AI学习笔记-进阶篇

AI智能体（AI Agent）

Agent学习笔记-理论篇

AppBuilder、ModelBuilder、AgentBuilder

• AppBuilder

百度ACG提出的AI新名词，基于大模型搭建AI原生应用的工作台，主要是B端场景，开发企业级AI原生应用，提供了企业级Agent、企业级RAG开发框架和工具链，以及丰富的大模型能力组件、传统AI模型组件，支持文档问答、图表问答、多轮对话、创作生成、工具编排等应用搭建，高效、低门槛地帮助企业解决大模型应用落地最后一公里问题。

百度智能云千帆AppBuilder (opens new window)

• ModelBuilder

又是百度ACG提出的ai新名词，大模型服务与开发平台ModelBuilder，主要是提供各种AI大模型的API接口调用，模型的定制工具，和AppBuilder都属于百度智能云千帆品牌，基于百度智能云打造出来的一站式大模型开发及应用平台，提供包括文心一言在内的文心大模型和第三方大模型服务，支持大模型（含第三方）定制开发，生产专属大模型，提供覆盖全生命周期的大模型工具链。

可以为客户的大模型开发提供全生命周期的工具链、多个预制大模型与数据集。这意味着客户想要针对自己的场景微调一个模型，只需要挑一个基座模型，选一个数据集，然后follow工具链的工具，就可以做一个自己的模型。

千帆大模型平台 (opens new window)

• AgentBuilder

百度MEG提出的AI新名词，文心智能体平台，主要用于C端场景，方便用户创建自己的智能体。在搜索的牵引下，我将与C端用户一起，共同打造繁荣的百度智能体生态！覆盖尽可能多的开发者，致力于实现人人都是智能体开发者的目标，为用户提供更好的用户体验，打造易用低门槛能力强的Agent创建+分发+变现平台。

文心智能体平台 (opens new window)

RAG

RAG学习笔记-理论篇

Function Calling

Function Calling (函数调用) 是一种允许大型语言模型(LLM)根据用户输入识别它需要的工具并决定何时调用该工具的机制。

用户输入 => LLM => 决定需要的工具，执行方法调用 => 后端返回结果 => LLM处理结果 => 输出

Function Calling 是 LLM 的能力——把自然语言转换成结构化的函数调用请求。LLM 本身不执行函数，只是告诉你"应该调用什么函数，参数是什么"。

不同的 API 需要封装成不同的方法，通常需要编写代码，很难在不同的平台灵活复用。

MCP

MCP 全称为Model Context Protocol（模型上下文协议），最初由 Anthropic 提出并开源，简单来说，就是构建为 AI 助手提供额外背景信息的工具的标准方法。

Anthropic 在一篇博客文章中指出，尽管 AI 助手正在被广泛采用，并且模型能力（如推理和质量）在快速进步，但即使是最高级的模型仍然受困于数据隔离问题——它们被限制在信息孤岛和旧有系统中。每次接入新的数据源都需要定制化开发，导致真正互联的 AI 系统难以规模化扩展。

而 MCP（Multi-Connection Protocol） 旨在解决这一问题。它提供了一种协议，允许开发者在数据源和 AI 应用（如聊天机器人）之间建立双向连接，旨在解决 AI 模型与外部资源隔离的问题。它的核心功能是允许 AI 系统访问实时数据和外部工具，从而突破其训练数据的限制，提升能力和实用性。

具体来说，开发者可以通过 MCP 服务器 对外提供数据访问能力，然后构建 MCP 客户端（如应用程序或自动化工作流），按需连接这些服务器。MCP 可以让 AI 系统更灵活、高效地集成各类数据源，打破信息孤岛的限制。

MCP （Model Context Protocol，模型上下文协议）定义了应用程序和 AI 模型之间交换上下文信息的方式。这使得开发者能够以一致的方式将各种数据源、工具和功能连接到 AI 模型（一个中间协议层），就像 USB-C 让不同设备能够通过相同的接口连接一样。MCP 的目标是创建一个通用标准，使 AI 应用程序的开发和集成变得更加简单和统一。

传统的 AI 模型通常受限于训练时的数据，无法直接访问外部实时信息。而 MCP 的出现打破了这一壁垒，使 AI 系统能够：获取最新的外部数据（如新闻、文件内容等）、调用外部工具（如协作平台或设计软件）、在动态环境中更灵活地运行，简单来说，MCP 就像一座桥梁，连接了 AI 系统与外部世界，让 AI 的应用场景变得更加丰富和实用。

MCP（Model Context Protocol） 的出现进一步标准化了工具调用。它定义了一套统一的协议，让任何服务都可以将自己暴露为 Agent 可调用的工具。这就像 USB 接口统一了设备连接方式一样，MCP 统一了 Agent 与外部世界的连接方式。

参考：OpenAI 宣布采用竞对 Anthropic 协议，一夜将 MCP 送上热搜！Karpathy：赶紧歇了吧 (opens new window)

MCP 的过程

主机配置MCP服务 => 用户输入问题 => MCP客户端：LLM选择MCP工具，用户同意，请求MCP服务器 => MCP服务器调用工具，返回结果 => MCP客户端发送结果和用户查询信息 => LLM组织答案 => 输出

• MCP vs Function Calling

MCP 是在 Function Calling 之上的协议层——它标准化了"函数在哪里、怎么调用、怎么发现":

// Function Calling 解决"决定做什么"，MCP 解决"怎么做到"
用户输入 → LLM (Function Calling) → "需要调用 query_database"
                                           ↓
                                    MCP Protocol
                                           ↓
                                    MCP Server 执行
                                           ↓
                                    返回结果给 LLM

Agent Skills

Skill（全称 Agent Skill）是 Anthropic 在 2025 年 10 月发布的特性, Skills 是一个文件夹，里面放着指令、脚本和资源，AI 会根据需要自动发现和加载。

MCP 解决"连接"问题：让 AI 能访问外部世界」，「Skills 解决"方法论"问题：教 AI 怎么做某类任务。

MCP 让 AI 能连接数据库，Skill 教 AI 怎么分析查询结果。

Skills是给AI助手的"操作手册"，让AI能像熟练员工一样完成固定任务。和临时口头交代的Prompt不同，Skills相当于公司SOP‌（标准作业程序 Standard Operating Procedure）‌文档——AI需要时自动查阅，不用每次重复说明。它更像一个知识库般的文件夹，里面可以放规范、脚本、模板、参考资料等等，Agent会在需要时自己去翻。

Skill 的核心设计：progressive disclosure，中文名叫渐进式披露，传统方式（比如 MCP）在会话开始时就把所有信息加载到上下文。如果你有 10 个 MCP Server，每个暴露 5 个工具，那就是 50 个工具定义——可能消耗数千甚至上万 Token。Skill 的渐进式加载让你可以有几十个 Skill，但同时只加载一两个。上下文效率大幅提升。

Skill 并不是一次性的对话提示。它是一个可长期复用、输入输出明确的能力模块，强调的是稳定、确定且易于工程化维护。而 Prompt 更偏向临时性、探索性和即兴交互，两者在设计目标和工程要求上完全不同。

参考：别搞混了！MCP 和 Agent Skill 到底有什么区别？ (opens new window)、一文带你看懂，火爆全网的Skills到底是个啥 (opens new window)

Vibe Coding

Vibe Coding 是由计算机科学家 Andrej Karpathy 在 2025 年 2 月提出的概念。它描述了一种全新的编程方式：通过自然语言和 AI 对话，让 AI 帮你写代码，你只需要描述需求、测试结果、指导方向。

Vibe Coding 的核心理念是：你不需要精通编程语法，只需要能清楚表达你的想法。AI 负责把你的想法变成可运行的代码。

这就像点外卖一样：你告诉外卖平台你想吃什么，餐厅帮你做好送到手上。你不需要会做饭，但要知道自己想吃什么。

A2A（Agent-to-Agent）

A2A（Agent-to-Agent）是指 AI 智能体之间相互通信和协作的协议或方式，是多智能体系统的基础技术。

就像人和人之间需要语言来沟通，AI 智能体之间也需要标准化的方式来交换信息、分配任务、汇报结果。

A2A 协议让不同的 AI 智能体能够组成团队，分工合作完成复杂任务。

LLMOps

LLMOps（Large Language Model Operations）旨在‌加速大语言模型的开发、部署和运营‌，确保其应用能够高效、可扩展且安全地运行。它贯穿了从数据准备、模型训练、部署上线到持续监控与优化的整个生命周期。

一个完整的LLMOps流程通常包含以下几个阶段：

1. 数据准备‌：包括探索性数据分析、数据收集、清理、准备以及提示设计。‌‌
2. 模型开发‌：涵盖模型选择、调优（包括提示工程与微调）、训练与评估。‌‌
3. 测试与部署‌：在部署前进行全面的测试，并管理生产环境的推理与服务细节。‌‌
4. ‌持续监控与优化‌：通过收集人类反馈、监控性能漂移等方式，持续改进模型。‌‌

OpenClaw

OpenClaw（曾用名 ClawdBot/Moltbot）是一款开源 AI Agent 平台，2026 年爆火，GitHub 星标超 242,000。它不是普通的聊天机器人，而是一个运行在你自己设备上的个人 AI 助手，能够"真正做事"：清理收件箱、发送邮件、管理日程、自动值守和执行脚本，并通过你已经在用的聊天应用（WhatsApp、Telegram、Slack、Discord、飞书、微信等）进行交互。

OpenClaw 中文教程 (opens new window)、OpenClaw中文文档 (opens new window)

社区工具

Hugging Face

Hugging Face是一个面向人工智能开发者的开源社区平台，核心功能是提供机器学习和自然语言处理（NLP）模型、数据集及协作工具。Hugging Face (opens new window)

‌中文替代方案‌：阿里云魔搭社区提供部分模型镜像下载，适合国内开发者使用

魔搭社区

魔搭社区 (opens new window)（ModelScope）是由阿里推出的AI大模型开源社区，定位为聚焦多模态AI模型的开源平台，覆盖文本、图像、语音、视频等模态，提供从模型训练到部署的全流程服务。

LangChain

LangChain学习笔记

FastGPT

FastGPT (opens new window) 是一个 AI Agent 构建平台，提供开箱即用的数据处理、模型调用等能力，同时可以通过 Flow 可视化进行工作流编排，从而实现复杂的应用场景；专业做知识库问答

Dify

Dify (opens new window) 是一款开源的大语言模型（LLM）应用开发平台。它融合了后端即服务（Backend as Service）和 LLMOps 的理念，使开发者可以快速搭建生产级的生成式 AI 应用,快速搭建 AI 工作流，提供工作流、角色设定、插件扩展等能力，适合做更复杂的 AI Copilot 系统

Coze

扣子 (opens new window)字节出的是新一代 AI Agent 开发平台。无论你是否有编程基础，都可以在扣子上快速搭建基于大模型的各类 AI 应用，并将 AI 应用发布到各个社交平台、通讯软件，也可以通过 API 或 SDK 将 AI 应用集成到你的业务系统中。

FastGPT vs Dify vs Coze

1. Coze低门槛、快上手、插件丰富、一键发布到抖音、飞书，电商导购、自媒体应用、内容创作辅助...如果想做个简单的客服机器人，还要接入抖音店铺，Coze确实是最佳选择；
2. Dify是一套完整的AI应用开发工具链。从模型接入到数据处理，从工作流编排到应用部署，每个环节都可以像乐高积木一样自由组合；适合需要高度定制化的企业应用
3. FastGPT专业做知识库问答，文档切分、向量检索、答案生成
4. Coze是托管服务，你的数据在字节的服务器上；Dify和FastGPT都支持私有化部署，你拥有完全控制权，但需要自己运维。

Ollama

Ollama (opens new window)是一个本地运行大型语言模型（LLM）的工具，Ollama是一个开源的 LLM（大型语言模型）服务工具，用于简化在本地运行大语言模型，降低使用大语言模型的门槛，使得大模型的开发者、研究人员和爱好者能够在本地环境快速实验、管理和部署最新大语言模型，包括如Llama 3、Phi 3、Mistral、Gemma等开源的大型语言模型。

AnythingLLM

AnythingLLM (opens new window) 是一个功能强大且灵活的开源平台，旨在帮助用户轻松构建和部署基于大型语言模型 (LLM) 的私有化应用程序。

1. Ollama专注于本地大模型的下载、管理与API服务，提供基础推理能力；AnythingLLM侧重知识库构建与对话交互，依赖Ollama等工具提供模型支持。‌‌
2. Ollama作为模型运行时环境，需配合其他前端实现应用场景；AnythingLLM内置文档解析、向量化存储、对话界面等完整工作流。‌‌