AI极简入门指南先说几句大实话大模型是什么提示词是什么工具是怎么回事Agent 是什么那些术语到底是什么意思大模型LLM / Foundation Model提示词Prompt微调Fine-tuningRAG检索增强生成向量数据库Vector DatabaseEmbedding嵌入 / 向量化Agent智能体Skill / 技能Function Calling函数调用MCPModel Context Protocol模型上下文协议MoE混合专家模型多模态MultimodalRLHF基于人类反馈的强化学习幻觉Hallucination几个踩过的坑提前说一下最后先说几句大实话最近随便刷个科技号就能撞见一堆让人头皮发麻的词大模型、RAG、微调、Agent、向量数据库、Embedding……单个字都认识凑一块就看不懂了。我之前也是这样。想学吧怕看不懂不学吧又怕掉队。后来花了一段时间把这些东西弄明白发现其实没那么复杂。AI 目前干的事情说白了就一件根据你给的信息猜下一个最可能正确的答案。你在 ChatGPT 里看到的所有花活底层都是这个逻辑。今天不写代码也不贴论文。我先用一个比喻把大模型、提示词、工具、Agent 这几个核心概念串起来后面再把这些术语逐个拆解每个词先给专业定义再用大白话翻译一遍争取让你一次搞明白。大模型是什么你可以把大模型想象成一个刚读完人类几乎所有公开资料的学霸。互联网上的文章、书籍、代码、论坛帖子它全看过了。看完之后通过了一系列考试然后被分配到你面前等着干活。ChatGPT、DeepSeek、文心一言、Claude、通义千问这些都是大模型产品。它们看起来各有特色但底层做的事情差不多基于读过的海量内容来回答你的问题。不过这个学霸有个特点它非常被动。你不问它它就待在那儿发呆。你问了它才开口。而且它回答的质量完全取决于你怎么问。问得好答案就靠谱问得随便答案也就随便。另外它有两个天生的毛病。第一知识有截止日期训练数据到某个时间点就停了所以它不知道今天发生了什么。第二数学计算之类需要精确推理的事情它不太行因为它本质上是在猜答案而不是真的在算。你让它算三位数乘法它可能很自信地给你一个错的结果。提示词是什么学霸坐在那了你得告诉它干什么。你发出去的这条指令就是提示词Prompt。提示词这个东西说起来简单但差别真的很大。我举个例子你就明白了。你跟 AI 说帮我写个文案它不知道你要什么文案、给谁看、什么调性大概率给你一篇放哪都能用但也放哪都不出彩的通用稿子。但如果你说帮我写一个针对一线城市白领的高端矿泉水品牌文案主打治愈风格200 字以内语气参考依云广告它就知道目标人群、风格、字数、参考对象给你的东西完全不一样。同一个模型只是指令的详细程度不同产出差距就这么大。我自己用下来总结了一个写提示词的框架你直接套用就行角色设定 任务目标 细节要求/输出格式比如角色你是一位米其林三星大厨擅长用家常食材做健康料理。任务帮我设计一道 10 分钟就能做好的减脂早餐。格式列出食材和克数分步骤说明做法最后给出热量估算。你把这段话丢给任何一个大模型回答质量都比干巴巴一句推荐个早餐强太多了。说白了就是把话说清楚别指望 AI 能读心。工具是怎么回事前面说了学霸脑子好使但有两个毛病知识会过期精确计算不行。原因很简单它只有脑子没有其他器官。它想上网查天气但没有网线。想画个图表但没有画笔。想做统计分析但没有计算器。那如果我给它接上这些设备呢接上什么工具能干什么你可能见过的产品联网搜索查天气、查新闻、查实时数据ChatGPT 联网模式、Perplexity代码解释器清洗 Excel、画图表、跑数据统计ChatGPT Code Interpreter绘图插件根据描述生成图片Midjourney、DALL·E数学计算Wolfram 等精确求解公式ChatGPT Wolfram Alpha文件读写读取 PDF、Word提取信息各种 AI 文档助手你平时用 ChatGPT 的时候如果看到它问你要不要开启联网或者代码解释器那就是在问你要不要给学霸配装备。大模型本身只是一个大脑工具让它有了手脚。只有脑子没有手脚很多事情想到了做不了。脑子加手脚组合在一起才能真正帮你干活。不过到这一步不管大模型有没有工具都有一个共同点你得一步一步指挥它。每一步都得你说了算。那有没有一种 AI你只告诉它最终目标它自己就能安排中间所有步骤有的就是下面要讲的 Agent。Agent 是什么Agent 的意思是智能体。还是用之前的比喻大模型是实习生Agent 就是这个实习生转正了变成了能独立带项目的项目经理。区别在哪看个例子。假设你要点外卖。用普通 AI 的话流程是这样的你帮我搜一下附近有什么好吃的。 AI附近有以下餐厅…… 你第一家评分怎么样 AI评分 4.5主打川菜。 你帮我点一份宫保鸡丁。 AI好的已添加到购物车。 你下单吧。 AI已下单预计 35 分钟送达。你说了四句话它做了四件事。你不说它就不动。换 Agent 的话你中午想吃点好的预算 50 块帮我搞定。 Agent收到。 → 打开外卖 App搜附近餐厅 → 筛选评分 4.0 以上、人均 50 以内的 → 对比菜品评价和满减 → 选出最优方案下单 → 支付失败换张卡重试 → 下单成功通知你预计 30 分钟到你就说了一句话它把后面的事全办了。中间出问题自己处理不用你操心。对比普通 AIAgent工作方式你说一步做一步你给目标它自己拆解执行自主性完全被动主动规划遇到问题自己想办法工具使用你指定用哪个它自己判断出错处理等你纠正自己重试或换方案适合场景简单问答多步骤的复杂任务一个合格的 Agent 至少需要三个能力把大目标拆成小步骤规划每一步自动选择合适的工具执行做完之后检查结果是否合理、不对就回头改纠错。这东西现在已经在很多场景落地了。比如 AI 邮件助手你跟它说帮我回复这周的邮件它自己读邮件、判断优先级、写好回复、等你确认再发。再比如 AI 编程助手你描述需求它写代码、跑测试、修 Bug一条龙。那些术语到底是什么意思前面用比喻把核心概念串了一遍但你在别的地方看到这些词的时候人家不会用比喻来说。所以下面我把常见的 AI 术语拉个清单每个词先说专业定义再用大白话翻译一遍。大模型LLM / Foundation Model专业说法大语言模型Large Language Model是基于 Transformer 架构、在大规模文本语料上通过自监督学习训练得到的神经网络模型参数量通常达到数十亿甚至万亿级别具备文本生成、推理、翻译、编程等多种自然语言理解与生成能力。说人话就是读了互联网上几乎所有公开内容的一个超级大脑。你给它一段话它能接着往下写你问它问题它根据读过的东西来回答。ChatGPT、DeepSeek 这些都是大模型。提示词Prompt专业说法提示词是用户向大语言模型提供的输入文本或指令用于引导模型生成特定的输出。Prompt Engineering提示词工程是设计和优化输入指令以提升模型输出质量的技术方法。说人话就是你发给 AI 的那段话。你说得越清楚它给你的东西越靠谱。前面第三部分详细讲了这个。微调Fine-tuning专业说法微调是在预训练大模型的基础上使用特定领域的小规模标注数据集进行二次训练使模型适应特定下游任务的技术。常见方法包括全参数微调、LoRALow-Rank Adaptation、QLoRA 等参数高效微调PEFT技术。说人话大模型是通才什么都懂一点但不一定精通你的行业。微调就是拿你自己行业的数据再训练它一下让它变成你这个领域的专家。比如你开了一家律所拿过去几年的案例文书去训练它它回答法律问题的时候就更专业。RAG检索增强生成专业说法RAGRetrieval-Augmented Generation是一种将信息检索与大语言模型生成相结合的技术架构。在生成回答前先从外部知识库中检索相关文档片段将检索结果作为上下文注入 Prompt使模型基于真实数据生成回答从而减少幻觉并保持知识的时效性。说人话大模型有个毛病它只能靠脑子里记住的东西回答问题遇到不确定的就瞎编。RAG 的思路是你先帮它去资料库里搜一遍把搜到的相关内容塞给它然后让它根据这些内容来回答。相当于考试的时候给它开卷而不是全靠背书。向量数据库Vector Database专业说法向量数据库是一种专门用于存储、索引和检索高维向量数据的数据库系统。通过近似最近邻ANN算法实现对海量向量的高效相似度搜索。典型产品包括 Milvus、Pinecone、Weaviate、Chroma 等。说人话普通数据库靠关键词搜索你搜苹果就只能找到写了苹果的内容。向量数据库靠意思搜索你搜水果能把苹果“香蕉”橘子全找出来因为它们意思相近。RAG 里那个去资料库里搜一遍的环节通常就是用向量数据库来做的。Embedding嵌入 / 向量化专业说法Embedding 是将离散的文本、图像等非结构化数据映射为连续的低维稠密向量Dense Vector的过程。语义相近的内容在向量空间中距离更近从而支持语义检索、聚类、分类等下游任务。说人话就是给每段文字算一个坐标。意思接近的文字坐标也接近。比如我今天很开心和我今天心情不错虽然字不一样但算出来的坐标很近。向量数据库存的就是这些坐标搜的时候也是按坐标远近来找。Agent智能体专业说法Agent 是一种具备自主感知环境、制定计划、调用工具并执行任务的 AI 系统。它通常由大语言模型作为推理核心结合记忆模块、工具调用和规划能力实现多步骤复杂任务的自动化完成。典型框架包括 ReAct、AutoGPT、LangChain Agent 等。说人话普通 AI 是你问一句它答一句。Agent 是你给它一个目标它自己安排怎么做、分几步、每步用什么工具、出了问题怎么调整。前面第五部分用外卖的例子详细讲过。Skill / 技能专业说法Skill 是 Agent 架构中可被调用的预定义能力模块通常封装了特定的工具调用逻辑或 API 接口。Agent 根据任务需要动态选择和组合不同的 Skill 来完成复杂工作流。说人话Agent 是一个能自己安排工作的项目经理Skill 就是这个经理会的各种技能。比如它会搜网页、会读文件、会发邮件每个都是不同的技能。你在 Coze 这类平台上搭积木的时候拖进去的那一块块就是 Skill。Function Calling函数调用专业说法Function Calling 是大语言模型提供的一种结构化能力允许模型在对话过程中识别用户意图生成符合预定义 Schema 的函数调用参数由外部系统执行后将结果返回给模型继续推理。说人话大模型本身只会输出文字。但如果我提前告诉它“你这里有一批工具可以用”它就能在回答的时候判断什么时候该调用哪个工具然后把参数传过去。比如你问“北京今天天气怎么样”模型不会瞎编而是自动调用天气 API拿到真实数据再回答你。Function Calling 就是让 AI 学会“动手”的底层机制。MCPModel Context Protocol模型上下文协议专业说法MCP 是 Anthropic 于 2024 年提出的一项开放标准协议旨在为大语言模型提供统一的外部数据源和工具接入方式。它采用客户端-服务器架构定义了模型与外部系统之间的通信规范使 AI 应用能够通过标准化接口访问各类数据源、API 和计算资源。说人话以前每个 AI 应用要对接一个新工具就得单独写一套对接代码非常麻烦。MCP 相当于给所有人统一了一套插头标准。以前就像每个国家的插座形状不一样你得带一堆转换头有了 MCP 之后全世界的插座都是同一个规格插上就能用。现在越来越多的 AI 产品开始支持 MCP意味着你给 AI 配工具的门槛越来越低了。MoE混合专家模型专业说法MoEMixture of Experts是一种稀疏激活的神经网络架构将模型划分为多个专家子网络通过门控机制Gating Network在每次推理时动态选择少量专家参与计算从而在保持模型总参数量的同时大幅降低推理开销。典型代表有 Mixtral、DeepSeek-V2 等。说人话普通大模型每次回答问题都要动用整个大脑很费资源。MoE 的思路是把大脑分成好几个“专科医生”遇到数学问题就调数学专家遇到写作问题就调文字专家每次只激活一小部分。这样模型总知识量很大但每次运行起来反而又快又省。多模态Multimodal专业说法多模态是指 AI 模型能够同时处理和生成多种类型数据文本、图像、音频、视频等的能力。典型的多模态模型包括 GPT-4o、Gemini、Qwen-VL 等它们通过统一的架构将不同模态的信息融合理解。说人话最早的大模型只能处理文字你给它看图片它不认识。多模态就是让 AI 不光能读写还能看图、听声音、甚至理解视频。你跟 ChatGPT 说“帮我分析这张图片里有什么”它能看懂并回答这就是多模态能力。RLHF基于人类反馈的强化学习专业说法RLHFReinforcement Learning from Human Feedback是一种将人类偏好引入大语言模型训练流程的对齐技术。先通过人类标注数据训练奖励模型Reward Model再利用强化学习算法如 PPO优化模型输出使模型的生成结果更符合人类的价值观和使用习惯。说人话大模型读完海量内容之后虽然知识面很广但说话方式可能很奇怪甚至会输出有害内容。RLHF 就是让真人来给它的回答打分告诉它“这个回答好”“那个回答不行”然后根据这些反馈反复调整直到它说话越来越像一个正常人、越来越符合你的预期。可以理解为学霸毕业后又接受了职场礼仪培训。幻觉Hallucination专业说法幻觉是指大语言模型生成的内容与事实不符、缺乏依据或逻辑上不连贯的现象。模型在缺乏足够知识时会基于概率分布“编造”看似合理但实际错误的信息。说人话AI 有时候会一本正经地胡说八道。它不知道答案的时候会自己编一个而且编得特别像真的你不仔细核实根本看不出来。几个踩过的坑提前说一下概念讲完了最后说几个我自己用下来觉得值得注意的事。第一AI 会编。这个在行业里叫幻觉Hallucination。它有时候会非常自信地给你一个完全捏造的答案而且说得有鼻子有眼。比如你问某个法律条款它可能给你编一个不存在的条款号。问某种病的用药方案它给的建议可能不靠谱甚至有害。所以涉及历史、法律、医疗这些严肃领域一定要自己核实信息源。把 AI 当一个聪明但偶尔不靠谱的同事就行别当百科全书。第二先别急着学编程。很多人一听 AI 就想到我是不是该学 Python。其实对大部分非技术岗的人来说把提示词写好比学代码有用得多。一个会用提示词的运营几分钟就能让 AI 出十版文案初稿自己挑一版润色就好。不会用的折腾半天只得到一篇正确的废话还不如手写。等提示词玩熟了再考虑要不要碰代码完全来得及。第三找个机会亲手搭一次 Agent。现在有些零代码平台像字节的扣子Coze、百度的千帆 AppBuilder、OpenAI 的 GPTs让你像搭积木一样把搜索、语音、知识库这些能力拖拽组合起来几分钟就能做出一个简单的智能体。动手搭一次比看十篇科普文章都有用因为你会在过程中真正感受到模型、提示词、工具是怎么配合的。最后回头看看这篇文章讲的东西其实不复杂。大模型是读了一堆书的学霸提示词是你给它的指令工具是让它能动手的外挂Agent 是它能自己规划执行一整件事。RAG 是给它开卷考试向量数据库是按意思搜索的仓库Embedding 是把文字变成坐标微调是拿你的数据把它训练成行业专家。MCP 是统一插头标准MoE 是专科医生分工多模态是能看图听声音RLHF 是毕业后的职场礼仪培训。我自己用 AI 最深的感受是它确实能大幅提升效率但前提是你得知道怎么跟它沟通。工具再好用的人不行也白搭。AI 能帮你干活但往哪个方向干、干到什么标准这些判断还是得你自己来。还有什么想深入了解的比如 Token、Context Window、AI 编程工具对比、或者具体某个 AI 产品的使用体验评论区留言就行。
AI极简入门指南先说几句大实话大模型是什么提示词是什么工具是怎么回事Agent 是什么那些术语到底是什么意思大模型LLM / Foundation Model提示词Prompt微调Fine-tuningRAG检索增强生成向量数据库Vector DatabaseEmbedding嵌入 / 向量化Agent智能体Skill / 技能Function Calling函数调用MCPModel Context Protocol模型上下文协议MoE混合专家模型多模态MultimodalRLHF基于人类反馈的强化学习幻觉Hallucination几个踩过的坑提前说一下最后先说几句大实话最近随便刷个科技号就能撞见一堆让人头皮发麻的词大模型、RAG、微调、Agent、向量数据库、Embedding……单个字都认识凑一块就看不懂了。我之前也是这样。想学吧怕看不懂不学吧又怕掉队。后来花了一段时间把这些东西弄明白发现其实没那么复杂。AI 目前干的事情说白了就一件根据你给的信息猜下一个最可能正确的答案。你在 ChatGPT 里看到的所有花活底层都是这个逻辑。今天不写代码也不贴论文。我先用一个比喻把大模型、提示词、工具、Agent 这几个核心概念串起来后面再把这些术语逐个拆解每个词先给专业定义再用大白话翻译一遍争取让你一次搞明白。大模型是什么你可以把大模型想象成一个刚读完人类几乎所有公开资料的学霸。互联网上的文章、书籍、代码、论坛帖子它全看过了。看完之后通过了一系列考试然后被分配到你面前等着干活。ChatGPT、DeepSeek、文心一言、Claude、通义千问这些都是大模型产品。它们看起来各有特色但底层做的事情差不多基于读过的海量内容来回答你的问题。不过这个学霸有个特点它非常被动。你不问它它就待在那儿发呆。你问了它才开口。而且它回答的质量完全取决于你怎么问。问得好答案就靠谱问得随便答案也就随便。另外它有两个天生的毛病。第一知识有截止日期训练数据到某个时间点就停了所以它不知道今天发生了什么。第二数学计算之类需要精确推理的事情它不太行因为它本质上是在猜答案而不是真的在算。你让它算三位数乘法它可能很自信地给你一个错的结果。提示词是什么学霸坐在那了你得告诉它干什么。你发出去的这条指令就是提示词Prompt。提示词这个东西说起来简单但差别真的很大。我举个例子你就明白了。你跟 AI 说帮我写个文案它不知道你要什么文案、给谁看、什么调性大概率给你一篇放哪都能用但也放哪都不出彩的通用稿子。但如果你说帮我写一个针对一线城市白领的高端矿泉水品牌文案主打治愈风格200 字以内语气参考依云广告它就知道目标人群、风格、字数、参考对象给你的东西完全不一样。同一个模型只是指令的详细程度不同产出差距就这么大。我自己用下来总结了一个写提示词的框架你直接套用就行角色设定 任务目标 细节要求/输出格式比如角色你是一位米其林三星大厨擅长用家常食材做健康料理。任务帮我设计一道 10 分钟就能做好的减脂早餐。格式列出食材和克数分步骤说明做法最后给出热量估算。你把这段话丢给任何一个大模型回答质量都比干巴巴一句推荐个早餐强太多了。说白了就是把话说清楚别指望 AI 能读心。工具是怎么回事前面说了学霸脑子好使但有两个毛病知识会过期精确计算不行。原因很简单它只有脑子没有其他器官。它想上网查天气但没有网线。想画个图表但没有画笔。想做统计分析但没有计算器。那如果我给它接上这些设备呢接上什么工具能干什么你可能见过的产品联网搜索查天气、查新闻、查实时数据ChatGPT 联网模式、Perplexity代码解释器清洗 Excel、画图表、跑数据统计ChatGPT Code Interpreter绘图插件根据描述生成图片Midjourney、DALL·E数学计算Wolfram 等精确求解公式ChatGPT Wolfram Alpha文件读写读取 PDF、Word提取信息各种 AI 文档助手你平时用 ChatGPT 的时候如果看到它问你要不要开启联网或者代码解释器那就是在问你要不要给学霸配装备。大模型本身只是一个大脑工具让它有了手脚。只有脑子没有手脚很多事情想到了做不了。脑子加手脚组合在一起才能真正帮你干活。不过到这一步不管大模型有没有工具都有一个共同点你得一步一步指挥它。每一步都得你说了算。那有没有一种 AI你只告诉它最终目标它自己就能安排中间所有步骤有的就是下面要讲的 Agent。Agent 是什么Agent 的意思是智能体。还是用之前的比喻大模型是实习生Agent 就是这个实习生转正了变成了能独立带项目的项目经理。区别在哪看个例子。假设你要点外卖。用普通 AI 的话流程是这样的你帮我搜一下附近有什么好吃的。 AI附近有以下餐厅…… 你第一家评分怎么样 AI评分 4.5主打川菜。 你帮我点一份宫保鸡丁。 AI好的已添加到购物车。 你下单吧。 AI已下单预计 35 分钟送达。你说了四句话它做了四件事。你不说它就不动。换 Agent 的话你中午想吃点好的预算 50 块帮我搞定。 Agent收到。 → 打开外卖 App搜附近餐厅 → 筛选评分 4.0 以上、人均 50 以内的 → 对比菜品评价和满减 → 选出最优方案下单 → 支付失败换张卡重试 → 下单成功通知你预计 30 分钟到你就说了一句话它把后面的事全办了。中间出问题自己处理不用你操心。对比普通 AIAgent工作方式你说一步做一步你给目标它自己拆解执行自主性完全被动主动规划遇到问题自己想办法工具使用你指定用哪个它自己判断出错处理等你纠正自己重试或换方案适合场景简单问答多步骤的复杂任务一个合格的 Agent 至少需要三个能力把大目标拆成小步骤规划每一步自动选择合适的工具执行做完之后检查结果是否合理、不对就回头改纠错。这东西现在已经在很多场景落地了。比如 AI 邮件助手你跟它说帮我回复这周的邮件它自己读邮件、判断优先级、写好回复、等你确认再发。再比如 AI 编程助手你描述需求它写代码、跑测试、修 Bug一条龙。那些术语到底是什么意思前面用比喻把核心概念串了一遍但你在别的地方看到这些词的时候人家不会用比喻来说。所以下面我把常见的 AI 术语拉个清单每个词先说专业定义再用大白话翻译一遍。大模型LLM / Foundation Model专业说法大语言模型Large Language Model是基于 Transformer 架构、在大规模文本语料上通过自监督学习训练得到的神经网络模型参数量通常达到数十亿甚至万亿级别具备文本生成、推理、翻译、编程等多种自然语言理解与生成能力。说人话就是读了互联网上几乎所有公开内容的一个超级大脑。你给它一段话它能接着往下写你问它问题它根据读过的东西来回答。ChatGPT、DeepSeek 这些都是大模型。提示词Prompt专业说法提示词是用户向大语言模型提供的输入文本或指令用于引导模型生成特定的输出。Prompt Engineering提示词工程是设计和优化输入指令以提升模型输出质量的技术方法。说人话就是你发给 AI 的那段话。你说得越清楚它给你的东西越靠谱。前面第三部分详细讲了这个。微调Fine-tuning专业说法微调是在预训练大模型的基础上使用特定领域的小规模标注数据集进行二次训练使模型适应特定下游任务的技术。常见方法包括全参数微调、LoRALow-Rank Adaptation、QLoRA 等参数高效微调PEFT技术。说人话大模型是通才什么都懂一点但不一定精通你的行业。微调就是拿你自己行业的数据再训练它一下让它变成你这个领域的专家。比如你开了一家律所拿过去几年的案例文书去训练它它回答法律问题的时候就更专业。RAG检索增强生成专业说法RAGRetrieval-Augmented Generation是一种将信息检索与大语言模型生成相结合的技术架构。在生成回答前先从外部知识库中检索相关文档片段将检索结果作为上下文注入 Prompt使模型基于真实数据生成回答从而减少幻觉并保持知识的时效性。说人话大模型有个毛病它只能靠脑子里记住的东西回答问题遇到不确定的就瞎编。RAG 的思路是你先帮它去资料库里搜一遍把搜到的相关内容塞给它然后让它根据这些内容来回答。相当于考试的时候给它开卷而不是全靠背书。向量数据库Vector Database专业说法向量数据库是一种专门用于存储、索引和检索高维向量数据的数据库系统。通过近似最近邻ANN算法实现对海量向量的高效相似度搜索。典型产品包括 Milvus、Pinecone、Weaviate、Chroma 等。说人话普通数据库靠关键词搜索你搜苹果就只能找到写了苹果的内容。向量数据库靠意思搜索你搜水果能把苹果“香蕉”橘子全找出来因为它们意思相近。RAG 里那个去资料库里搜一遍的环节通常就是用向量数据库来做的。Embedding嵌入 / 向量化专业说法Embedding 是将离散的文本、图像等非结构化数据映射为连续的低维稠密向量Dense Vector的过程。语义相近的内容在向量空间中距离更近从而支持语义检索、聚类、分类等下游任务。说人话就是给每段文字算一个坐标。意思接近的文字坐标也接近。比如我今天很开心和我今天心情不错虽然字不一样但算出来的坐标很近。向量数据库存的就是这些坐标搜的时候也是按坐标远近来找。Agent智能体专业说法Agent 是一种具备自主感知环境、制定计划、调用工具并执行任务的 AI 系统。它通常由大语言模型作为推理核心结合记忆模块、工具调用和规划能力实现多步骤复杂任务的自动化完成。典型框架包括 ReAct、AutoGPT、LangChain Agent 等。说人话普通 AI 是你问一句它答一句。Agent 是你给它一个目标它自己安排怎么做、分几步、每步用什么工具、出了问题怎么调整。前面第五部分用外卖的例子详细讲过。Skill / 技能专业说法Skill 是 Agent 架构中可被调用的预定义能力模块通常封装了特定的工具调用逻辑或 API 接口。Agent 根据任务需要动态选择和组合不同的 Skill 来完成复杂工作流。说人话Agent 是一个能自己安排工作的项目经理Skill 就是这个经理会的各种技能。比如它会搜网页、会读文件、会发邮件每个都是不同的技能。你在 Coze 这类平台上搭积木的时候拖进去的那一块块就是 Skill。Function Calling函数调用专业说法Function Calling 是大语言模型提供的一种结构化能力允许模型在对话过程中识别用户意图生成符合预定义 Schema 的函数调用参数由外部系统执行后将结果返回给模型继续推理。说人话大模型本身只会输出文字。但如果我提前告诉它“你这里有一批工具可以用”它就能在回答的时候判断什么时候该调用哪个工具然后把参数传过去。比如你问“北京今天天气怎么样”模型不会瞎编而是自动调用天气 API拿到真实数据再回答你。Function Calling 就是让 AI 学会“动手”的底层机制。MCPModel Context Protocol模型上下文协议专业说法MCP 是 Anthropic 于 2024 年提出的一项开放标准协议旨在为大语言模型提供统一的外部数据源和工具接入方式。它采用客户端-服务器架构定义了模型与外部系统之间的通信规范使 AI 应用能够通过标准化接口访问各类数据源、API 和计算资源。说人话以前每个 AI 应用要对接一个新工具就得单独写一套对接代码非常麻烦。MCP 相当于给所有人统一了一套插头标准。以前就像每个国家的插座形状不一样你得带一堆转换头有了 MCP 之后全世界的插座都是同一个规格插上就能用。现在越来越多的 AI 产品开始支持 MCP意味着你给 AI 配工具的门槛越来越低了。MoE混合专家模型专业说法MoEMixture of Experts是一种稀疏激活的神经网络架构将模型划分为多个专家子网络通过门控机制Gating Network在每次推理时动态选择少量专家参与计算从而在保持模型总参数量的同时大幅降低推理开销。典型代表有 Mixtral、DeepSeek-V2 等。说人话普通大模型每次回答问题都要动用整个大脑很费资源。MoE 的思路是把大脑分成好几个“专科医生”遇到数学问题就调数学专家遇到写作问题就调文字专家每次只激活一小部分。这样模型总知识量很大但每次运行起来反而又快又省。多模态Multimodal专业说法多模态是指 AI 模型能够同时处理和生成多种类型数据文本、图像、音频、视频等的能力。典型的多模态模型包括 GPT-4o、Gemini、Qwen-VL 等它们通过统一的架构将不同模态的信息融合理解。说人话最早的大模型只能处理文字你给它看图片它不认识。多模态就是让 AI 不光能读写还能看图、听声音、甚至理解视频。你跟 ChatGPT 说“帮我分析这张图片里有什么”它能看懂并回答这就是多模态能力。RLHF基于人类反馈的强化学习专业说法RLHFReinforcement Learning from Human Feedback是一种将人类偏好引入大语言模型训练流程的对齐技术。先通过人类标注数据训练奖励模型Reward Model再利用强化学习算法如 PPO优化模型输出使模型的生成结果更符合人类的价值观和使用习惯。说人话大模型读完海量内容之后虽然知识面很广但说话方式可能很奇怪甚至会输出有害内容。RLHF 就是让真人来给它的回答打分告诉它“这个回答好”“那个回答不行”然后根据这些反馈反复调整直到它说话越来越像一个正常人、越来越符合你的预期。可以理解为学霸毕业后又接受了职场礼仪培训。幻觉Hallucination专业说法幻觉是指大语言模型生成的内容与事实不符、缺乏依据或逻辑上不连贯的现象。模型在缺乏足够知识时会基于概率分布“编造”看似合理但实际错误的信息。说人话AI 有时候会一本正经地胡说八道。它不知道答案的时候会自己编一个而且编得特别像真的你不仔细核实根本看不出来。几个踩过的坑提前说一下概念讲完了最后说几个我自己用下来觉得值得注意的事。第一AI 会编。这个在行业里叫幻觉Hallucination。它有时候会非常自信地给你一个完全捏造的答案而且说得有鼻子有眼。比如你问某个法律条款它可能给你编一个不存在的条款号。问某种病的用药方案它给的建议可能不靠谱甚至有害。所以涉及历史、法律、医疗这些严肃领域一定要自己核实信息源。把 AI 当一个聪明但偶尔不靠谱的同事就行别当百科全书。第二先别急着学编程。很多人一听 AI 就想到我是不是该学 Python。其实对大部分非技术岗的人来说把提示词写好比学代码有用得多。一个会用提示词的运营几分钟就能让 AI 出十版文案初稿自己挑一版润色就好。不会用的折腾半天只得到一篇正确的废话还不如手写。等提示词玩熟了再考虑要不要碰代码完全来得及。第三找个机会亲手搭一次 Agent。现在有些零代码平台像字节的扣子Coze、百度的千帆 AppBuilder、OpenAI 的 GPTs让你像搭积木一样把搜索、语音、知识库这些能力拖拽组合起来几分钟就能做出一个简单的智能体。动手搭一次比看十篇科普文章都有用因为你会在过程中真正感受到模型、提示词、工具是怎么配合的。最后回头看看这篇文章讲的东西其实不复杂。大模型是读了一堆书的学霸提示词是你给它的指令工具是让它能动手的外挂Agent 是它能自己规划执行一整件事。RAG 是给它开卷考试向量数据库是按意思搜索的仓库Embedding 是把文字变成坐标微调是拿你的数据把它训练成行业专家。MCP 是统一插头标准MoE 是专科医生分工多模态是能看图听声音RLHF 是毕业后的职场礼仪培训。我自己用 AI 最深的感受是它确实能大幅提升效率但前提是你得知道怎么跟它沟通。工具再好用的人不行也白搭。AI 能帮你干活但往哪个方向干、干到什么标准这些判断还是得你自己来。还有什么想深入了解的比如 Token、Context Window、AI 编程工具对比、或者具体某个 AI 产品的使用体验评论区留言就行。
、compile()与call()函数使用指南)
