1.1 AI基础

1.1.1 AI名词层级关系（嵌套关系：AI ⊃ 机器学习 ⊃ 深度学习 ⊃ 生成式AI）

1.1.2 AI三个发展阶段

1. 第一阶段：会认（识别）1950‑1990s

• 代表：手写数字识别LeNet；能力：识别物体“是什么”；局限：不会思考、不会创造；经历AI寒冬。

2. 第二阶段：会判断（预测）1990s‑2016

• 背景：互联网海量数据 + 算力提升；落地场景：垃圾邮件过滤、商品推荐、风控反欺诈、广告CTR预测；能力：基于历史数据做判断预测；短板：缺少原生创造能力。

3. 第三阶段：会创造（生成式AI爆发）2017至今

• 里程碑：2017《Attention is All You Need》提出Transformer架构（注意力机制、并行计算）；后续BERT、GPT系列；2022ChatGPT出圈。

• Transformer价值：解决RNN/LSTM长文本健忘、无法并行训练的痛点，为做大模型扫清障碍。

1.2 大语言模型的进化之路：从“会接龙”到“会做事”

LLM本质：预测下一个token（词元）的文字接龙机器，不是真正理解事实，会产生幻觉。

关键基础概念

• Token（词元）：模型处理文本最小单位，可以是汉字、词语、单词片段、标点；模型输入输出、计费、上下文窗口全部以token为计量单位。

• AI幻觉：模型追求输出通顺，不校验事实，会一本正经编造不存在信息。

• 上下文窗口：模型一次性能够读取处理的token最大上限，过长会出现遗忘、回答失真。

LLM能力演进链路（从会接龙→会做事）

1. LLM会接龙：底层基础，循环预测下一个token。

2. Prompt提示词（人设与规则）

• 系统提示词System Prompt：后台预置人设、规则、工具约束，用户不可见。

• 用户提示词User Prompt：用户对话框输入的实际需求。

3. Memory记忆

• 短期记忆：当前会话内对话记录，换对话框丢失。

• 长期记忆：账号绑定，跨会话持久保存用户信息；本质是把记忆内容组织成文本喂回模型；属于上下文工程一部分。

4. Embedding向量化 + RAG检索增强生成

• Embedding：把文本转为高维向量；语义相近文本向量距离更近；用途：语义搜索、推荐、文本聚类分类。 通过嵌入模型，将自然语言映射为固定长度的数值向量，在向量空间中，语义相近文本的向量距离更小，以此实现语义相似度计算，是 RAG 语义检索的基础。 就是把一段话、一篇文章拆分成token，然后把token存入到一个几百几千维的向量空间中，形成一个几千个数字元素组成的浮点数组，表示这个token的位置。

• RAG完整流程：①文档切片向量化存入知识库；②用户问题向量化检索相似片段；③检索片段+问题送入Prompt给模型生成答案；缓解幻觉，使用私有/实时资料。

5. Tool Use工具调用（Function Call）

• 工具本质是封装好的函数；模型只负责判断调用哪个工具、填参数；工具执行返回结果再交给模型整理成自然语言。

• 例子：查天气、执行代码、调用数据库、发送邮件。

6. MCP模型上下文协议

• 背景：工具接口格式五花八门，多对多对接成本极高。

• 定义：工具调用通用标准协议；工具方一次按标准接入，所有支持MCP的AI直接调用，消除多方适配成本。

完整进化链：LLM（接龙）→Prompt人设→Memory记忆→Embedding+RAG查资料→Tool Use动手调用工具→MCP统一工具调用规范。

1.3 智能体（Agent）基础

1.3.1 Agent定义

Agent智能体：接收目标，自主拆解任务、规划步骤、调用工具、观察结果迭代调整，直至完成复杂多步骤任务的AI系统。

• 和普通问答AI区别：普通AI一问一答，人负责规划每一步；Agent只需要给出最终目标，AI自主规划执行，被称为数字员工。

• 底层本质：Agent没有全新的智慧，是LLM + Prompt+Memory+Tool+MCP，循环运行的产物。

Agent核心运行循环：Goal‑Action‑Observation（目标‑行动‑观察）

循环逻辑：目标→行动→拿到观察结果→调整计划→再次行动，直到任务完成。

Agent四种编排模式

1. 单Agent：单个智能体独立完成任务；适合简单任务；优点简单高效；缺点复杂任务容易顾此失彼。

2. Multi‑Agent多智能体：AI团队分工协作，子Agent各司其职（检索、计算、审核、写作）；适合大型复杂任务；优点分工专业，增加复核减少错误；缺点调度复杂，算力成本更高。

3. Workflow工作流：预先固化业务流程流水线，设置节点、分支逻辑、异常兜底；适合业务步骤固定的场景；AI不再自由规划，按既定流程执行，稳定性强。

4. Claw模式：AI可以输出电脑操作指令（鼠标点击、键盘输入、打开文件、表单填写），直接操作计算机环境。

   Claw任务判断原则：关注权限、可逆性、外部影响；不可逆删除类操作不允许Agent自动执行；对外批量发送消息必须人工确认。

• 本地Claw：操作本机软硬件；适合个人办公自动化；风险为本机权限管控。

• 云端Claw：沙箱隔离云端环境运行；适合企业批处理；产生云端算力成本。

• ⚠️风险点：权限安全、不可逆操作风险；长复杂任务依然容易失控；高危操作必须人工确认。

关键知识点

1. AI概念层级：AI>机器学习>深度学习>生成式AI；AI三阶段：会识别→会判断预测→会生成创造。

2. LLM本质是预测下一个token；依靠Prompt、Memory、RAG、Tool、MCP完成从“会说”到“会做事”。

3. 企业Agent六大特性：可控、可测、可审计、可运维、可复用、可集成。

4. Agent核心是Goal目标‑Action行动‑Observation观察循环。不是新模型，是LLM能力的编排组合。

5. 编排选型：简单任务单Agent；复杂任务多Agent；固定业务Workflow；电脑操作场景Claw。

6. Transformer核心：注意力机制、支持并行计算，2017年论文。

7. RAG底层依赖：Embedding向量语义检索。

8. MCP：工具调用统一标准协议。

9. Workflow：固化流水线，牺牲自由度换取业务稳定性。

10. Claw：AI可以操作电脑；区分本地/云端，重视权限与可逆性校验。