对于目前AI的一些理解

人工智能（Artificial Intelligence，简称AI）：
是指通过计算机系统模拟人类智能的技术，本质就是通过算法和数据，让计算机具备学习、推理决策等类人能力

AI应用：
是指把人工智能的能力运用到实际的业务中，并且离开大语言模型就无法正常运转，比如Sora、豆包、智能客服app

AI算法：
是指计算机模仿人类思考、学习、判断时，遵循的数学公式+执行流程，是实现这些能力的具体方法和逻辑。（人工智能要靠AI算法实现）

Copilot模式和Agent模式

• Copilot翻译过来是副驾驶，这种模式是人主导，AI提供建议，给出答案或参考方案，最终决策和控制权完全由人类掌握。举例：豆包的一问一答形式
• Agent翻译过来是代理，这里指智能体，这种模式是AI自主进行任务规划并调用工具完成执行。举例：Codex根据用户要求自动修改代码文件

vibecoding
直译过来是氛围式编程，实际上就是以自然语言驱动的软件开发方式。开发者通过描述需求，大模型自动生成和修改代码，直到满足人的需求。

人工智能、机器学习、深度学习三者的关系：

• 人工智能（AI）：目的是让机器拥有类人的智能
• 机器学习（Machine Learning）：是人工智能的核心实现方式。它通过数据训练模型，让机器自动学习规律，而不是依赖人工编写规则。虽然不依赖人工规则，但传统机器学习还是需要依赖某些特征值。比如电商平台需要依赖用户搜索和购买记录。
• 深度学习（Deep Learning）：是机器学习的一个重要分支。是一种基于多层神经网络，让机器自动从海量数据中学习特征和规律，从而实现感知、理解与生成的高级机器学习方法。比如人脸识别解锁，通过之前记录的人脸数据来判断当前人脸。
• 三者关系：深度学习是机器学习的重要分支，机器学习是人工智能的核心实现方式。

LLM
全拼是Large Language Model，中文叫大语言模型，是一种基于海量文本数据训练，能够理解和生成人类语言的人工智能模型。

prompt（提示词）
分为系统提示词和用户提示词，是提供给LLM的文本或指令，用于引导模型生成特定输出

Token（词元）

• 概念：是LLM处理文本时的最小语义单位。是将文本拆解成模型可理解的离散单元。
• 来源：通过LLM的分词器将文本拆分而来，不同模型的分词器不同，同一个词在不同模型中可能被拆分成不同的Token。
• 分类：Prompt Token（Input Token：输入Token） ；Completion Token（Output Token：输出Token）
• 在LLM中的作用：计费单位；上下文长度限制（模型有最大上下文窗口，超过上限模型就无法处理，会截断或报错）；决定模型理解能力（切分越合理，模型越能理解语义。同时Token数量直接影响推理速度、显存占用、成本）

会话记忆（Chat Memory）和上下文窗口（Context Window）的关系：

• 会话记忆：指模型对历史对话内容的存储和利用机制，属于上下文理解的核心能力之一
• 上下文窗口：大语言模型一次最多能处理的输入Token数量
• 两者关系：上下文窗口=背包容量；当前输入+会话记忆+系统提示词=你要装进去的东西

多模态

• 概念：是指融合文本、图像、音频、视频等多种类型信息，让模型能理解、生成不同模态数据的技术。（单模态只能处理一种数据类型）
• 常见模态：文本（Text）、图像（Image）、音频（Audio）、视频（Video）

RAG（Retrieval Augmented Generation，检索增强生成）

• 什么是RAG：是一种集合外部知识库检索与大模型生成的技术。核心是让大模型在回答前先“查资料”（外部知识库），在基于检索到的权威信息生成答案，解决模型知识过时、幻觉、专业知识不足三大核心问题
• RAG解决的问题：知识过时问题；幻觉问题（大模型编答案）；私有知识问题（公司内部数据）；上下文窗口限制（检索“相关片段”而不是全部数据节省Token）；可解释性问题（RAG可以返回引用来源，支持溯源）

工具调用（Tool Calling）
指LLM能够根据用户请求，智能地选择并调用外部工具（如函数、API、服务等）并获取执行结果，以此扩展并增强自身能力的技术流程

MCP（Model Context Protocol，模型上下文协议）
由AI公司Anthropic与2014年11月推出的开源标准协议。为LLM与外部系统、工具和数据源提供标准化的安全双向通信接口，解决AI集成的（N×M)(GPT、Claude...×数据库、浏览器...）复杂度问题，是AI领域的通用接口

Agent&workflow

• Agent:能够感知环境输入、自主决策、规划行动路径，并可调用工具或执行操作以达到目标的自主性软件实体
• 工作流（workflow）：是按照预先定义好的步骤和规则，以此执行任务的一种流程化机制。特点：流程是固定的、可预期的、每一步做什么都是提前设计好的、更像一条“流水线”
• 区别：工作流是人预先定义步骤的自动化流程；Agent是LLM根据目标动态控制流程走向

多Agent模式
将一个复杂任务拆分给多个具备不同职责的Agent，由它们协作完成整体目标的系统

单Agent执行复杂任务的弊端

• 上下文限制
• 角色冲突与指令污染：同一个Agent同时扮演多个角色时，系统提示词会发生冲突，导致行为混乱
• 单点故障与脆弱性：单个Agent一旦在某个步骤推理出错或遇到未知情况，整个任务链可能崩溃

Skill
Skill是模型经过学习或配置之后，可重复执行的一类标准化任务能力
Skill VS Tool Calling：Tool更侧重单一操作的能力（查天气）；Skill则是完成某项具体任务的能力（规划旅行：查天气+订酒店......）
https://skillsmp.com/zh