术语词库

React Fiber 架构的核心调度机制，将渲染工作拆成约 5ms 的小块（work unit），每个块结束后检查是否有更高优先级任务需要插队，从而避免长时间渲染阻塞主线程。本质上是用调度复杂度补偿响应式粒度不足导致的高更新成本。

Vue 3 模板编译器为动态节点生成的位标记常量（如 TEXT=1, CLASS=2），运行时 diff 通过位运算跳过不可能变化的属性，将 diff 复杂度从 O(template) 压缩到 O(dynamic bindings)。本质上是编译器给渲染管线留的"快捷通道"。

Qwik 框架提出的 SSR 策略，与传统 Hydration（水合）对立。服务端的执行状态被序列化到 HTML 中，客户端直接"恢复"（resume）而非"重放"（replay），实现 TTI 接近 FCP 的近零水合加载。

SSR 场景下，客户端 JavaScript 接管服务端输出的静态 HTML、恢复交互能力的过程。各框架的水合策略差异巨大——从 React 的全量重执行到 Qwik 的 Resumability 接近零水合，水合成本是 SSR 性能的核心瓶颈。

追踪粒度到单个值或表达式的响应式系统，状态变更直接映射到具体的 DOM 更新，无需 Virtual DOM diff。Solid 和 Svelte 5 是典型代表，但两者的依赖图构建时机不同——前者运行时动态收集，后者编译期静态绑定。

一种将用户画像从被动的文本记录编码为可执行用户模型的研究方向——Agent 不是"查询"用户偏好的文本描述，而是"运行"用户偏好的代码。目前为预印本阶段（arXiv:2606.16707，Bojie Li，Pine AI），影响力尚未建立，但代表了 Agent 记忆研究从"存什么"转向"以什么形式存"的趋势。

A2A 协议中 Agent 的能力声明文档，托管在 `/.well-known/agent-card.json`。包含四个核心字段：name（我是谁）、url（在哪找我）、skills（能做什么）、authentication（怎么鉴权）。其他 Agent 读取 Agent Card 即可判断对方能否协助完成特定子任务。

Agent 协议栈的通用发现层——解决"怎么找到对方"的问题。通过 ai-catalog.json（域级资源目录）和 Registry（可搜索索引）两个组件，让 Agent 能发现 A2A Agent、MCP Server 和其他 agentic 资源。2026年6月由 Google 联合 11 家公司发布，Apache 2.0，截至发布时仍为初始版本。

多 Agent 系统中，将主对话历史按目标 Agent 的需求裁剪后再传递的机制。核心策略：只保留 user 消息和各 Agent 的最终输出（带 name 标签的 assistant 消息），丢弃工具调用细节。与"上下文隔离"不同——过滤是主动选择传什么，隔离是结构性不共享。

训练时随机关闭一部分神经元，强迫网络分散能力——像小组学习随机让人请假，逼每个人都学全部内容，防止少数节点"包办一切"。

模型在没见过的新数据上也能准确预测的能力——训练的终极目标不是在练习题上满分，而是考试也能考好。

模型连训练数据都没学好，训练损失和验证损失都很高——相当于考试前根本没复习，与过拟合相反。