conditioned-robot-policy`

- **Label:** Language-conditioned Robot Policy
- **English:** Language-conditioned Robot Policy
- **Canonical Domain:** `/ai/domain/physical/embodied-policy`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

根据自然语言任务条件选择或生成机器人动作和技能的策略。

## `/ai/concept/language-model`

- **Label:** 语言模型
- **English:** Language Model
- **Canonical Domain:** `/ai/domain/model/language-reasoning-code`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

对自然语言或符号序列的统计结构进行建模，并据此预测、理解或生成文本序列的模型。

## `/ai/concept/language-reasoning-code-model-family`

- **Label:** 语言、推理与代码模型
- **English:** Language, Reasoning and Code Model Family
- **Canonical Domain:** `/ai/domain/model/language-reasoning-code`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

以文本、代码或符号序列为主要信息载体，执行语言理解、生成、推理、代码处理和结构化输出等任务的模型能力族。

## `/ai/concept/learned-evaluator`

- **Label:** Learned Evaluator
- **English:** Learned Evaluator
- **Canonical Domain:** `/ai/domain/ai4ai/evaluator-reward`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

由学习模型对候选输出、轨迹、模型或实验结果进行评分或排序的评估系统。

## `/ai/concept/learned-model-router`

- **Label:** 学习型模型路由
- **English:** Learned Model Router
- **Canonical Domain:** `/ai/domain/infrastructure/model-routing`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

基于历史任务表现、偏好、评分或训练数据学习“请求 → 模型选择”策略的模型路由方式。

## `/ai/concept/learned-optimizer`

- **Label:** Learned Optimizer
- **English:** Learned Optimizer
- **Canonical Domain:** `/ai/domain/ai4ai/meta-learning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

使用学习模型产生或控制参数更新规则，使优化方法本身通过经验学习。

## `/ai/concept/learned-sparse-retrieval-model`

- **Label:** 学习型稀疏检索模型
- **English:** Learned Sparse Retrieval Model
- **Canonical Domain:** `/ai/domain/model/representation-retrieval`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

学习输入与词项或稀疏特征之间的权重，使检索仍可使用稀疏索引但获得比传统纯词频方法更强语义匹配能力的模型。

## `/ai/concept/llm-request-scheduling-batching`

- **Label:** 推理请求调度与 Continuous Batching
- **English:** Inference Request Scheduling and Continuous Batching
- **Canonical Domain:** `/ai/domain/infrastructure/model-serving`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

在模型推理过程中动态调度不同请求并组合执行，以提高加速器利用率、吞吐和响应效率的服务技术。

## `/ai/concept/local-cloud-split-ai-execution`

- **Label:** 端云协同执行
- **English:** Local–Cloud Split AI Execution
- **Canonical Domain:** `/ai/domain/infrastructure/edge`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

根据隐私、能力、网络、延迟、能耗和成本等条件，把 AI 任务动态分配到本地设备与云端模型执行的系统模式。

## `/ai/concept/local-planning-collision-avoidance`

- **Label:** Local Planning / Collision Avoidance
- **English:** Local Planning and Collision Avoidance
- **Canonical Domain:** `/ai/domain/physical/navigation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

结合局部感知和机器人运动约束实时计算短期运动控制目标，以跟随全局路径并避开动态或静态障碍。

## `/ai/concept/localization-mapping`

- **Label:** 定位与建图
- **English:** Localization and Mapping
- **Canonical Domain:** `/ai/domain/physical/localization-mapping`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

估计机器人、车辆或移动设备在全局或局部参考系中的位置与姿态，并构建或使用环境地图的技术体系。

## `/ai/concept/machine-unlearning`

- **Label:** 机器遗忘
- **English:** Machine Unlearning
- **Canonical Domain:** `/ai/domain/learning/continual-adaptation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

降低或移除特定训练数据、类别、实体或能力对已训练模型行为和参数的影响，使模型近似达到未使用相关数据训练时的状态或指定删除目标。

## `/ai/concept/machine-vision`

- **Label:** 机器视觉
- **English:** Machine Vision
- **Canonical Domain:** `/ai/domain/physical/perception`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

使用工业或机器人视觉传感器和视觉算法对物理对象、缺陷、位置、形状与事件进行检测、识别、测量和跟踪的技术体系。

## `/ai/concept/managed-model-catalog-api`

- **Label:** 托管模型目录与 API
- **English:** Managed Model Catalog and API
- **Canonical Domain:** `/ai/domain/infrastructure/cloud-maas`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

由平台统一提供多种基础模型的发现、权限、调用和生命周期管理能力。

## `/ai/concept/managed-model-customization`

- **Label:** 托管模型定制
- **English:** Managed Model Customization
- **Canonical Domain:** `/ai/domain/infrastructure/cloud-maas`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

云平台托管模型微调、参数高效适配或其他模型定制任务的基础设施服务。

## `/ai/concept/managed-model-endpoint`

- **Label:** 托管模型 Endpoint
- **English:** Managed Model Endpoint
- **Canonical Domain:** `/ai/domain/infrastructure/cloud-maas`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

由平台负责资源供应、扩缩容、健康检查和 API 暴露的模型推理服务终点。

## `/ai/concept/manipulation-motion-planning`

- **Label:** 操作与运动规划
- **English:** Manipulation and Motion Planning
- **Canonical Domain:** `/ai/domain/physical/manipulation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

使机器人机械臂、灵巧手或其他执行器能够在几何、关节、碰撞和动力学约束下规划运动，并抓取、放置、插接、装配和操作物体的能力体系。

## `/ai/concept/mcp-host-client-server`

- **Label:** MCP Host / Client / Server
- **English:** MCP Host, Client and Server
- **Canonical Domain:** `/ai/domain/connectivity/mcp`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

MCP 体系中负责承载 AI 应用、建立协议连接和暴露外部能力的角色结构。

## `/ai/concept/mcp-prompt`

- **Label:** MCP Prompt
- **English:** MCP Prompt
- **Canonical Domain:** `/ai/domain/connectivity/mcp`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

由 MCP Server 暴露的可参数化提示或交互模板，用于让 Host / User 调用预定义模型交互结构。

## `/ai/concept/mcp-resource`

- **Label:** MCP Resource
- **English:** MCP Resource
- **Canonical Domain:** `/ai/domain/connectivity/mcp`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

由 MCP Server 通过 URI 等标识暴露、可被 AI Host 读取的上下文或数据资源。

## `/ai/concept/mcp-tool`

- **Label:** MCP Tool
- **English:** MCP Tool
- **Canonical Domain:** `/ai/domain/connectivity/mcp`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

由 MCP Server 声明并可被 Client / Host 调用的结构化动作能力。

## `/ai/concept/mcp-transport-capability-negotiation`

- **Label:** MCP Transport / Capability Negotiation
- **English:** MCP Transport and Capability Negotiation
- **Canonical Domain:** `/ai/domain/connectivity/mcp`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

负责 MCP Client / Server 建立连接、协商支持能力并交换协议消息的传输与能力协商机制。

## `/ai/concept/mcu-embedded-controller-interface`

- **Label:** MCU / Embedded Controller Interface
- **English:** MCU and Embedded Controller Interface
- **Canonical Domain:** `/ai/domain/physical/controller-actuation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

与微控制器或嵌入式控制板通信并交换传感器状态、设备参数和执行命令的接口。

## `/ai/concept/mechanistic-scientific-explanation`

- **Label:** 机制性科学解释
- **English:** Mechanistic Scientific Explanation
- **Canonical Domain:** `/ai/domain/ai4s/hypothesis`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

提出连接原因、状态变化和观测结果的明确机制链，而不是只给出统计相关关系。

## `/ai/concept/memory-pooling-disaggregation`

- **Label:** 内存池化与解耦
- **English:** Memory Pooling and Disaggregation
- **Canonical Domain:** `/ai/domain/infrastructure/memory-interconnect`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

将内存资源从单个计算节点的固定本地配置中部分解耦，使多个计算节点能够共享、扩展或动态访问内存资源的系统架构。

## `/ai/concept/memory-retrieval-augmented-model-architecture`

- **Label:** Memory / Retrieval-augmented 模型架构
- **English:** Memory / Retrieval-augmented Model Architecture
- **Canonical Domain:** `/ai/domain/learning/architecture`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

在模型结构或训练过程中显式引入外部可寻址记忆、检索模块或长期状态，以扩展固定参数表示能力的模型架构。

## `/ai/concept/message-queue`

- **Label:** 消息队列
- **English:** Message Queue
- **Canonical Domain:** `/ai/domain/connectivity/event-messaging`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

通过中间消息系统异步缓存并向一个或多个消费者交付工作消息，使生产者与消费者解耦的通信模式。

## `/ai/concept/meta-controller`

- **Label:** Meta-controller
- **English:** Meta-controller
- **Canonical Domain:** `/ai/domain/ai4ai/meta-learning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

在多个学习、搜索或 Agent 策略之间动态选择和调整改进方法的上层控制系统。

## `/ai/concept/meta-evaluation`

- **Label:** Meta-evaluation
- **English:** Meta-evaluation
- **Canonical Domain:** `/ai/domain/ai4ai/evaluator-reward`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

对 Evaluator 本身进行评估、比较和改进，以判断某个 Judge、Reward Model 或 Benchmark 是否真正能够区分更优 AI 系统。

## `/ai/concept/meta-learning`

- **Label:** Meta-learning
- **English:** Meta-learning
- **Canonical Domain:** `/ai/domain/ai4ai/meta-learning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

在多个任务或学习过程上训练系统，使它能够更快适应新任务或自动形成更有效的学习策略。

## `/ai/concept/meta-learning-learning-to-learn`

- **Label:** Meta-learning / Learning-to-Learn
- **English:** Meta-learning / Learning-to-Learn
- **Canonical Domain:** `/ai/domain/ai4ai/meta-learning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

让学习系统学习“怎样更有效地学习”，包括学习优化器、更新规则、适应策略和跨任务迁移机制。

## `/ai/concept/metadata-schema-contract`

- **Label:** 元数据、Schema 与数据契约
- **English:** Metadata / Schema / Contract
- **Canonical Domain:** `/ai/domain/data/metadata-schema`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-09

描述数据的结构、含义、拥有者、来源、更新方式、质量和使用约束，使数据资产能够被发现、理解和可靠消费的体系。

## `/ai/concept/mixture-of-experts`

- **Label:** Mixture of Experts
- **English:** Mixture of Experts
- **Canonical Domain:** `/ai/domain/learning/architecture`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

包含多个专家子网络，并由 Router 根据 token 或输入动态选择部分专家参与计算的稀疏模型架构。

## `/ai/concept/ml-framework-backend`

- **Label:** 机器学习框架后端
- **English:** ML Framework Backend
- **Canonical Domain:** `/ai/domain/infrastructure/runtime`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

连接高层机器学习框架与底层编译、算子和硬件运行时的执行层。

## `/ai/concept/mobile-robot-autonomy`

- **Label:** Mobile Robot Autonomy
- **English:** Mobile Robot Autonomy
- **Canonical Domain:** `/ai/domain/physical/autonomy`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

使 AMR、巡检机器人、配送机器人等移动平台在环境中自主定位、规划、避障和完成任务的系统能力。

## `/ai/concept/modbus`

- **Label:** Modbus
- **English:** Modbus
- **Canonical Domain:** `/ai/domain/physical/field-device-communication`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

通过寄存器、线圈等简单数据模型在工业设备与控制器之间读写数据的传统工业通信协议族。

## `/ai/concept/model-architecture-internal-representation`

- **Label:** 模型架构与内部表示
- **English:** Model Architecture and Internal Representation
- **Canonical Domain:** `/ai/domain/learning/architecture`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

决定模型如何表示输入、传递状态、组合信息和计算输出的核心神经网络结构与表示机制。

## `/ai/concept/model-context-protocol`

- **Label:** Model Context Protocol
- **English:** Model Context Protocol
- **Canonical Domain:** `/ai/domain/connectivity/mcp`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

为 AI Host / Client 与外部 Server 之间提供标准化能力发现和交互方式，使外部系统能够暴露工具、资源和可复用提示等能力的开放协议。

## `/ai/concept/model-distillation`

- **Label:** 模型蒸馏
- **English:** Model Distillation
- **Canonical Domain:** `/ai/domain/learning/post-training`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

使用更强、较大或集成模型提供的输出分布、标签、推理过程或行为数据训练较小模型，以迁移能力并降低部署成本的学习方法。

## `/ai/concept/model-editing`

- **Label:** 模型编辑
- **English:** Model Editing
- **Canonical Domain:** `/ai/domain/learning/continual-adaptation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

针对模型中的特定事实、行为或表示执行局部修改，目标是在最小影响其他能力的情况下改变指定输出行为。

## `/ai/concept/model-experiment-discrepancy`

- **Label:** Model–Experiment Discrepancy
- **English:** Model–Experiment Discrepancy
- **Canonical Domain:** `/ai/domain/ai4s/scientific-knowledge`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

模型预测与实验或观测结果之间具有科学意义的偏差，可用于发现模型缺失机制、数据问题或新现象。

## `/ai/concept/model-governance`

- **Label:** 模型治理
- **English:** Model Governance
- **Canonical Domain:** `/ai/domain/governance/model`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-11

对模型从引入、评估、批准、部署、升级到退役的全过程建立责任、允许用途、风险和变更控制。

## `/ai/concept/model-merge`

- **Label:** 模型合并
- **English:** Model Merge
- **Canonical Domain:** `/ai/domain/learning/post-training`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

在不重新完整训练的情况下，对多个模型、checkpoint 或参数增量进行组合，以合成新的模型参数状态或能力组合。

## `/ai/concept/model-predictive-control`

- **Label:** Model Predictive Control
- **English:** Model Predictive Control
- **Canonical Domain:** `/ai/domain/physical/control`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

在每个控制周期利用系统模型预测未来状态，并在约束条件下求解有限时间窗口优化问题后执行当前控制动作的控制方法。

## `/ai/concept/model-pruning-sparsity`

- **Label:** 模型剪枝与稀疏化
- **English:** Model Pruning and Sparsity
- **Canonical Domain:** `/ai/domain/infrastructure/efficient-inference`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

移除或跳过对模型输出贡献较低的参数、连接、结构或计算，以降低实际计算和存储开销的技术。

## `/ai/concept/model-quantization`

- **Label:** 模型量化
- **English:** Model Quantization
- **Canonical Domain:** `/ai/domain/infrastructure/efficient-inference`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

使用更低位宽或更紧凑数值表示近似模型权重、激活或缓存，以降低内存、带宽和计算成本的技术。

## `/ai/concept/model-router`

- **Label:** 模型路由器
- **English:** Model Router
- **Canonical Domain:** `/ai/domain/infrastructure/model-routing`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

根据请求内容、任务类型、质量要求、成本、时延、风险或运行状态，在多个候选模型或模型路径之间做动态选择的决策组件。

## `/ai/concept/model-serving`

- **Label:** 模型服务化
- **English:** Model Serving
- **Canonical Domain:** `/ai/domain/infrastructure/model-serving`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

将训练完成的模型包装为能够接受并发请求、管理资源、执行推理并满足生产 SLA 的持续在线服务系统。

## `/ai/concept/model-training-framework`

- **Label:** 模型训练框架
- **English:** Model Training Framework
- **Canonical Domain:** `/ai/domain/infrastructure/training-systems`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

提供自动微分、模型表达、优化器接口、设备执行和训练循环基础能力的软件框架。

## `/ai/concept/molecular-protein-foundation-model`

- **Label:** 分子 / 蛋白质基础模型
- **English:** Molecular / Protein Foundation Model
- **Canonical Domain:** `/ai/domain/model/domain-foundation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

针对蛋白质序列、结构、分子图、三维构象或相关生物化学对象训练的模型技术族。

## `/ai/concept/monitoring-detection-operations`

- **Label:** 监测、检测与运营响应
- **English:** Monitoring / Detection / Operations
- **Canonical Domain:** `/ai/domain/application/monitoring`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-06

持续接收业务、设备、网络、环境或安全事件，通过异常检测、分类、优先级排序、告警解释和处置建议支撑运营响应的应用形态。

## `/ai/concept/mqtt`

- **Label:** MQTT
- **English:** MQTT
- **Canonical Domain:** `/ai/domain/connectivity/event-messaging`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

一种轻量 Client–Server publish/subscribe 消息传输协议，常用于带宽受限、设备资源受限或 M2M / IoT 连接场景。

## `/ai/concept/multi-adapter-serving`

- **Label:** Multi-adapter / Multi-LoRA Serving
- **English:** Multi-adapter Serving
- **Canonical Domain:** `/ai/domain/infrastructure/model-serving`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

在共享一个基础模型服务实例的情况下，根据请求动态加载、切换或并发使用不同 Adapter / LoRA 权重的服务方式。

## `/ai/concept/multi-agent-scientific-research`

- **Label:** 多智能体科研
- **English:** Multi-agent Scientific Research
- **Canonical Domain:** `/ai/domain/ai4s/research-agent`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

让不同 Agent 分别承担文献、假设、计算、实验设计、批判和验证角色，并通过明确科研工作流协作的研究系统模式。

## `/ai/concept/multi-agent-supervisor`

- **Label:** Multi-agent Supervisor / Manager
- **English:** Multi-Agent Supervisor / Manager
- **Canonical Domain:** `/ai/domain/agent/multi-agent`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

由一个协调 Agent 负责拆解任务、选择 specialist、聚合结果和维持整体任务状态的多智能体模式。

## `/ai/concept/multi-agent-system`

- **Label:** 多智能体系统
- **English:** Multi-Agent System
- **Canonical Domain:** `/ai/domain/agent/multi-agent`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

由多个拥有独立 instructions、context、tools、state 或职责边界的 Agent 协同完成一个更大任务的系统结构。

## `/ai/concept/multi-sensor-fusion`

- **Label:** 多传感器融合
- **English:** Multi-sensor Fusion
- **Canonical Domain:** `/ai/domain/physical/state-estimation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

把来自多个互补传感器的观测联合起来，以获得比单一传感器更准确、连续或鲁棒的物理状态估计。

## `/ai/concept/multimodal-embedding-model`

- **Label:** 多模态向量模型
- **English:** Multimodal Embedding Model
- **Canonical Domain:** `/ai/domain/model/representation-retrieval`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

把不同模态对象映射到共享或可比较表示空间，用于跨模态检索、匹配和聚类。

## `/ai/concept/multimodal-internal-representation`

- **Label:** 多模态内部表示
- **English:** Multimodal Internal Representation
- **Canonical Domain:** `/ai/domain/learning/architecture`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

让图像、音频、视频、文本等不同模态进入共享、对齐或可交互表示空间的模型结构与表示机制。

## `/ai/concept/multimodal-physical-perception`

- **Label:** 多模态物理感知
- **English:** Multimodal Physical Perception
- **Canonical Domain:** `/ai/domain/physical/perception`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

联合视觉、深度、雷达、激光雷达、IMU、声学、力觉或其他物理传感器，提高环境理解鲁棒性的感知方法。

## `/ai/concept/multimodal-pretraining`

- **Label:** 多模态预训练
- **English:** Multimodal Pretraining
- **Canonical Domain:** `/ai/domain/learning/pretraining`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

在图像、视频、音频、文本等多种模态数据上建立跨模态表示、对齐和生成能力的预训练过程。

## `/ai/concept/multimodal-rag`

- **Label:** 多模态 RAG
- **English:** Multimodal RAG
- **Canonical Domain:** `/ai/domain/agent/knowledge-retrieval`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

对文本之外的图像、表格、视频、音频或页面等多模态知识进行索引、检索并提供给多模态生成模型的 RAG 体系。

## `/ai/concept/multimodal-scientific-representation`

- **Label:** 多模态科学表征
- **English:** Multimodal Scientific Representation
- **Canonical Domain:** `/ai/domain/ai4s/scientific-representation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

把不同科学测量和知识模态对齐到共同或可交互表示空间，使模型能够联合处理文本、结构、图像、谱图、时序和实验数据。

## `/ai/concept/multimodal-understanding-model-family`

- **Label:** 多模态理解与文档模型
- **English:** Multimodal Understanding and Document Model Family
- **Canonical Domain:** `/ai/domain/model/multimodal-understanding`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

对图像、视频、文档版面以及与文本交错的多模态上下文进行联合表示、理解和推理的模型技术族。

## `/ai/concept/music-general-audio-generation-model`

- **Label:** 音乐与通用音频生成模型
- **English:** Music and General Audio Generation Model
- **Canonical Domain:** `/ai/domain/model/generative-media`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

生成音乐、音效、环境声、Foley 或其他非语言音频内容的模型。

## `/ai/concept/native-api-rpc-integration`

- **Label:** Native API / RPC Integration
- **English:** Native API / RPC Integration
- **Canonical Domain:** `/ai/domain/connectivity/api-rpc`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

通过目标数字系统原生暴露的应用编程接口、远程过程调用或官方客户端库进行结构化读写和动作执行的集成方式。

## `/ai/concept/native-multimodal-omni-model`

- **Label:** 原生多模态 / Omni 模型
- **English:** Native Multimodal / Omni Model
- **Canonical Domain:** `/ai/domain/model/multimodal-understanding`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

在统一或深度耦合架构中处理多种输入与输出模态，使文本、图像、音频、视频等信息能够进入同一上下文和推理过程的模型类别。

## `/ai/concept/navigation-behavior-coordination`

- **Label:** Navigation Behavior Coordination
- **English:** Navigation Behavior Coordination
- **Canonical Domain:** `/ai/domain/physical/navigation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

在规划、控制、恢复、等待、重新定位等导航行为之间根据当前任务状态进行协调与切换的高层控制逻辑。

## `/ai/concept/navigation-mobile-autonomy`

- **Label:** 导航与移动自主
- **English:** Navigation and Mobile Autonomy
- **Canonical Domain:** `/ai/domain/physical/navigation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

根据目标位置、地图、障碍物和机器人动力学规划并执行移动路径，使移动机器人、无人机或车辆安全到达目标或完成覆盖任务的能力体系。

## `/ai/concept/neural-architecture-search`

- **Label:** Neural Architecture Search
- **English:** Neural Architecture Search
- **Canonical Domain:** `/ai/domain/ai4ai/architecture-algorithm-search`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

自动探索神经网络层、连接、模块、宽度、深度和其他结构设计，以优化指定性能目标的方法。

## `/ai/concept/neural-operator`

- **Label:** Neural Operator
- **English:** Neural Operator
- **Canonical Domain:** `/ai/domain/ai4s/sciml`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

学习从函数 / 场到函数 / 场映射的模型方法，使模型可以近似一类微分方程或物理系统的解算子，而不仅是单点输入输出映射。

## `/ai/concept/neuro-symbolic-scientific-reasoning`

- **Label:** 神经符号科学推理
- **English:** Neuro-symbolic Scientific Reasoning
- **Canonical Domain:** `/ai/domain/ai4s/formal-reasoning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

组合神经模型的生成 / 启发式搜索能力和符号系统的确定性演算与验证能力解决科学推理问题的方法。

## `/ai/concept/objective-loss-search`

- **Label:** Objective / Loss Search
- **English:** Objective / Loss Search
- **Canonical Domain:** `/ai/domain/ai4ai/architecture-algorithm-search`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

自动提出和验证训练目标、损失函数、奖励函数或正则化结构，以改善模型训练或对齐效果。

## `/ai/concept/occupancy-costmap`

- **Label:** Occupancy / Costmap
- **English:** Occupancy and Costmap
- **Canonical Domain:** `/ai/domain/physical/environment-representation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

将环境离散为空闲、占用、未知或不同通行成本区域，为移动规划和避障提供空间约束的表示方式。

## `/ai/concept/odometry`

- **Label:** 里程计 / Odometry
- **English:** Odometry
- **Canonical Domain:** `/ai/domain/physical/state-estimation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

根据连续运动观测估计机器人或车辆相对于起始状态的位姿变化。

## `/ai/concept/on-device-inference-runtime`

- **Label:** 端侧推理运行时
- **English:** On-device Inference Runtime
- **Canonical Domain:** `/ai/domain/infrastructure/edge`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

在移动端、PC、嵌入式或浏览器环境中负责模型加载、硬件后端适配和本地推理执行的软件运行时。

## `/ai/concept/online-learning`

- **Label:** 在线学习
- **English:** Online Learning
- **Canonical Domain:** `/ai/domain/learning/continual-adaptation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

模型随着数据逐步到达而持续进行小步更新，不依赖固定离线训练批次的学习方式。

## `/ai/concept/opc-ua`

- **Label:** OPC UA
- **English:** OPC Unified Architecture
- **Canonical Domain:** `/ai/domain/physical/industrial-interoperability`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

用于工业设备、控制系统与企业系统之间安全、平台无关信息交换的互操作标准，同时定义信息模型、消息、通信和一致性机制。

## `/ai/concept/open-ended-agent-evolution`

- **Label:** Open-ended Agent Evolution
- **English:** Open-ended Agent Evolution
- **Canonical Domain:** `/ai/domain/ai4ai/open-ended-search`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

让 Agent 的代码、工具、策略或结构在多代搜索中持续产生新的有效能力和改进路径。

## `/ai/concept/open-ended-recursive-self-improvement`

- **Label:** Open-ended Recursive Self-Improvement
- **English:** Open-ended Recursive Self-Improvement
- **Canonical Domain:** `/ai/domain/ai4ai/recursive-self-improvement`
- **Status:** draft
- **Maturity:** unverified-research-goal
- **Source:** chapter-08

在没有固定有限改进目标和人工设计搜索空间约束的情况下，AI 系统持续扩大自身改进能力和能力范围的递归自我改进形态。

## `/ai/concept/open-ended-search-evolution`

- **Label:** Open-ended Search / Evolution
- **English:** Open-ended Search / Evolution
- **Canonical Domain:** `/ai/domain/ai4ai/open-ended-search`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

通过持续生成多样候选、保留多个进化分支和积累 stepping stones，避免单一局部目标过早收敛的开放式搜索方法。

## `/ai/concept/optimization-operations-research`

- **Label:** 优化与运筹
- **English:** Optimization and Operations Research
- **Canonical Domain:** `/ai/domain/model/decision-science`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

在目标函数与约束条件下搜索可行、最优或近似最优的行动、调度、分配、路径和资源配置方案的算法体系。

## `/ai/concept/parallel-subagents`

- **Label:** Parallel Subagents
- **English:** Parallel Subagents
- **Canonical Domain:** `/ai/domain/agent/multi-agent`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

为多个相互独立或可并行的子任务启动不同 Agent，同时执行后再聚合结果的模式。

## `/ai/concept/parameter-efficient-fine-tuning`

- **Label:** 参数高效微调
- **English:** Parameter-efficient Fine-tuning
- **Canonical Domain:** `/ai/domain/learning/post-training`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

在冻结大部分基础模型参数的前提下，仅训练较小参数子集、Adapter 或低秩参数，以较低计算与存储成本完成模型适配的方法族。

## `/ai/concept/performance-capacity-engineering`

- **Label:** 性能与容量工程
- **English:** Performance / Capacity Engineering
- **Canonical Domain:** `/ai/domain/engineering/performance`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-10

在指定质量目标下优化 AI 系统延迟、吞吐、并发、资源利用和容量的工程体系。

## `/ai/concept/personal-agent`

- **Label:** 个人智能体 / Personal Agent
- **English:** Personal Agent / Personal AI Agent
- **Aliases:** Personal AI；个人 Agent；Personal AI Assistant
- **Canonical Domain:** `/ai/domain/application/personal-agent`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-06

以同一自然人为长期服务主体，在其明确授权与可撤销权限范围内利用个人上下文、偏好和持续任务状态，跨应用或设备协助规划、执行、跟进个人事务的 AI 应用系统形态。长期上下文与代理关系是核心；持续记忆、主动触发和自主执行的程度可因产品而异。

**Boundary:** 独立的个人应用形态，不等同于对话助手、个性化推荐或 Agent Memory；跨应用行动须受用户授权与治理约束。

## `/ai/concept/personalization-recommendation`

- **Label:** 个性化与推荐
- **English:** Personalization / Recommendation
- **Canonical Domain:** `/ai/domain/application/personalization`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-06

根据用户、组织、场景与历史行为动态排序候选内容、产品、行动或体验，并持续调整交互结果的应用形态。

## `/ai/concept/physical-ai-synthetic-data-generation`

- **Label:** Physical AI Synthetic Data Generation
- **English:** Physical AI Synthetic Data Generation
- **Canonical Domain:** `/ai/domain/physical/simulation-digital-twin`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

利用仿真、渲染和程序化场景生成带标签的物理感知或机器人训练数据。

## `/ai/concept/physical-ai-validation-engineering`

- **Label:** Physical AI Validation Engineering
- **English:** Physical AI Validation Engineering
- **Canonical Domain:** `/ai/domain/engineering/physical-validation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-10

使用仿真、SIL、HIL、场景回归、故障注入和现场测试验证机器人、车辆、工业和农业 AI 的物理行为。

## `/ai/concept/physical-control-functional-safety`

- **Label:** 物理控制与功能安全
- **English:** Physical Control and Functional Safety
- **Canonical Domain:** `/ai/domain/physical/control`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

通过实时反馈控制使物理系统稳定跟踪目标状态，并使用独立安全机制在故障、异常输入或危险状态下保证系统进入或保持安全状态的工程体系。

## `/ai/concept/physical-perception`

- **Label:** 物理感知
- **English:** Physical Perception
- **Canonical Domain:** `/ai/domain/physical/perception`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

把来自摄像头、深度传感器、雷达、激光雷达、声学、热成像和其他物理传感器的信号转换成对象、几何、事件、缺陷、状态或场景语义的能力体系。

## `/ai/concept/physical-sensor-ot-data`

- **Label:** 物理、传感器与 OT 数据
- **English:** Physical / Sensor / OT Data
- **Canonical Domain:** `/ai/domain/data/physical-sensor`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-09

_Definition is carried by the corresponding Projection card._

## `/ai/concept/physical-state-estimation`

- **Label:** 物理状态估计
- **English:** Physical State Estimation
- **Canonical Domain:** `/ai/domain/physical/state-estimation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

结合系统模型和传感器观测估计物理对象当前状态及其不确定性的过程。

## `/ai/concept/physical-time-series-forecasting`

- **Label:** 物理时序预测
- **English:** Physical Time-series Forecasting
- **Canonical Domain:** `/ai/domain/physical/time-series`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

根据历史传感器和过程变量预测未来一段时间内设备、环境或物理过程状态的技术。

## `/ai/concept/physics-informed-neural-network`

- **Label:** Physics-informed Neural Network
- **English:** Physics-informed Neural Network
- **Canonical Domain:** `/ai/domain/ai4s/sciml`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

把偏微分方程、边界条件、初始条件或其他物理约束加入训练目标，使神经网络在拟合数据之外同时满足指定物理规律的方法。

## `/ai/concept/physics-simulation`

- **Label:** 物理仿真
- **English:** Physics Simulation
- **Canonical Domain:** `/ai/domain/physical/simulation-digital-twin`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

通过数学和数值模型模拟刚体、软体、流体、接触、摩擦、动力学或其他物理过程的计算技术。

## `/ai/concept/plan-execute-replanning`

- **Label:** Plan-and-Execute / Replanning
- **English:** Plan-and-Execute and Replanning
- **Canonical Domain:** `/ai/domain/agent/planning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

先形成任务计划，再逐步执行并根据工具结果、环境变化或失败动态更新计划的 Agent 控制模式。

## `/ai/concept/plc-interface`

- **Label:** PLC Interface
- **English:** PLC Interface
- **Canonical Domain:** `/ai/domain/physical/controller-actuation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

通过变量、Tag、Register、Function Block、Method 或工业协议读取 PLC 状态并发送受控命令的集成接口。

## `/ai/concept/policy-control-obligation`

- **Label:** 政策、控制与义务
- **English:** Policy / Control / Obligation
- **Canonical Domain:** `/ai/domain/governance/policy-control`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-11

_Definition is carried by the corresponding Projection card._

## `/ai/concept/population-based-improvement`

- **Label:** Population-based Improvement
- **English:** Population-based Improvement
- **Canonical Domain:** `/ai/domain/ai4ai/open-ended-search`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

同时维护多个候选系统，通过交叉、竞争、复制或替换提高整体搜索效率并保持多样性。

## `/ai/concept/post-training-alignment`

- **Label:** 后训练与对齐
- **English:** Post-training and Alignment
- **Canonical Domain:** `/ai/domain/learning/post-training`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

在基础预训练模型之上，通过监督数据、偏好、奖励、领域数据或参数高效更新等方式塑造任务能力、指令遵循、行为偏好、安全边界和部署适配的训练阶段。

## `/ai/concept/preference-optimization`

- **Label:** 偏好优化
- **English:** Preference Optimization
- **Canonical Domain:** `/ai/domain/learning/post-training`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

利用成对偏好、排序或隐式偏好信号，使模型输出分布更接近目标偏好的后训练方法族。

## `/ai/concept/prefill-decode-disaggregation`

- **Label:** Prefill / Decode 解耦
- **English:** Prefill / Decode Disaggregation
- **Canonical Domain:** `/ai/domain/infrastructure/model-serving`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

将 LLM 推理的 Prefill 阶段与 Decode 阶段部署、调度或资源分配到不同计算资源，以分别优化计算密集与内存 / 带宽密集特征。

## `/ai/concept/prefix-caching`

- **Label:** Prefix Caching
- **English:** Prefix Caching
- **Canonical Domain:** `/ai/domain/infrastructure/model-serving`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

复用不同请求之间相同输入前缀已经生成的 KV Cache，从而避免重复执行共享前缀的 prefill 计算。

## `/ai/concept/pretraining-data-mixture-sampling`

- **Label:** 预训练数据混合与采样
- **English:** Pretraining Data Mixture and Sampling
- **Canonical Domain:** `/ai/domain/learning/pretraining`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

决定不同数据来源、语言、任务域与难度样本在训练过程中以什么比例和概率被模型看到的训练配方。

## `/ai/concept/pretraining-data-recipe`

- **Label:** 预训练与数据配方
- **English:** Pretraining and Data Recipe
- **Canonical Domain:** `/ai/domain/learning/pretraining`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

在大规模未标注、弱标注或自监督数据上形成基础表示和通用能力的训练过程，以及决定训练数据组成、采样、目标和顺序的数据配方。

## `/ai/concept/pretraining-objective`

- **Label:** 预训练目标
- **English:** Pretraining Objective
- **Canonical Domain:** `/ai/domain/learning/pretraining`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

规定模型在预训练阶段要预测、重建、对齐或区分什么信号的优化目标。

## `/ai/concept/probabilistic-bayesian-model`

- **Label:** 概率与贝叶斯模型
- **English:** Probabilistic and Bayesian Model
- **Canonical Domain:** `/ai/domain/model/statistical-ai`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

显式表示变量、参数或预测不确定性，并通过概率分布和条件关系进行推断的模型体系。

## `/ai/concept/production-monitoring-drift`

- **Label:** Production Monitoring / Drift
- **English:** Production Monitoring / Drift
- **Canonical Domain:** `/ai/domain/engineering/production-monitoring`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-10

持续观察 AI 系统在真实生产环境中的质量、分布、行为和依赖变化，并在偏离历史和目标时触发评估或恢复动作。

## `/ai/concept/professional-software-plugin-api`

- **Label:** Professional Software Plugin / API
- **English:** Professional Software Plugin and API
- **Canonical Domain:** `/ai/domain/connectivity/professional-software`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

通过专业软件提供的插件系统、脚本 API、Automation API 或领域 SDK 调用 CAD、BIM、GIS、EDA、CAE 等专业工具能力的集成方式。

## `/ai/concept/program-algorithm-evolution`

- **Label:** 程序 / 算法进化
- **English:** Program / Algorithm Evolution
- **Canonical Domain:** `/ai/domain/ai4ai/architecture-algorithm-search`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

通过 LLM 生成、程序变异、自动评估和选择机制不断产生更优程序或算法的搜索方法。

## `/ai/concept/programmatic-tool-calling`

- **Label:** Programmatic Tool Calling
- **English:** Programmatic Tool Calling
- **Canonical Domain:** `/ai/domain/agent/tool-use`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

让 Agent 通过生成程序或脚本组合多个工具调用、条件和循环，而不是每一步都单独返回一个模型级 Tool Call 的执行模式。

## `/ai/concept/prompt-instruction-engineering`

- **Label:** Prompt / Instruction Engineering
- **English:** Prompt and Instruction Engineering
- **Canonical Domain:** `/ai/domain/agent/context`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

设计模型可见的目标、角色、规则、格式和任务说明，使模型在特定上下文中产生稳定目标行为的方法。

## `/ai/concept/property-conditioned-scientific-generation`

- **Label:** 属性条件科学生成
- **English:** Property-conditioned Scientific Generation
- **Canonical Domain:** `/ai/domain/ai4s/generative-design`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

以目标科学性质作为生成条件，直接搜索或生成满足给定性能约束的候选科学对象。

## `/ai/concept/protocol-translation`

- **Label:** Protocol Translation
- **English:** Protocol Translation
- **Canonical Domain:** `/ai/domain/physical/edge-gateway`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

把一种设备通信协议中的数据与命令转换为另一种协议或上层统一接口的适配过程。

## `/ai/concept/publish-subscribe`

- **Label:** Publish / Subscribe
- **English:** Publish / Subscribe
- **Canonical Domain:** `/ai/domain/connectivity/event-messaging`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

Publisher 把消息发布到 Topic / Channel，多个 Subscriber 根据订阅规则异步接收消息，而双方不必直接知道彼此身份的通信模式。

## `/ai/concept/quality-diversity-search`

- **Label:** Quality-Diversity Search
- **English:** Quality-Diversity Search
- **Canonical Domain:** `/ai/domain/ai4ai/open-ended-search`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

同时优化候选质量与行为多样性，维护多个不同但有价值的解，而不是只保留单一最优候选。

## `/ai/concept/query-transformation`

- **Label:** Query Transformation
- **English:** Query Transformation
- **Canonical Domain:** `/ai/domain/agent/knowledge-retrieval`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

在检索前把原始用户问题改写、拆解、扩展或生成多个查询，以提高知识召回质量的过程。

## `/ai/concept/rag-context-assembly`

- **Label:** RAG Context Assembly
- **English:** RAG Context Assembly
- **Canonical Domain:** `/ai/domain/agent/knowledge-retrieval`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

从检索候选中选择、去重、排序和组织最终进入模型上下文的知识片段及其来源元数据。

## `/ai/concept/ranking-recommendation-forecasting`

- **Label:** 排序、推荐与预测模型
- **English:** Ranking, Recommendation and Forecasting Models
- **Canonical Domain:** `/ai/domain/model/statistical-ai`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

针对候选排序、用户偏好、需求趋势和未来时间序列进行预测的模型技术族。

## `/ai/concept/realtime-speech-to-speech-model`

- **Label:** 实时 Speech-to-Speech 模型
- **English:** Realtime Speech-to-Speech Model
- **Canonical Domain:** `/ai/domain/model/speech-audio`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

以流式音频为主要输入和输出，能够在对话尚未完全结束时持续理解、生成和调整响应的实时语音模型。

## `/ai/concept/reasoning-model`

- **Label:** 推理模型
- **English:** Reasoning Model
- **Canonical Domain:** `/ai/domain/model/language-reasoning-code`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

通过训练、搜索、额外推理计算、工具或验证反馈等机制，针对多步、组合、约束或可验证问题提升推理过程质量的模型类别。

## `/ai/concept/recursive-ai-research-loop`

- **Label:** Recursive AI Research Loop
- **English:** Recursive AI Research Loop
- **Canonical Domain:** `/ai/domain/ai4ai/recursive-self-improvement`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

AI 研究系统把自己或支撑自身研发的模型、Evaluator、Agent 和工具作为下一轮研究对象，形成连续多代 AI 研发闭环。

## `/ai/concept/recursive-self-improvement`

- **Label:** Recursive Self-Improvement
- **English:** Recursive Self-Improvement
- **Canonical Domain:** `/ai/domain/ai4ai/recursive-self-improvement`
- **Status:** draft
- **Maturity:** research-boundary
- **Source:** chapter-08

AI 系统反复改进自身模型、算法、Agent、评测器或研发流程，并使后续版本拥有更强的进一步改进能力，从而形成递归增强的改进闭环。

## `/ai/concept/regulatory-standards-compliance`

- **Label:** Regulatory / Standards Compliance
- **English:** Regulatory / Standards Compliance
- **Canonical Domain:** `/ai/domain/governance/compliance`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-11

把外部法律、法规、行业标准和组织要求映射为内部 Governance Requirement、Control 和 Evidence，并持续证明系统满足相关要求。

## `/ai/concept/reinforcement-learning-verifiable-rewards`

- **Label:** 可验证奖励强化学习
- **English:** Reinforcement Learning from Verifiable Rewards
- **Canonical Domain:** `/ai/domain/learning/reinforcement`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

利用可由程序、测试、形式化系统、数学检查或确定性环境自动判定的任务结果作为奖励信号进行强化学习。

## `/ai/concept/reinforcement-self-play-verifier-learning`

- **Label:** 强化学习、自博弈与验证器驱动学习
- **English:** Reinforcement, Self-play and Verifier-guided Learning
- **Canonical Domain:** `/ai/domain/learning/reinforcement`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

利用奖励、环境反馈、对手、验证器或搜索结果对模型策略进行迭代更新，使模型在多步决策和可反馈任务中提高行为质量的学习技术族。

## `/ai/concept/remaining-useful-life-estimation`

- **Label:** 剩余寿命估计
- **English:** Remaining Useful Life Estimation
- **Canonical Domain:** `/ai/domain/physical/time-series`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

根据设备运行历史、退化信号和健康状态估计距离功能失效或维护阈值还剩多少可用时间。

## `/ai/concept/representation-retrieval-model-family`

- **Label:** 表征与检索模型
- **English:** Representation and Retrieval Model Family
- **Canonical Domain:** `/ai/domain/model/representation-retrieval`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

将文本、图像、音频、代码或其他对象映射成可比较表示，或直接估计 query 与 candidate 之间相关性的模型技术族。

## `/ai/concept/reranker-model`

- **Label:** 重排序模型
- **English:** Reranker Model
- **Canonical Domain:** `/ai/domain/model/representation-retrieval`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

对第一阶段检索得到的候选集合进行更精细 query–candidate 相关性评分并重新排序的模型。

## `/ai/concept/research-agent`

- **Label:** Research Agent
- **English:** Research Agent
- **Canonical Domain:** `/ai/domain/agent/specialized-agents`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

以提出检索问题、搜索来源、阅读文档、比较证据和综合报告为核心工作流的 Agent 类型。

## `/ai/concept/rest-http-api`

- **Label:** REST / HTTP API
- **English:** REST / HTTP API
- **Canonical Domain:** `/ai/domain/connectivity/api-rpc`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

通过 HTTP 方法、URL、Headers 和结构化 Payload 暴露资源或动作的应用接口模式。

## `/ai/concept/retrieval-augmented-generation`

- **Label:** 检索增强生成
- **English:** Retrieval-Augmented Generation
- **Canonical Domain:** `/ai/domain/agent/knowledge-retrieval`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

在生成阶段从外部知识源检索与任务相关的信息，并将其作为模型上下文或证据，使生成模型能够使用参数之外的动态、私有或可追溯知识的系统模式。

## `/ai/concept/retrieval-pipeline`

- **Label:** Retrieval Pipeline
- **English:** Retrieval Pipeline
- **Canonical Domain:** `/ai/domain/agent/knowledge-retrieval`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

从查询进入到候选知识被召回、过滤、排序并准备供下游模型使用的一系列检索步骤。

## `/ai/concept/retrieval-reranking`

- **Label:** Retrieval Reranking
- **English:** Retrieval Reranking
- **Canonical Domain:** `/ai/domain/agent/knowledge-retrieval`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

对第一阶段召回候选使用更高成本但更精细的相关性评分重新排序，以提高最终进入上下文的信息质量。

## `/ai/concept/reward-model-improvement`

- **Label:** Reward Model Improvement
- **English:** Reward Model Improvement
- **Canonical Domain:** `/ai/domain/ai4ai/evaluator-reward`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

通过新偏好、困难样本、元评估或反馈迭代提高 Reward Model 判断质量的过程。

## `/ai/concept/reward-process-model`

- **Label:** Reward / Process Model
- **English:** Reward / Process Model
- **Canonical Domain:** `/ai/domain/learning/post-training`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

对模型最终输出或中间推理过程进行评分，为偏好学习、强化学习、搜索或候选选择提供学习信号的模型。

## `/ai/concept/rlhf-policy-optimization`

- **Label:** RLHF / Policy Optimization
- **English:** RLHF and Policy Optimization
- **Canonical Domain:** `/ai/domain/learning/reinforcement`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

使用人类偏好或由偏好模型产生的奖励信号，通过强化学习更新模型策略的训练方式。

## `/ai/concept/robot-controller-interface`

- **Label:** Robot Controller Interface
- **English:** Robot Controller Interface
- **Canonical Domain:** `/ai/domain/physical/controller-actuation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

向工业机器人、协作机器人或移动机器人底层控制器提交轨迹、目标、模式或任务命令并获取执行状态的接口。

## `/ai/concept/robot-global-route-planning`

- **Label:** Global / Route Planning
- **English:** Global and Route Planning
- **Canonical Domain:** `/ai/domain/physical/navigation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

根据全局地图或路网计算从当前位置到目标位置的可行或优化路径。

## `/ai/concept/robot-grasping`

- **Label:** Robot Grasping
- **English:** Robot Grasping
- **Canonical Domain:** `/ai/domain/physical/manipulation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

根据对象几何、姿态、摩擦和夹具能力选择接触位置和手爪配置，使机器人稳定抓取物体的能力。

## `/ai/concept/robot-imitation-learning`

- **Label:** 机器人模仿学习
- **English:** Robot Imitation Learning
- **Canonical Domain:** `/ai/domain/physical/robot-learning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

根据人类、专家策略或其他机器人提供的示范轨迹学习从观测到动作策略的方法。

## `/ai/concept/robot-kinematics`

- **Label:** Robot Kinematics
- **English:** Robot Kinematics
- **Canonical Domain:** `/ai/domain/physical/manipulation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

描述机器人关节配置与末端执行器位置 / 姿态之间几何关系的运动学方法。

## `/ai/concept/robot-learning-sim-to-real`

- **Label:** Robot Learning / Sim-to-Real
- **English:** Robot Learning and Sim-to-Real
- **Canonical Domain:** `/ai/domain/physical/robot-learning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

让机器人通过示范、强化学习、交互数据和仿真经验学习感知到动作的策略，并把仿真或训练环境中形成的能力迁移到真实机器人。

## `/ai/concept/robot-map-representation`

- **Label:** Robot Map Representation
- **English:** Robot Map Representation
- **Canonical Domain:** `/ai/domain/physical/localization-mapping`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

用于定位、规划和避障的环境空间表示，包括几何、占用、拓扑和语义信息。

## `/ai/concept/robot-middleware-interface`

- **Label:** Robot Middleware / Robot Interface
- **English:** Robot Middleware and Robot Interface
- **Canonical Domain:** `/ai/domain/physical/robot-middleware`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

在机器人软件组件之间提供消息、服务、长任务动作、设备抽象和分布式通信的中间件与接口体系。

## `/ai/concept/robot-motion-planning`

- **Label:** Robot Motion Planning
- **English:** Robot Motion Planning
- **Canonical Domain:** `/ai/domain/physical/manipulation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

在关节、碰撞、几何和运动约束下，为机器人从当前配置到目标配置计算可执行运动轨迹的技术。

## `/ai/concept/robot-reinforcement-learning`

- **Label:** 机器人强化学习
- **English:** Reinforcement Learning for Robotics
- **Canonical Domain:** `/ai/domain/physical/robot-learning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

让机器人 Policy 通过与环境交互获得奖励信号，并迭代优化动作策略的学习方法。

## `/ai/concept/robot-skill-learning`

- **Label:** Robot Skill Learning
- **English:** Robot Skill Learning
- **Canonical Domain:** `/ai/domain/physical/robot-learning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

学习可重复调用的运动或交互技能，如 grasp、place、open、insert、fold、walk 等，并在高层任务中组合这些技能。

## `/ai/concept/robotic-experiment-execution`

- **Label:** 机器人实验执行
- **English:** Robotic Experiment Execution
- **Canonical Domain:** `/ai/domain/ai4s/autonomous-lab`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

使用机械臂、液体处理机器人、自动样本系统和其他实验机器人执行物理实验操作。

## `/ai/concept/robotics-simulation`

- **Label:** 机器人仿真
- **English:** Robotics Simulation
- **Canonical Domain:** `/ai/domain/physical/simulation-digital-twin`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

在虚拟环境中模拟机器人机构、传感器、控制器、接触和任务，用于开发、训练、测试和验证机器人系统。

## `/ai/concept/ros-action`

- **Label:** ROS Action
- **English:** ROS Action
- **Canonical Domain:** `/ai/domain/physical/robot-middleware`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

ROS 2 中用于持续时间较长、需要过程反馈并支持取消或抢占的任务调用接口。

## `/ai/concept/ros-service`

- **Label:** ROS Service
- **English:** ROS Service
- **Canonical Domain:** `/ai/domain/physical/robot-middleware`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

ROS 2 中用于短时间完成的 request / response 远程调用接口。

## `/ai/concept/ros-topic`

- **Label:** ROS Topic
- **English:** ROS Topic
- **Canonical Domain:** `/ai/domain/physical/robot-middleware`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

ROS 2 中用于连续、多对多异步数据流的 publish/subscribe 通信接口。

## `/ai/concept/ros2`

- **Label:** ROS 2
- **English:** ROS 2
- **Canonical Domain:** `/ai/domain/physical/robot-middleware`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

为机器人分布式软件提供 Node、Topic、Service、Action、QoS 和底层 middleware abstraction 的机器人软件通信与运行生态。

## `/ai/concept/routing-model-selection-operations`

- **Label:** Routing / Model Selection Operations
- **English:** Routing / Model Selection Operations
- **Canonical Domain:** `/ai/domain/engineering/routing`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-10

根据任务、质量、成本、延迟、容量和故障状态动态选择模型、Provider 或执行路径，并持续评估路由策略是否真正改善系统目标。

## `/ai/concept/rtk-high-precision-positioning`

- **Label:** RTK / 高精度定位
- **English:** RTK / High-precision Positioning
- **Canonical Domain:** `/ai/domain/physical/localization-mapping`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

使用基准站或差分修正信息降低 GNSS 定位误差，实现厘米级或更高精度定位的技术。

## `/ai/concept/rule-based-model-router`

- **Label:** 规则模型路由
- **English:** Rule-based Model Router
- **Canonical Domain:** `/ai/domain/infrastructure/model-routing`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

根据人工定义条件选择模型或 Provider 的路由方式。

## `/ai/concept/rule-engine`

- **Label:** Rule Engine
- **English:** Rule Engine
- **Canonical Domain:** `/ai/domain/agent/symbolic-reasoning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

根据显式条件、事实和规则集合执行确定性或准确定性推理与业务判断的系统。

## `/ai/concept/safety-assurance-high-risk-control`

- **Label:** Safety Assurance / High-risk Control
- **English:** Safety Assurance / High-risk Control
- **Canonical Domain:** `/ai/domain/governance/safety-assurance`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-11

针对可能造成人员伤害、重大财务损失、关键基础设施中断或其他严重后果的 AI 系统，通过 Hazard Analysis、Safety Requirement、独立保护机制和 Evidence 建立可接受风险保证。

## `/ai/concept/safety-controller`

- **Label:** Safety Controller
- **English:** Safety Controller
- **Canonical Domain:** `/ai/domain/physical/safety`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

独立监控危险状态并执行经过确定性设计的安全动作，以避免控制系统或 AI 失效导致危险后果的安全关键控制组件。

## `/ai/concept/safety-interlock`

- **Label:** Safety Interlock
- **English:** Safety Interlock
- **Canonical Domain:** `/ai/domain/physical/safety`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

当安全条件未满足或危险条件出现时，阻止某个动作执行、限制系统进入危险状态或强制切换到安全状态的确定性机制。

## `/ai/concept/scale-out-ai-fabric`

- **Label:** Scale-out AI 网络
- **English:** Scale-out AI Fabric
- **Canonical Domain:** `/ai/domain/infrastructure/memory-interconnect`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

连接不同服务器、机架或计算域的高性能网络，用于支持大规模分布式训练、推理与数据移动。

## `/ai/concept/scale-up-interconnect`

- **Label:** Scale-up 高速互联
- **English:** Scale-up Interconnect
- **Canonical Domain:** `/ai/domain/infrastructure/memory-interconnect`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

在一个紧耦合计算域内连接多个 AI 加速器，使其能够以低延迟、高带宽方式协同执行单个大模型或并行工作负载的互联技术。

## `/ai/concept/schema-programmatic-validator`

- **Label:** Schema / Programmatic Validator
- **English:** Schema and Programmatic Validator
- **Canonical Domain:** `/ai/domain/agent/symbolic-reasoning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

通过 Schema、类型、正则、代码、单元测试或业务校验函数检查模型输出和工具参数是否满足明确结构与规则。

## `/ai/concept/scientific-active-learning`

- **Label:** 科学 Active Learning
- **English:** Scientific Active Learning
- **Canonical Domain:** `/ai/domain/ai4s/experiment-design`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

模型根据当前不确定性或信息价值主动选择最值得标注、计算或实验验证的新样本，以减少所需数据或实验次数。

## `/ai/concept/scientific-bayesian-optimization`

- **Label:** Scientific Bayesian Optimization
- **English:** Scientific Bayesian Optimization
- **Canonical Domain:** `/ai/domain/ai4s/experiment-design`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

使用概率代理模型和 acquisition function 在昂贵实验或模拟目标上选择下一组最有价值参数的序贯优化方法。

## `/ai/concept/scientific-candidate-optimization`

- **Label:** 科学候选优化
- **English:** Scientific Candidate Optimization
- **Canonical Domain:** `/ai/domain/ai4s/generative-design`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

在候选科学设计空间中使用优化、搜索、生成模型或实验反馈迭代提升目标性质的过程。

## `/ai/concept/scientific-causal-reasoning`

- **Label:** 科学因果推理
- **English:** Scientific Causal Reasoning
- **Canonical Domain:** `/ai/domain/ai4s/hypothesis`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

在科学问题中利用实验、观测、机制和因果假设分析干预与结果之间关系，并生成可检验因果解释。

## `/ai/concept/scientific-claim-evidence-linkage`

- **Label:** Scientific Claim–Evidence Linkage
- **English:** Scientific Claim–Evidence Linkage
- **Canonical Domain:** `/ai/domain/ai4s/scientific-knowledge`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

明确记录哪个实验、计算或观测支持、反驳、限制或修正哪个科学 Claim 的知识关系。

## `/ai/concept/scientific-emulator`

- **Label:** 科学 Emulator
- **English:** Scientific Emulator
- **Canonical Domain:** `/ai/domain/ai4s/scientific-prediction`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

以学习模型近似一个复杂科学系统在不同条件下的动态行为，用于快速情景分析和参数探索。

## `/ai/concept/scientific-evidence`

- **Label:** 科学证据
- **English:** Scientific Evidence
- **Canonical Domain:** `/ai/domain/ai4s/scientific-knowledge`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

通过实验、观测、计算、正式证明或经过明确方法产生，能够用于支持或反驳科学 Claim 的可追溯结果。

## `/ai/concept/scientific-experimental-data`

- **Label:** 科学与实验数据
- **English:** Scientific / Experimental Data
- **Canonical Domain:** `/ai/domain/data/scientific`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-09

_Definition is carried by the corresponding Projection card._

## `/ai/concept/scientific-experimental-design`

- **Label:** 科学实验设计
- **English:** Scientific Experimental Design
- **Canonical Domain:** `/ai/domain/ai4s/experiment-design`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

系统选择实验因素、水平、对照、样本和测量方案，以有效估计目标关系并控制混杂和误差的科学方法。

## `/ai/concept/scientific-field-foundation-model`

- **Label:** 科学领域基础模型
- **English:** Scientific Field Foundation Model
- **Canonical Domain:** `/ai/domain/model/domain-foundation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

_Definition is carried by the corresponding Projection card._

## `/ai/concept/scientific-forecasting`

- **Label:** 科学预测
- **English:** Scientific Forecasting
- **Canonical Domain:** `/ai/domain/ai4s/scientific-prediction`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

预测自然系统或科学过程未来状态的模型应用能力。

## `/ai/concept/scientific-foundation-model-application`

- **Label:** 科学基础模型应用
- **English:** Scientific Foundation Model Application
- **Canonical Domain:** `/ai/domain/ai4s/scientific-representation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

把在大规模科学数据上训练的可迁移模型用于多个预测、生成、表示和推理任务的 AI4S 系统模式。

## `/ai/concept/scientific-generative-model`

- **Label:** 科学生成模型
- **English:** Scientific Generative Model
- **Canonical Domain:** `/ai/domain/ai4s/generative-design`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

在科学对象空间中生成新的结构、序列或配置的模型。

## `/ai/concept/scientific-hypothesis-generation`

- **Label:** 科学假设生成
- **English:** Scientific Hypothesis Generation
- **Canonical Domain:** `/ai/domain/ai4s/hypothesis`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

基于现有证据提出能够解释观察并产生可检验预测的新假设的科学推理过程。

## `/ai/concept/scientific-instrument-automation`

- **Label:** 科学仪器自动化
- **English:** Scientific Instrument Automation
- **Canonical Domain:** `/ai/domain/ai4s/autonomous-lab`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

通过设备 SDK、脚本、协议或自动化接口配置和操作科学仪器，并读取实验状态和测量结果。

## `/ai/concept/scientific-inverse-design`

- **Label:** 科学逆向设计
- **English:** Scientific Inverse Design
- **Canonical Domain:** `/ai/domain/ai4s/generative-design`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

从目标性能和约束出发反向寻找能够产生目标性质的结构、组成或设计方案。

## `/ai/concept/scientific-knowledge-loop`

- **Label:** 科学知识闭环
- **English:** Scientific Knowledge Loop
- **Canonical Domain:** `/ai/domain/ai4s/scientific-knowledge`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

把科学假设、模型、实验、观测和验证结果组织成可追溯的知识更新过程，使新的 Evidence 能够支持、削弱、反驳或修正 Scientific Claim。

## `/ai/concept/scientific-knowledge-update`

- **Label:** 科学知识更新
- **English:** Scientific Knowledge Update
- **Canonical Domain:** `/ai/domain/ai4s/scientific-knowledge`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

根据新证据修改假设可信度、模型结构、参数、理论边界或下一轮研究问题的科学闭环过程。

## `/ai/concept/scientific-literature-agent`

- **Label:** 科学文献智能体
- **English:** Scientific Literature Agent
- **Canonical Domain:** `/ai/domain/ai4s/research-agent`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

围绕科学文献进行检索、筛选、阅读、证据抽取、方法比较和引用综合的专业 Research Agent。

## `/ai/concept/scientific-machine-learning`

- **Label:** Scientific Machine Learning
- **English:** Scientific Machine Learning
- **Canonical Domain:** `/ai/domain/ai4s/sciml`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

把科学定律、微分方程、守恒约束、几何结构和数值模型与机器学习结合，使模型不仅从数据拟合关系，还显式利用科学先验或学习科学算子与场演化规律的方法体系。

## `/ai/concept/scientific-prediction-surrogate-modeling`

- **Label:** 科学预测与代理模型
- **English:** Scientific Prediction / Surrogate Modeling
- **Canonical Domain:** `/ai/domain/ai4s/scientific-prediction`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

学习科学对象、系统或物理过程从输入条件到目标性质、状态或未来结果的映射，用于替代或加速昂贵实验、数值求解和搜索的预测模型体系。

## `/ai/concept/scientific-property-prediction`

- **Label:** 科学性质预测
- **English:** Scientific Property Prediction
- **Canonical Domain:** `/ai/domain/ai4s/scientific-prediction`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

根据科学对象结构或条件预测其物理、化学、生物或工程性质。

## `/ai/concept/scientific-question-decomposition`

- **Label:** 科学问题分解
- **English:** Scientific Research Question Decomposition
- **Canonical Domain:** `/ai/domain/ai4s/hypothesis`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

把开放科学问题拆分为文献问题、计算任务、可测试子假设、数据需求和实验任务的研究规划过程。

## `/ai/concept/scientific-representation-foundation-modeling`

- **Label:** 科学表征与基础模型应用
- **English:** Scientific Representation / Foundation Modeling
- **Canonical Domain:** `/ai/domain/ai4s/scientific-representation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

把分子、蛋白质、基因、材料结构、物理场、地球系统或其他科学对象编码成可供预测、生成、推理和跨任务迁移使用的学习表示，并使用领域基础模型复用这些表示的能力体系。

## `/ai/concept/scientific-representation-learning`

- **Label:** 科学表征学习
- **English:** Scientific Representation Learning
- **Canonical Domain:** `/ai/domain/ai4s/scientific-representation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

从具有科学结构的对象和数据中学习能够保留其关键关系、性质和不变量的向量、图、序列、几何或场表示。

## `/ai/concept/scientific-reproducibility-replication`

- **Label:** 可复现性与重复验证
- **English:** Scientific Reproducibility / Replication
- **Canonical Domain:** `/ai/domain/ai4s/scientific-verification`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

通过重复分析、重复实验或独立团队验证确认科学结果是否能够稳定重新获得。

## `/ai/concept/scientific-research-agent`

- **Label:** 科研智能体
- **English:** Scientific Research Agent
- **Canonical Domain:** `/ai/domain/ai4s/research-agent`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

以科学问题为目标，能够自主或半自主执行文献检索、假设形成、计算分析、工具调用、实验计划、证据比较和研究报告生成的 Agent 系统。

## `/ai/concept/scientific-surrogate-model`

- **Label:** 科学代理模型
- **English:** Scientific Surrogate Model
- **Canonical Domain:** `/ai/domain/ai4s/scientific-prediction`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

以较低计算成本近似昂贵实验、仿真或数值求解器输入–输出关系的模型。

## `/ai/concept/scientific-tool-use-agent`

- **Label:** 科学工具调用智能体
- **English:** Scientific Tool-use Agent
- **Canonical Domain:** `/ai/domain/ai4s/research-agent`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

根据科学任务选择并调用专业数据库、模拟器、分析软件、实验仪器和验证器的 Agent。

## `/ai/concept/scientific-uncertainty-calibration`

- **Label:** 科学不确定性与校准
- **English:** Scientific Uncertainty and Calibration
- **Canonical Domain:** `/ai/domain/ai4s/scientific-verification`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

量化模型预测和科学结论中的不确定性，并检查预测置信程度是否与实际误差和频率一致。

## `/ai/concept/scientific-verification-validation`

- **Label:** 科学验证与确认
- **English:** Scientific Verification / Validation
- **Canonical Domain:** `/ai/domain/ai4s/scientific-verification`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

使用形式系统、数值模拟、观测数据、实验、复现和不确定性分析判断科学预测、设计、假设或模型是否得到足够支持的验证体系。

## `/ai/concept/scorer-judge-verifier`

- **Label:** Scorer / Judge / Verifier
- **English:** Scorer / Judge / Verifier
- **Canonical Domain:** `/ai/domain/engineering/evaluation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-10

_Definition is carried by the corresponding Projection card._

## `/ai/concept/screen-input-execution-loop`

- **Label:** Screen / Input Execution Loop
- **English:** Screen and Input Execution Loop
- **Canonical Domain:** `/ai/domain/execution/gui`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

反复获取当前屏幕、执行输入动作并获取新屏幕状态的闭环执行模式。

## `/ai/concept/sdk-client-library-integration`

- **Label:** SDK / Client Library Integration
- **English:** SDK / Client Library Integration
- **Canonical Domain:** `/ai/domain/connectivity/api-rpc`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

使用目标系统官方或第三方客户端库封装协议、认证、请求和错误处理的集成方式。

## `/ai/concept/search-vector-store-connector`

- **Label:** Search / Vector Store Connector
- **English:** Search and Vector Store Connector
- **Canonical Domain:** `/ai/domain/connectivity/data-analytics`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

把 RAG / Agent 的检索逻辑连接到全文搜索、向量数据库或混合检索后端的适配接口。

## `/ai/concept/search-verifier-learning`

- **Label:** Search + Verifier 学习
- **English:** Search + Verifier Learning
- **Canonical Domain:** `/ai/domain/learning/reinforcement`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

生成多个候选推理、程序或行动路径，通过搜索和独立验证器选择更优候选，并把选择结果用于推理或训练的学习模式。

## `/ai/concept/self-debugging-agent-system`

- **Label:** Self-debugging Agent
- **English:** Self-debugging Agent System
- **Canonical Domain:** `/ai/domain/ai4ai/agent-self-improvement`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

Agent 根据运行失败、测试和日志自动定位自身系统缺陷、修改实现并重新运行评测的自修复模式。

## `/ai/concept/self-generated-training-data`

- **Label:** 自生成训练数据
- **English:** Self-generated Training Data
- **Canonical Domain:** `/ai/domain/ai4ai/data-experience`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

由当前或相关模型生成问题、答案、推理、代码、偏好或轨迹，再用于训练未来版本模型的数据生成模式。

## `/ai/concept/self-play-learning`

- **Label:** 自博弈学习
- **English:** Self-play Learning
- **Canonical Domain:** `/ai/domain/learning/reinforcement`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

让模型、策略或多个策略副本互相生成对手、问题、环境或反馈，通过迭代竞争与学习提高能力的方法。

## `/ai/concept/self-rewarding-model`

- **Label:** Self-Rewarding
- **English:** Self-Rewarding Model
- **Canonical Domain:** `/ai/domain/ai4ai/evaluator-reward`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

让模型本身产生训练奖励、评分或偏好信号，并利用这些信号训练未来模型版本的自生成反馈方法。

## `/ai/concept/semantic-data-knowledge-asset`

- **Label:** 语义数据与知识资产
- **English:** Semantic Data / Knowledge Asset
- **Canonical Domain:** `/ai/domain/data/semantic-data`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-09

_Definition is carried by the corresponding Projection card._

## `/ai/concept/semantic-map`

- **Label:** Semantic Map
- **English:** Semantic Map
- **Canonical Domain:** `/ai/domain/physical/environment-representation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

在几何地图基础上进一步标注对象类别、区域功能、可操作属性和语义关系的环境表示。

## `/ai/concept/semantic-telemetry`

- **Label:** Semantic Telemetry
- **English:** Semantic Telemetry
- **Canonical Domain:** `/ai/domain/engineering/observability`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-10

为 Trace / Metric / Log 使用统一语义字段，使不同组件和工具能够理解同一类 AI 操作。

## `/ai/concept/serial-vendor-device-protocol`

- **Label:** Serial / Vendor Device Protocol
- **English:** Serial and Vendor Device Protocol
- **Canonical Domain:** `/ai/domain/physical/field-device-communication`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

通过串口、二进制帧、文本命令或厂商专有消息格式与现场设备和仪器进行通信的设备接口类别。

## `/ai/concept/side-effect-transaction-handling`

- **Label:** Side-effect / Transaction Handling
- **English:** Side-effect and Transaction Handling
- **Canonical Domain:** `/ai/domain/execution/tool-runtime`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

针对会改变外部系统状态的动作，处理重复调用、部分成功、事务提交、补偿和不可逆操作的执行机制。

## `/ai/concept/sil-hil-validation`

- **Label:** SIL / HIL Validation
- **English:** Software-in-the-loop and Hardware-in-the-loop Validation
- **Canonical Domain:** `/ai/domain/physical/simulation-digital-twin`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

在完整真实系统部署前，把软件控制逻辑或真实硬件控制器接入仿真环境，验证系统行为、时序和边界情况的测试方法。

## `/ai/concept/sim-to-real`

- **Label:** Sim-to-Real
- **English:** Sim-to-Real
- **Canonical Domain:** `/ai/domain/physical/robot-learning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

把在模拟环境中训练、验证或生成的数据和策略迁移到真实物理系统，并降低 Simulation 与 Reality 之间差异影响的技术体系。

## `/ai/concept/simulation-based-scientific-validation`

- **Label:** 基于仿真的科学验证
- **English:** Simulation-based Scientific Validation
- **Canonical Domain:** `/ai/domain/ai4s/scientific-verification`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

使用可信数值模型或模拟系统检查候选设计、预测和行为是否满足科学规律和工程约束。

## `/ai/concept/simulation-digital-twin`

- **Label:** 仿真与数字孪生
- **English:** Simulation and Digital Twin
- **Canonical Domain:** `/ai/domain/physical/simulation-digital-twin`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

利用计算模型重现物理系统的结构、动力学、传感器、控制和环境状态，用于设计、预测、验证、训练和优化；其中 Digital Twin 进一步强调虚拟模型与真实对象持续同步。

## `/ai/concept/simulation-optimization-workbench`

- **Label:** 仿真与优化工作台
- **English:** Simulation / Optimization Workbench
- **Canonical Domain:** `/ai/domain/application/simulation-optimization`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-06

把预测模型、仿真、Digital Twin、优化器和自然语言交互组织成可供业务或工程人员进行情景推演、参数设计和方案比较的应用系统形态。

## `/ai/concept/skill-discovery-progressive-loading`

- **Label:** Skill Discovery / Progressive Loading
- **English:** Skill Discovery and Progressive Loading
- **Canonical Domain:** `/ai/domain/agent/skills`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

Agent 先只读取 Skill 的名称与用途元数据，在任务匹配时再加载完整 instructions 与资源，以减少主 Context 占用的能力。

## `/ai/concept/skill-package-manifest`

- **Label:** Skill Package / Manifest
- **English:** Skill Package and Manifest
- **Canonical Domain:** `/ai/domain/agent/skills`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

把 Skill metadata、instructions 和 references / scripts / assets 组织成可安装、可传递和可版本化文件包的封装形式。

## `/ai/concept/slam`

- **Label:** SLAM
- **English:** Simultaneous Localization and Mapping
- **Canonical Domain:** `/ai/domain/physical/localization-mapping`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

在未知或部分未知环境中，同时估计自身位姿并构建 / 更新环境地图的技术体系。

## `/ai/concept/small-language-model`

- **Label:** 小语言模型
- **English:** Small Language Model
- **Canonical Domain:** `/ai/domain/model/language-reasoning-code`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

相对前沿大型模型具有较小参数规模或较低运行资源需求，针对低延迟、低成本、本地化和专用任务优化的语言模型类别。

## `/ai/concept/source-comparison`

- **Label:** 来源比较
- **English:** Source Comparison
- **Canonical Domain:** `/ai/domain/agent/agentic-research`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

Agent 对多个来源的时间、权威性、观点、数据和冲突进行比较，而不是把检索结果简单拼接成答案的研究过程。

## `/ai/concept/sovereign-local-ai-infrastructure`

- **Label:** 主权与本地 AI 基础设施
- **English:** Sovereign and Local AI Infrastructure
- **Canonical Domain:** `/ai/domain/infrastructure/deployment-topology`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

为了满足数据、运行、密钥、人员访问、法律管辖或断网运行要求，将 AI 计算与模型服务部署在受控地域、组织网络或物理隔离环境中的基础设施形态。

## `/ai/concept/spatial-environment-representation`

- **Label:** 空间与环境表示
- **English:** Spatial and Environment Representation
- **Canonical Domain:** `/ai/domain/physical/environment-representation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

把物理环境组织成可供导航、规划、操作和决策使用的空间结构、占用结构、对象结构和动态语义状态。

## `/ai/concept/specialized-agent-types`

- **Label:** 专用 Agent 类型
- **English:** Specialized Agent Types
- **Canonical Domain:** `/ai/domain/agent/specialized-agents`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

针对特定数字工作环境或任务形态形成稳定 Harness、Tool Set、State Model 与 Evaluation Loop 的 Agent 系统类型。

## `/ai/concept/specification-driven-development`

- **Label:** 规范驱动开发 / SDD
- **English:** Specification-Driven Development
- **Aliases:** Spec-Driven Development；SDD；规格驱动开发；规范先行开发；Spec-first Development
- **Canonical Domain:** `/ai/domain/engineering/specification-driven-development`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-10

以明确、版本化、可评审且可追溯的软件规格作为开发过程的持续参照，围绕需求澄清、设计、任务分解、实现、验收与规格变更形成闭环的软件工程方法。可与 AI Coding Agent 结合，但并不以 Agent 为必要条件；规格既不等于提示词历史，也不等于评测规范。

**Boundary:** SDD 是开发范式；Evaluation Specification 只规定评测对象与判定条件；Coding Agent 是执行角色；Spec Kit 是支持该范式的工具实例，不是同一个 Concept。

**Related canonical identities (not aliases):** `/ai/concept/coding-agent`, `/ai/concept/ai-testing-regression-engineering`, `/ai/concept/engineering-reproducibility-evidence`

## `/ai/concept/speculative-decoding`

- **Label:** 推测解码
- **English:** Speculative Decoding
- **Canonical Domain:** `/ai/domain/infrastructure/model-serving`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

使用更便宜的候选生成机制一次提出多个未来 token，再由目标模型批量验证，以减少逐 token 顺序解码开销的推理优化技术。

## `/ai/concept/speech-audio-realtime-model-family`

- **Label:** 语音、音频与实时交互模型
- **English:** Speech, Audio and Realtime Model Family
- **Canonical Domain:** `/ai/domain/model/speech-audio`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

对语音和一般音频信号进行识别、理解、生成或实时双向交互的模型技术族。

## `/ai/concept/state-estimation-sensor-fusion`

- **Label:** 状态估计与传感器融合
- **English:** State Estimation and Sensor Fusion
- **Canonical Domain:** `/ai/domain/physical/state-estimation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

根据不完整、噪声和不同频率的传感器观测估计物理系统当前不可直接观测或不稳定可观测的状态变量。

## `/ai/concept/state-space-hybrid-sequence-architecture`

- **Label:** State-space / Hybrid 序列架构
- **English:** State-space / Hybrid Sequence Architecture
- **Canonical Domain:** `/ai/domain/learning/architecture`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

使用状态空间、递归状态或与 Attention 混合的结构处理长序列信息，以寻求不同于纯 Transformer 的计算与记忆特性。

## `/ai/concept/stateful-graph-state-machine`

- **Label:** Stateful Graph / State Machine
- **English:** Stateful Graph and State Machine
- **Canonical Domain:** `/ai/domain/agent/workflow`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

以显式状态和节点 / 转移组织 Agent 工作流，使每一步读取当前状态、产生更新并决定下一状态的编排方式。

## `/ai/concept/store-and-forward`

- **Label:** Store-and-forward
- **English:** Store-and-forward
- **Canonical Domain:** `/ai/domain/physical/edge-gateway`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

在上游网络暂时不可用时，把现场数据和事件缓存在边缘，连接恢复后再按策略上传的可靠传输机制。

## `/ai/concept/structured-generation-serving`

- **Label:** 结构化生成约束
- **English:** Structured Generation Constraint
- **Canonical Domain:** `/ai/domain/infrastructure/model-serving`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

在模型解码过程中使用语法、Schema、正则或约束状态机限制合法输出空间，以提高结构化输出可靠性的 serving 技术。

## `/ai/concept/supervised-fine-tuning-instruction-tuning`

- **Label:** SFT / Instruction Tuning
- **English:** Supervised Fine-tuning / Instruction Tuning
- **Canonical Domain:** `/ai/domain/learning/post-training`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

使用人工、合成或其他来源的输入–目标输出示例继续训练基础模型，使其适应指令格式、任务行为或特定领域。

## `/ai/concept/symbolic-deterministic-reasoning`

- **Label:** 符号与确定性推理
- **English:** Symbolic and Deterministic Reasoning
- **Canonical Domain:** `/ai/domain/agent/symbolic-reasoning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

使用显式规则、逻辑、约束、形式系统或程序化检查对候选事实、行动和推理结果进行计算与验证的 AI 系统能力。

## `/ai/concept/symbolic-mathematics`

- **Label:** 符号数学
- **English:** Symbolic Mathematics
- **Canonical Domain:** `/ai/domain/ai4s/formal-reasoning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

对代数表达式、微积分、方程、张量和其他数学对象进行精确符号变换与计算的计算体系。

## `/ai/concept/synthetic-data`

- **Label:** 合成数据
- **English:** Synthetic Data
- **Canonical Domain:** `/ai/domain/data/synthetic-data`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-09

_Definition is carried by the corresponding Projection card._

## `/ai/concept/synthetic-training-data-generation`

- **Label:** 合成训练数据生成
- **English:** Synthetic Training Data Generation
- **Canonical Domain:** `/ai/domain/ai4ai/data-experience`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

利用模型、模拟器或程序生成用于训练、后训练和评测的新样本。

## `/ai/concept/tactile-force-intelligence`

- **Label:** 触觉与力觉智能
- **English:** Tactile and Force Intelligence
- **Canonical Domain:** `/ai/domain/physical/manipulation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

利用触觉、力 / 力矩、接触状态和本体感觉估计物体交互状态，并据此调整抓取与操作策略的能力。

## `/ai/concept/teleoperation-demonstration`

- **Label:** Teleoperation Demonstration
- **English:** Teleoperation Demonstration
- **Canonical Domain:** `/ai/domain/physical/robot-learning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

由人类通过手柄、VR、力反馈、主从设备或远程控制界面操作机器人，并记录观测–动作轨迹作为学习数据的训练数据获取方式。

## `/ai/concept/text-to-speech-voice-generation`

- **Label:** 语音合成与声音生成
- **English:** Text-to-Speech and Voice Generation
- **Canonical Domain:** `/ai/domain/model/speech-audio`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

根据文本、语义或声音条件生成可听语音波形，并控制音色、韵律、语言和情绪等属性的模型技术。

## `/ai/concept/third-party-supply-chain-governance`

- **Label:** 第三方与供应链治理
- **English:** Third-party / Supply-chain Governance
- **Canonical Domain:** `/ai/domain/governance/third-party`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-11

治理组织依赖的外部模型、API、云、工具、数据、Plugin、开源包和设备供应商带来的风险、合同和退出问题。

## `/ai/concept/time-series-anomaly-detection`

- **Label:** 时序异常检测
- **English:** Time-series Anomaly Detection
- **Canonical Domain:** `/ai/domain/physical/time-series`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

识别传感器或过程时序中偏离正常动态模式、统计范围或学习到的健康状态的异常变化。

## `/ai/concept/time-series-condition-intelligence`

- **Label:** 时序与状态智能
- **English:** Time-series and Condition Intelligence
- **Canonical Domain:** `/ai/domain/physical/time-series`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

对连续传感器、设备和过程变量随时间的变化进行预测、异常检测、健康状态估计和退化分析的 AI 能力体系。

## `/ai/concept/tokenization-positional-representation`

- **Label:** Tokenization 与位置表示
- **English:** Tokenization and Positional Representation
- **Canonical Domain:** `/ai/domain/learning/architecture`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

把原始输入转换成模型可处理的离散或连续单位，并编码这些单位在序列或空间中的相对 / 绝对位置。

## `/ai/concept/tool-result-error-normalization`

- **Label:** Tool Result / Error Normalization
- **English:** Tool Result and Error Normalization
- **Canonical Domain:** `/ai/domain/execution/tool-runtime`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

把不同外部系统返回的结果、状态码、异常和部分成功信息转换成 Agent 能稳定消费的统一结构。

## `/ai/concept/tool-result-integration`

- **Label:** 工具结果整合
- **English:** Tool Result Integration
- **Canonical Domain:** `/ai/domain/agent/tool-use`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

把工具输出解析、裁剪、结构化和加入 Agent State / Context，使模型能够继续推理的系统过程。

## `/ai/concept/tool-runtime-action-dispatcher`

- **Label:** Tool Runtime / Action Dispatcher
- **English:** Tool Runtime / Action Dispatcher
- **Canonical Domain:** `/ai/domain/execution/tool-runtime`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

接收 Agent / Model 产生的结构化行动请求，将其映射为具体函数、API、浏览器、GUI、企业系统或设备调用，并负责执行生命周期、错误处理和结果返回的运行时。

## `/ai/concept/tool-safety-domain-adaptation-training`

- **Label:** 工具、安全与领域适配训练
- **English:** Tool-use, Safety and Domain Adaptation Training
- **Canonical Domain:** `/ai/domain/learning/post-training`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

针对工具调用、安全行为、组织规则或专业领域任务进行定向训练的后训练技术集合。

## `/ai/concept/tool-strategy-improvement`

- **Label:** Tool Strategy Improvement
- **English:** Tool Strategy Improvement
- **Canonical Domain:** `/ai/domain/ai4ai/agent-self-improvement`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

自动改进工具选择、工具顺序、参数生成、fallback 和 recovery 策略。

## `/ai/concept/tool-workflow-strategy-adaptation`

- **Label:** Tool / Workflow Strategy Adaptation
- **English:** Tool and Workflow Strategy Adaptation
- **Canonical Domain:** `/ai/domain/agent/experience-learning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-03

根据历史运行表现更新“什么任务使用什么工具、以什么顺序执行、什么时候升级或回退”的 Agent 策略。

## `/ai/concept/training-evaluation-contamination`

- **Label:** Training / Evaluation Contamination
- **English:** Training / Evaluation Contamination
- **Canonical Domain:** `/ai/domain/data/quality`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-09

训练数据直接或间接包含评测问题、答案或近重复内容，导致评测结果高估真实泛化能力的现象。

## `/ai/concept/training-infrastructure`

- **Label:** 模型训练基础设施
- **English:** Model Training Infrastructure
- **Canonical Domain:** `/ai/domain/infrastructure/training-systems`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

支持大规模模型训练任务执行、分布式并行、状态切分、通信、容错与恢复的计算软件与系统基础设施。

## `/ai/concept/training-parallelism-strategy`

- **Label:** 训练并行策略
- **English:** Training Parallelism Strategy
- **Canonical Domain:** `/ai/domain/infrastructure/training-systems`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

决定训练任务如何把数据、参数、层、序列或专家切分到多个计算设备上的组合策略。

## `/ai/concept/training-posttraining-data`

- **Label:** 训练与后训练数据
- **English:** Training / Post-training Data
- **Canonical Domain:** `/ai/domain/data/training-data`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-09

_Definition is carried by the corresponding Projection card._

## `/ai/concept/training-posttraining-optimization`

- **Label:** 训练与后训练自动优化
- **English:** Training / Post-training Optimization
- **Canonical Domain:** `/ai/domain/ai4ai/training-optimization`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

利用搜索、Agent 或自动评测系统选择模型训练、后训练和推理相关的超参数、数据配方、优化器配置和训练策略。

## `/ai/concept/training-recipe-search`

- **Label:** Training Recipe Search
- **English:** Training Recipe Search
- **Canonical Domain:** `/ai/domain/ai4ai/training-optimization`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

自动探索训练目标、数据混合、课程、优化器、训练阶段和资源分配组合的实验搜索过程。

## `/ai/concept/training-state-sharding`

- **Label:** 训练状态切分
- **English:** Training State Sharding
- **Canonical Domain:** `/ai/domain/infrastructure/training-systems`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-01

把参数、梯度、优化器状态或相关训练状态切分到多个设备上，以降低单设备内存压力。

## `/ai/concept/transformer-attention-architecture`

- **Label:** Transformer / Attention 架构
- **English:** Transformer / Attention Architecture
- **Canonical Domain:** `/ai/domain/learning/architecture`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

通过 Attention 机制对序列或 token 之间关系进行动态加权并形成上下文表示的神经网络架构族。

## `/ai/concept/transparency-disclosure-provenance`

- **Label:** 透明度、披露与来源
- **English:** Transparency / Disclosure / Provenance
- **Canonical Domain:** `/ai/domain/governance/transparency`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-11

让用户、审计方和责任主体能够知道何时 AI 被使用、AI 产生了什么内容、系统具有什么限制，以及关键输出来源于什么。

## `/ai/concept/vehicle-autonomy`

- **Label:** Vehicle Autonomy
- **English:** Vehicle Autonomy
- **Canonical Domain:** `/ai/domain/physical/autonomy`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

使车辆通过环境感知、定位、预测、规划、控制和安全系统完成部分或全部驾驶任务的自主系统能力。

## `/ai/concept/vehicle-controller-interface`

- **Label:** Vehicle Controller Interface
- **English:** Vehicle Controller Interface
- **Canonical Domain:** `/ai/domain/physical/controller-actuation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

连接自动驾驶 / 移动系统的高层决策与转向、制动、动力等车辆控制子系统的接口层。

## `/ai/concept/verifier-guided-scientific-search`

- **Label:** Verifier-guided Scientific Search
- **English:** Verifier-guided Scientific Search
- **Canonical Domain:** `/ai/domain/ai4s/formal-reasoning`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-07

生成多个科学推理候选，并使用形式化或确定性验证器筛选搜索方向，使搜索逐步集中到正确解附近的方法。

## `/ai/concept/verifier-improvement`

- **Label:** Verifier Improvement
- **English:** Verifier Improvement
- **Canonical Domain:** `/ai/domain/ai4ai/evaluator-reward`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-08

自动扩展或优化确定性、形式化、程序化或环境验证器，使 AI 能在更大问题空间获得可靠反馈。

## `/ai/concept/vertical-domain-foundation-model`

- **Label:** 垂直领域基础模型
- **English:** Vertical Domain Foundation Model
- **Canonical Domain:** `/ai/domain/model/domain-foundation`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

_Definition is carried by the corresponding Projection card._

## `/ai/concept/video-generation-model`

- **Label:** 视频生成模型
- **English:** Video Generation Model
- **Canonical Domain:** `/ai/domain/model/generative-media`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

根据文本、图像、视频或其他条件生成随时间变化的视觉序列，并可能联合生成音频的模型。

## `/ai/concept/video-understanding-model`

- **Label:** 视频理解模型
- **English:** Video Understanding Model
- **Canonical Domain:** `/ai/domain/model/multimodal-understanding`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

对视频中的时间序列视觉内容、事件、行为和跨帧关系进行建模与推理的模型。

## `/ai/concept/vision-language-action-embodied-policy`

- **Label:** VLA / Embodied Policy
- **English:** Vision-Language-Action and Embodied Policy
- **Canonical Domain:** `/ai/domain/physical/embodied-policy`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

把视觉、语言、机器人状态和任务条件联合映射为物理动作或高层技能的模型与策略体系。

## `/ai/concept/vision-language-action-model`

- **Label:** Vision-Language-Action Model
- **English:** Vision-Language-Action Model
- **Canonical Domain:** `/ai/domain/physical/embodied-policy`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

输入视觉、语言和机器人状态，并输出机器人动作、轨迹片段或可执行技能的多模态模型。

## `/ai/concept/vision-language-model`

- **Label:** 视觉语言模型
- **English:** Vision-Language Model
- **Canonical Domain:** `/ai/domain/model/multimodal-understanding`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

联合处理视觉信息与语言信息，用于图像描述、问答、OCR-like understanding、视觉定位和跨模态推理的模型。

## `/ai/concept/visual-inertial-odometry`

- **Label:** Visual / Inertial Odometry
- **English:** Visual / Inertial Odometry
- **Canonical Domain:** `/ai/domain/physical/localization-mapping`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-05

利用连续视觉帧、IMU 或两者组合估计设备相对运动和位姿变化的定位技术。

## `/ai/concept/voice-digital-human`

- **Label:** 语音 Agent / Digital Human
- **English:** Voice Agent / Digital Human
- **Canonical Domain:** `/ai/domain/application/voice-digital-human`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-06

使用实时语音、数字形象和对话 Agent 提供连续交互、服务、讲解或任务执行的应用系统形态。

## `/ai/concept/warehouse-lakehouse-connector`

- **Label:** Warehouse / Lakehouse Connector
- **English:** Warehouse and Lakehouse Connector
- **Canonical Domain:** `/ai/domain/connectivity/data-analytics`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

连接云数据仓库、湖仓或大规模分析存储，使 Agent 可以读取结构化数据、元数据和查询结果的连接能力。

## `/ai/concept/web-native-agent-interface`

- **Label:** Web-native Agent Interface
- **English:** Web-native Agent Interface
- **Canonical Domain:** `/ai/domain/connectivity/web-agent-interface`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

由网站本身主动向 Agent 暴露结构化任务能力或交互语义，使 Agent 不必仅通过页面像素、DOM 猜测或模拟人工操作完成任务的 Web 接口模式。

## `/ai/concept/webhook`

- **Label:** Webhook
- **English:** Webhook
- **Canonical Domain:** `/ai/domain/connectivity/event-messaging`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

当指定事件发生时，由事件源主动向预先配置的 HTTP Endpoint 推送通知或 Payload 的集成方式。

## `/ai/concept/webmcp-structured-web-tool`

- **Label:** WebMCP-style Structured Web Tool
- **English:** WebMCP-style Structured Web Tool
- **Canonical Domain:** `/ai/domain/connectivity/web-agent-interface`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-04

由网页通过 JavaScript 或 HTML 语义声明 Agent 可调用的结构化工具，使 Agent 能以明确任务接口完成网页动作。

## `/ai/concept/workflow-agent-process-automation`

- **Label:** Workflow Agent / 流程自动化
- **English:** Workflow Agent / Process Automation
- **Canonical Domain:** `/ai/domain/application/workflow`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-06

让 AI 在确定性工作流框架中接管一个或多个业务步骤，执行信息读取、判断、工具调用、系统更新、审批升级和异常处理的应用系统形态。

## `/ai/concept/world-model-generative-environment`

- **Label:** 世界模型 / 生成式环境模型
- **English:** World Model / Generative Environment Model
- **Canonical Domain:** `/ai/domain/model/action-world`
- **Status:** draft
- **Maturity:** —
- **Source:** chapter-02

学习环境状态及其随时间、外部事件或行动发生的变化，并能够预测或生成未来环境状态的模型。

---

# 2. ObjectType Registry

## `/ai/object/ai-deployment`

- **Label:** AI Deployment
- **English:** AI Deployment
- **Canonical Domain:** `/ai/domain/engineering/release`
- **Status:** draft

某个 Release 在一个实际运行环境中的部署实例。

## `/ai/object/ai-release`

- **Label:** AI Release
- **English:** AI Release
- **Canonical Domain:** `/ai/domain/engineering/release`
- **Status:** draft

一个被批准进入指定环境的 AI 系统版本集合，绑定：

## `/ai/object/annotation`

- **Label:** Annotation
- **English:** Annotation
- **Canonical Domain:** `/ai/domain/data/annotation-labeling`
- **Status:** draft

由人、程序或模型对数据对象增加的描述、边界、标签、关系、评价或结构化解释。

## `/ai/object/approval`

- **Label:** Approval
- **English:** Approval
- **Canonical Domain:** `/ai/domain/governance/human-oversight`
- **Status:** draft

具有规定权限的责任主体对某个模型、Release、Action、Exception 或 Risk Acceptance 作出的授权决定。

## `/ai/object/audit-record`

- **Label:** Audit Record
- **English:** Audit Record
- **Canonical Domain:** `/ai/domain/governance/audit-traceability`
- **Status:** draft

为审计目的保存的不可抵赖或可验证治理活动、系统事件、决策和责任记录。

## `/ai/object/compliance-mapping`

- **Label:** Compliance Mapping
- **English:** Compliance Mapping
- **Canonical Domain:** `/ai/domain/governance/compliance`
- **Status:** draft

把法规 / 标准 Requirement 映射到组织 Policy、Technical Control、Engineering Evidence 和责任主体的结构化对象。

## `/ai/object/control`

- **Label:** Control
- **English:** Control
- **Canonical Domain:** `/ai/domain/governance/policy-control`
- **Status:** draft

为了预防、检测、限制、纠正或恢复某类 AI 风险而实施的技术、流程或组织措施。

## `/ai/object/data-contract`

- **Label:** Data Contract
- **English:** Data Contract
- **Canonical Domain:** `/ai/domain/data/metadata-schema`
- **Status:** draft

生产者与消费者之间对数据结构、质量、更新频率、语义、兼容性和责任边界形成的可执行或可审计约定。

## `/ai/object/data-lineage-event`

- **Label:** Data Lineage Event
- **English:** Data Lineage Event
- **Canonical Domain:** `/ai/domain/data/lineage-provenance`
- **Status:** draft

记录数据对象由某个来源经过某个处理步骤产生、变更、合并、过滤或删除的可追溯事件。

## `/ai/object/data-product`

- **Label:** Data Product
- **English:** Data Product
- **Canonical Domain:** `/ai/domain/data/product-serving`
- **Status:** draft

面向明确消费者和用途，被持续维护、拥有、描述、质量保障和版本管理的数据资产。

## `/ai/object/data-record`

- **Label:** Data Record
- **English:** Data Record
- **Canonical Domain:** `/ai/domain/data/product-serving`
- **Status:** draft

Dataset 中可独立标识、读取、验证或追踪的一条数据单元。

## `/ai/object/data-schema`

- **Label:** Data Schema
- **English:** Data Schema
- **Canonical Domain:** `/ai/domain/data/metadata-schema`
- **Status:** draft

描述数据字段、类型、结构、约束和嵌套关系的机器可读定义。

## `/ai/object/data-source`

- **Label:** Data Source
- **English:** Data Source
- **Canonical Domain:** `/ai/domain/data/source-ingestion`
- **Status:** draft

产生、提供或承载原始数据的系统、设备、机构、文件、数据库、用户或实验环境。

## `/ai/object/data-version`

- **Label:** Data Version
- **English:** Data Version
- **Canonical Domain:** `/ai/domain/data/versioning`
- **Status:** draft

某个 Dataset、Schema、Label Set、Corpus 或 Data Product 在一个确定时间和变更状态下的可标识版本。

## `/ai/object/dataset`

- **Label:** Dataset
- **English:** Dataset
- **Canonical Domain:** `/ai/domain/data/product-serving`
- **Status:** draft

具有明确边界、用途、版本和成员集合的数据集合，可被训练、评测、分析、检索或交付系统使用。

## `/ai/object/engineering-artifact`

- **Label:** Engineering Artifact
- **English:** Engineering Artifact
- **Canonical Domain:** `/ai/domain/engineering/experiment`
- **Status:** draft

工程过程中生成并需要被版本管理、比较或审计的文件、模型、配置、报告或运行产物。

## `/ai/object/evaluation-case`

- **Label:** Evaluation Case
- **English:** Evaluation Case
- **Canonical Domain:** `/ai/domain/engineering/evaluation`
- **Status:** draft

一次 Evaluation 中可以独立运行和判定的具体测试任务或场景。

## `/ai/object/evaluation-metric`

- **Label:** Metric
- **English:** Evaluation Metric
- **Canonical Domain:** `/ai/domain/engineering/evaluation`
- **Status:** draft

用于量化 AI 模型、Agent 或系统某项特性的数值定义。

## `/ai/object/evaluation-result`

- **Label:** Evaluation Result
- **English:** Evaluation Result
- **Canonical Domain:** `/ai/domain/engineering/evaluation`
- **Status:** draft

一次 Evaluation Run 的分数、通过状态、错误、切片结果和证据集合。

## `/ai/object/evaluation-run`

- **Label:** Evaluation Run
- **English:** Evaluation Run
- **Canonical Domain:** `/ai/domain/engineering/evaluation`
- **Status:** draft

对一个确定版本的 Model / Agent / Application 按一个 Evaluation Specification 执行并记录结果的一次评测实例。

## `/ai/object/evaluation-specification`

- **Label:** Evaluation Specification
- **English:** Evaluation Specification
- **Canonical Domain:** `/ai/domain/engineering/evaluation`
- **Status:** draft

机器或人工可执行地定义：

## `/ai/object/exception-waiver`

- **Label:** Exception / Waiver
- **English:** Exception / Waiver
- **Canonical Domain:** `/ai/domain/governance/policy-control`
- **Status:** draft

经过授权、具有时限和补偿控制的规则偏离。

## `/ai/object/experiment-run`

- **Label:** Experiment Run
- **English:** Experiment Run
- **Canonical Domain:** `/ai/domain/engineering/experiment`
- **Status:** draft

用于比较某个模型、Prompt、Tool、Agent、Data、Router 或工程配置变化效果的一次实验运行。

## `/ai/object/feature`

- **Label:** Feature
- **English:** Feature
- **Canonical Domain:** `/ai/domain/data/transformation`
- **Status:** draft

从原始数据中直接读取或计算得到，并作为模型、规则、分析或决策系统输入的数据属性。

## `/ai/object/governance-evidence`

- **Label:** Governance Evidence
- **English:** Governance Evidence
- **Canonical Domain:** `/ai/domain/governance/audit-traceability`
- **Status:** draft

用于证明某个 Requirement / Control 已被满足或实施的 Artifact、Evaluation Result、Log、Approval、Document 或 Test Result。

## `/ai/object/governance-policy`

- **Label:** Governance Policy
- **English:** Governance Policy
- **Canonical Domain:** `/ai/domain/governance/policy-control`
- **Status:** draft

规定组织在 AI 开发、部署和使用中必须、可以和禁止采取何种行为的正式规则集合。

## `/ai/object/governance-requirement`

- **Label:** Requirement / Obligation
- **English:** Governance Requirement / Obligation
- **Canonical Domain:** `/ai/domain/governance/compliance`
- **Status:** draft

来自法规、标准、合同、组织政策或风险评估，对 AI 系统提出的必须满足条件。

## `/ai/object/human-authority`

- **Label:** Human Authority
- **English:** Human Authority
- **Canonical Domain:** `/ai/domain/governance/human-oversight`
- **Status:** draft

对某类 AI Decision / Action / Release / Risk Acceptance 拥有最终批准、否决、覆盖或停止权的人类角色。

## `/ai/object/impact-assessment`

- **Label:** Impact Assessment
- **English:** Impact Assessment
- **Canonical Domain:** `/ai/domain/governance/risk`
- **Status:** draft

系统评估 AI 对个人、群体、组织、社会、权利、安全或环境产生潜在影响的分析对象。

## `/ai/object/incident`

- **Label:** Incident
- **English:** Incident
- **Canonical Domain:** `/ai/domain/engineering/incident`
- **Status:** draft

导致或可能导致 AI 系统质量、可用性、安全、成本或业务行为偏离预期的生产事件。

## `/ai/object/label`

- **Label:** Label
- **English:** Label
- **Canonical Domain:** `/ai/domain/data/annotation-labeling`
- **Status:** draft

用于表示目标类别、数值、偏好、正确答案、事件状态或其他监督信号的数据对象。

## `/ai/object/permission`

- **Label:** Permission
- **English:** Permission
- **Canonical Domain:** `/ai/domain/governance/access-authorization`
- **Status:** draft

允许某个 Principal / Agent 对特定 Resource 执行指定 Action 的授权对象。

## `/ai/object/risk`

- **Label:** Risk
- **English:** Risk
- **Canonical Domain:** `/ai/domain/governance/risk`
- **Status:** draft

某个 AI 系统、行为、数据、依赖或环境条件可能导致负面影响的不确定事件或状态。

## `/ai/object/risk-assessment`

- **Label:** Risk Assessment
- **English:** Risk Assessment
- **Canonical Domain:** `/ai/domain/governance/risk`
- **Status:** draft

针对指定 AI System / Use Case，在明确 Context 下识别 Risk、Impact、Controls 和 Residual Risk 的治理记录。

## `/ai/object/safety-case`

- **Label:** Safety Case
- **English:** Safety Case
- **Canonical Domain:** `/ai/domain/governance/safety-assurance`
- **Status:** draft

针对高风险物理或关键系统，通过 Claim、Argument 和 Evidence 证明系统在给定 Context 下具有可接受安全性的结构化保证对象。

## `/ai/object/scorer`

- **Label:** Scorer
- **English:** Scorer
- **Canonical Domain:** `/ai/domain/engineering/evaluation`
- **Status:** draft

接收一次系统输出和相关上下文，并按照定义规则产生评分、标签或判定结果的评估器。

## `/ai/object/service-level-objective`

- **Label:** Service Level Objective
- **English:** Service Level Objective
- **Canonical Domain:** `/ai/domain/engineering/reliability`
- **Status:** draft

系统希望在一个时间窗口内达到的服务质量目标。

## `/ai/object/session`

- **Label:** Session
- **English:** Session
- **Canonical Domain:** `/ai/domain/engineering/tracing`
- **Status:** draft

跨多个 Trace / Turn 持续存在的用户、Agent 或工作流交互上下文对象。

## `/ai/object/span`

- **Label:** Span
- **English:** Span
- **Canonical Domain:** `/ai/domain/engineering/tracing`
- **Status:** draft

Trace 中表示一个有开始和结束时间、输入输出、状态与属性的执行单元。

## `/ai/object/trace`

- **Label:** Trace
- **English:** Trace
- **Canonical Domain:** `/ai/domain/engineering/tracing`
- **Status:** draft

记录一个完整请求、任务或 Agent Run 在多个模型、工具、检索、工作流和系统调用之间执行路径的可关联遥测对象。

## `/ai/object/trajectory`

- **Label:** Trajectory
- **English:** Trajectory
- **Canonical Domain:** `/ai/domain/data/feedback-trajectory`
- **Status:** draft

按时间或步骤记录一个 Agent、Robot、Model 或 Environment 交互过程中 Observation、Action、Tool Call、State、Reward 和 Result 的序列对象。

---

# 3. Domain Registry

完整 Domain Registry 见：`AI技术全景图_2026_Domain_Registry_v0.2.md`（201 个 Domain）。

# 4. Relation Registry

完整 Relation Registry 见：`AI技术全景图_2026_Relation_Registry_v0.2.md`（80 个 canonical Relations）。