Словарь терминов ИИ и автоматизации

Словарь терминов ИИ и автоматизации содержит понятные определения понятий «ИИ-агент», LLM, RAG и терминов автоматизации. Каждое определение сопровождается небольшим примером и указанием, где соответствующая идея применяется в AI Flowi Workflow.

Статьи о терминах содержат ссылки друг на друга и на страницы соответствующих компонентов, чтобы от определения можно было перейти к готовой к работе конфигурации.

Обновлено 10 октября 2026 · 51 страница

Все термины (A–Z)

• Память агента

  Память агента включает историю диалога, заметки о задачах и отобранные знания. Узнайте о хранении, забывании и проверках изоляции в AI Flowi Workflow.

• Планирование агента: предварительные условия, зависимости и пересмотр плана

  Создайте план агента, выполнение которого можно отслеживать, с предварительными условиями, подтверждающими данными и бюджетами. Узнайте, как изменение источника делает результаты зависимых задач неактуальными.

• Защитные ограничения ИИ-агента

  Защитные ограничения ИИ-агента объединяют разрешения на использование инструментов, проверки входных данных, выявление проблем с помощью модели и проверку человеком. Узнайте о роли и ограничениях каждого механизма.

• Навыки ИИ-агента

  Навыки ИИ-агента объединяют многократно используемые инструкции для задач с явно заданными границами возможностей. Сравните навыки, промпты и инструменты на примерах из каталога.

• AIOps: корреляция оповещений и её ограничения

  Разберитесь в AIOps на примере искусственно составленного набора оповещений, группировки дубликатов, противоречивых сигналов и чётких ограничений гипотез об инцидентах.

• API-шлюз: маршрутизация входящих запросов, политики и границы серверной части

  API-шлюз маршрутизирует входящие запросы и применяет политики до выполнения операций в серверной части. Сравните зоны ответственности, подтверждения записи бизнес-данных и риски обхода шлюза.

• Интеграция API

  Интеграция API: контракты запросов, аутентификация, сопоставление схем и завершение асинхронного экспорта, со ссылками на материалы о пагинации и ограничениях частоты запросов.

• Пагинация API: отслеживание границ страниц и полноты данных

  Отслеживайте границы страниц, заданные курсорами, повторяющиеся идентификаторы и пропущенные страницы. Отличайте успешное получение страницы API от получения полного набора данных.

• Ограничения частоты запросов API: изучите предоставленный контракт перед повторной попыткой

  Разберите вымышленную квоту API, общий лимит и время повторных попыток. Отличайте безопасное чтение от записи с неизвестным результатом выполнения.

• Автономные ИИ-агенты

  Разберитесь, как работают автономные ИИ-агенты: изучите границы их действий, разрешения на использование инструментов, правила остановки и одобрение человеком. Приведён пример исследования с заданными ограничениями.

• Компьютерное зрение: различия между данными изображения, распознаванием и выводами

  Узнайте, что делает компьютерное зрение, сравните классификацию, обнаружение и сегментацию, а также отличайте факты, непосредственно видимые на изображении от неподтверждённых выводов.

• Инженерия контекста

  Разберитесь в инженерии контекста: выбирайте инструкции, подтверждающие данные, результаты работы инструментов и историю, сохраняя сведения об их происхождении и управляя контекстом в пределах установленных ограничений.

• Диалоговый ИИ

  Разберитесь в диалоговом ИИ, контексте диалога и генерации ответов. Приведены примеры, случаи сбоев и ссылки на материалы об AI Flowi Workflow, основанные на каталоге.

• Разметка данных: метки, разногласия и подтверждения проверки

  Разберитесь в разметке данных на примере руководства по разметке восьми сообщений, меток, независимо присвоенных проверяющими, журнала разногласий и явно заданных правил их разрешения.

• Очистка данных: пропуски, противоречия и дубликаты

  Задайте правила очистки данных для пропущенных значений, единиц измерения, противоречий и дубликатов. Сохраните исходные записи и рассмотрите нерешённые вопросы перед загрузкой.

• Событийная архитектура: различия между событиями, командами и гарантиями доставки

  Изучите событийную архитектуру на примерах идентификации событий, порядка событий для каждого документа и последовательностей их получения потребителями. Рассмотрите пределы доставки, установленные по результатам измерений.

• Извлечение, преобразование, загрузка: границы рабочих процессов ETL и ELT

  Разберитесь в порядке этапов ETL и ELT, отклонённых строках, сверке данных, контрольных точках и ограничениях компонентов чтения, преобразования и записи из каталога.

• Промптинг с несколькими примерами

  Промптинг с несколькими примерами использует примеры внутри промпта. Сравните инструкции без примеров, примеры граничных случаев и искусственные тестовые случаи, отложенные для оценки.

• Дообучение и перенос обучения: изменение весов и предоставление контекста

  Узнайте, что меняет дообучение, как с ним связан перенос обучения и когда для задачи подходят примеры в промпте или поиск данных. Приведена таблица для оценки.

• Вызов функций

  Вызов функций отделяет выбор инструмента моделью от его выполнения после проверки. Узнайте о схемах, наблюдениях, обработке сбоев и границах инструментов, предназначенных только для чтения.

• Генеративный ИИ: создание черновика и проверка факта — разные задачи

  Что такое генеративный ИИ? Сравните классификацию, составление кратких изложений и подготовку черновиков ответов, затем разберите выдуманное обещание доставки и документированные ограничения компонентов.

• Коды состояния HTTP: категория ответа и успех операции приложения

  Изучите классы ответов HTTP и различайте ожидаемый код состояния, корректное тело ответа, фактически достигнутые результаты действий и утечки конфиденциальных данных.

• Интеллектуальные агенты в искусственном интеллекте: примеры

  Изучите рефлексных, целеориентированных, обучающихся агентов и агентов на основе полезности на примерах наблюдений и действий, включая программные примеры с заданными границами и ограничениями.

• Граф знаний: моделирование сущностей, связей и подтверждающих данных

  Создайте небольшой граф знаний с идентификаторами сущностей, тройками, описывающими связи, подтверждающими данными и сведениями о том, действительны ли эти связи. Отличайте явные связи от семантического сходства.

• Обоснование ответов LLM

  Обоснование ответов LLM связывает утверждения в ответе с подтверждающими данными. Рассмотрите искусственный пример журнала соответствий между утверждениями и фрагментами текста и различайте подтверждённые, неподтверждённые и опровергнутые утверждения.

• Галлюцинации LLM

  Классифицируйте галлюцинации LLM на примере архива: выдуманные ссылки, неподтверждённые процедуры, противоречия и исправления для каждой категории.

• Наблюдаемость LLM: трассировки, метрики и недостающие данные

  Разберитесь в журналах, метриках, трассировках и оценке LLM. Отличайте неизвестное время от нулевого, а оценку с помощью компонентов из каталога — от данных встроенной трассировки.

• Структурированный вывод LLM

  Структурированный вывод LLM представляет ответы в виде набора полей. Узнайте об обязательных значениях, неизвестных состояниях, проверках схемы и проверке подтверждающих данных перед использованием результата.

• Температура LLM и top-p: подробный пример выбора токенов

  Разберитесь в температуре LLM и top-p на примере четырёх вероятностей из упрощённого примера, порога накопленной вероятности для отбора токенов в top-p, пересчёта с учётом температуры и журнала оценки повторных генераций.

• Low-code и no-code: настройка, расширения и тестирование

  Сравните low-code, no-code и ручную обработку на примере проверки CSV. Узнайте, почему визуальная настройка всё равно требует контрактов, учётных данных и тестов.

• Конвейер машинного обучения: границы обучения и применения модели

  Узнайте об этапах конвейера машинного обучения, границах обучения и применения модели, разделении наборов данных, версиях моделей и утечке данных в момент отправки.

• Распознавание именованных сущностей: сущности, метки и границы

  Узнайте, как распознавание именованных сущностей определяет фрагменты текста и типы, обрабатывает альтернативные названия и неоднозначность и чем отличается от связывания сущностей и присвоения меток документам.

• Обработка естественного языка: задачи, входные данные и неоднозначность языка

  Разберитесь в NLP на примере шести вымышленных сообщений, показывающих извлечение, классификацию, составление краткого изложения, генерацию и неразрешённую языковую неоднозначность.

• OCR: распознанный текст не является проверенными данными документа

  Узнайте, что означает OCR, разберите ошибки в символах и десятичных числах и различайте распознанный текст, предлагаемые значения полей и подтверждение по источнику.

• Продукционные системы в ИИ: факты, правила и разрешение конфликтов

  Узнайте, как продукционные системы в ИИ сопоставляют факты с правилами, разрешают конфликты между действиями и завершают работу, на подробном примере символьной трассировки.

• Промпт-инжиниринг

  Изучите промпт-инжиниринг на искусственном примере извлечения данных: инструкции, примеры, контракты выходных данных и оценка в контролируемых условиях.

• Агент ReAct

  Агент ReAct использует цикл «действие — наблюдение». Разберитесь в наблюдаемых трассировках работы инструментов, остановке с заданными ограничениями и отличиях этого подхода от вызова функций.

• Обратный ETL: применение аналитических данных в операционной работе и границы записи

  Обратный ETL переносит аналитические данные в операционные системы. Разберите ответственность за поля, устаревшие обновления, отсутствующие записи и повторные пакеты данных.

• RPA и ИИ

  Сравните RPA, автоматизацию через API и интерпретацию с помощью ИИ с точки зрения ограничений на входные данные и действия, с примерами применения правил или внешнего инструмента автоматизации рабочего стола.

• Семантический поиск

  Семантический поиск находит данные по смыслу, а не по точному совпадению слов. Изучите несоответствие этапов процесса, неоднозначность запросов и релевантность результатов поиска.

• Синтетические данные: тестовые примеры без заявлений об анонимности

  Создайте вымышленный набор из шести строк с обращениями и обычными, пустыми, противоречивыми и некорректно оформленными полями. Отличайте покрытие тестами от заявлений об анонимности.

• Классификация текста: метки, отказ от классификации и оценка

  Определите метки классификации текста, условия отказа от классификации и оценку на отложенных данных, используя специально составленную систему категорий документов, матрицу ошибок и ограничения компонентов, описанных в каталоге.

• Текстовые эмбеддинги

  Текстовые эмбеддинги представляют текст в виде векторов. Узнайте о совместимых пространствах эмбеддингов, контрактах преобразования Message в вектор и о том, чего сходство не может доказать.

• Единый API: общие контракты для API разных сервисов

  Единый API на примере двух вымышленных схем источников, общей записи, набора поддерживаемых возможностей и ограничений адаптеров в AI Flowi Workflow.

• Векторная база данных

  Разберитесь, как работают векторные базы данных: изучите связи с источниками, версии документов, проверки исключения устаревших данных и повторное создание согласованной коллекции для поиска.

• Что такое LLM?

  Что такое LLM? Узнайте о больших языковых моделях, предсказании токенов, различиях между обучением и применением модели и границе между моделью и приложением, которое её использует.

• Что такое аналитика разговоров

  Аналитика разговоров превращает расшифровки, на использование которых получено разрешение, в выводы, доступные для проверки. Узнайте о требованиях к подтверждающим данным, ограничениях анализа и роли компонентов Flowi.

• Что такое диалоговая коммерция

  Диалоговая коммерция связывает вопросы о товарах с решениями о покупке. Узнайте о границах обработки обращений и транзакций и рассмотрите пример Flowi с ограниченным охватом.

• Что такое автоматизация CRM

  Разберитесь в автоматизации CRM на примере идентификации записей клиентов, разрешённых обновлений и обработки сбоев на примере реестра в электронной таблице с ограниченным охватом.

• Что такое RAG?

  RAG означает генерацию с дополнением данными из поиска: найдите подтверждающие данные, сформируйте контекст и сгенерируйте ответ. Узнайте об архитектуре и границах возможных сбоев.

• Оркестрация рабочих процессов: координация зависимостей, состояния и восстановления

  Координируйте зависимости с помощью состояний этапов и подтверждений выполнения предварительных условий. Изучите запись о перезапуске для валидации, проверки и последующих действий.

Тарифы: Go от USD8 в месяц при годовой оплате (USD10 помесячно), пять тарифов до Pro 500. Все тарифы указаны на странице тарифов. См. тарифы.