智枢圈

摘要： ⚠️ 过时提示（2026 更新）:本篇介绍的"AI 工作流（Workflow）"范式,正在被多 Agent（Multi-Agent）架构逐步替代。 工作流强调"人把流程画好,AI 按节点跑":每一步走哪条边、调哪个模型、用什么 Prompt,都是开发者预先设计好的。 多 Agent则把"怎么走"也交 阅读全文

摘要： 本节目标:用最直白的话讲清楚 Skill(技能) 是什么、为什么 2025 年下半年它从一个小众概念变成了 AI 行业的新基建,以及它会怎么改变你和 AI 的相处方式——不管你是开发者、产品经理、运营、还是只想让 AI 多帮自己干点活的普通用户。 一、先讲个故事:AI 的"老员工困境" 1.1 同样 阅读全文

摘要： 本节目标:用最直白的话讲清楚 MCP 是什么、为什么 2025 年它突然成为 AI 行业最热的协议、以及它会怎么改变你和 AI 工具的相处方式——不管你是开发者、产品经理、还是只想用好 AI 的普通用户。 一、先讲个故事:AI 的"接线员困境" 1.1 一个真实的痛苦 想象你刚买了一个智能音箱,这个 阅读全文

摘要： 本节目标：理解如何让大模型调用外部工具（函数），从"只能说"变成"能做事"。这是 Agent 和 MCP 的基础。 一、为什么大模型需要工具？ 1.1 大模型的天然局限 大模型擅长的： 大模型不擅长的： ✓ 理解语言 ✗ 精确计算（1234 × 5678 = ?） ✓ 生成文本 ✗ 获取实时信息（今 阅读全文

摘要： 本节目标：掌握 RAG 的完整架构与实现，让大模型能基于你的私有知识库来回答问题，解决幻觉和知识过时的问题。 一、为什么需要 RAG？ 1.1 大模型的三大痛点 痛点1：知识过时 用户："2026年3月的GDP数据是多少？" 模型："我的知识截止到训练时间，无法回答最新数据。" 痛点2：缺少私有知识 阅读全文

摘要： 本节目标：理解如何把文字变成数字（Embedding），以及如何高效地存储和搜索这些数字（向量数据库）。这是构建 RAG 系统的基础。 一、什么是 Embedding？ 1.1 通俗理解 Embedding 就是把文字变成一组数字（向量），让计算机能理解文字之间的语义关系。 人类理解语义： "猫" 阅读全文

摘要： 本节目标：掌握和大模型"沟通"的技巧，学会写出高质量的提示词，让 AI 给出你真正想要的回答。 一、什么是 Prompt？ 1.1 通俗理解 Prompt 就是你发给大模型的文字指令。你怎么提问，决定了 AI 怎么回答。 一个简单的类比： Prompt 就像你给一个非常聪明但很"听话"的实习生布置任 阅读全文

摘要： [理论篇-1] 大模型概论与发展历程 本节目标：理解什么是大语言模型，它是怎么来的，又能做什么。读完本文，你将对 LLM 拥有一个清晰的全景认知，并能跟上 2026 年的最新技术进展。 一、什么是大语言模型（LLM）？ 1.1 用一句话理解 大语言模型（Large Language Model，简称 阅读全文