AI 名词扫盲,大模型和 Agent 到底啥区别

大模型应用开发“扫盲”——基于市场某款智能问数产品的技术架构进行解析与学习 在数字化浪潮汹涌澎湃的当下,大模型技术如一颗璀璨新星,照亮了诸多行业的创新发展之路。从智能客服到内容创作,从数据分析到科学研究,大模型的应用日益广泛且深入。然而,对于许多刚接触这一领域的朋友来说,大模型应用开发犹如神秘的黑箱,充满未知与困惑。今天,就让我们以市场上某款智能问数产品的技术架构为切入点,开启一场大模型应用开发的 “扫盲” 之旅。透过剖析其架构细节,一同探寻大模型如何在实际应用中发挥魔力,希望能为大家揭开大模型应用开发的神秘面纱,带来新的启发与思考。 阅读详情

前两天刷抖音,在一个讲大模型的视频评论区,吵得那叫一个热闹。

看了几个,发现很多人连大模型和 Agent 都没搞清楚。

说 Claude 怎么怎么样,倒还可以理解,毕竟 Claude cli 和 Claude code 都可以简称 Claude,但是把 Codex 和 GPT 混着说,那就不对了,还是严谨一点。

这就是今天想聊的。先把 AI 相关的名词过一遍,再把最容易搞混的那组关系理清楚。

先说过得最密的一组词。

大模型、大语言模型、LLM、基座模型,这些说的基本是同一个东西。就是那个读过海量文字、会生成回答的大脑。市面上你听到的 GPT、Claude、DeepSeek、Kimi、GLM、Qwen,都是大模型的名字。

跟大脑配套的词还有这些。

提示词,也叫 Prompt。就是你发给 AI 的那句话。有人把它说得神乎其神,其实没那么玄,就是沟通。

上下文窗口,也叫上下文长度。就是它一次能记住多少内容。第七篇讲的便签纸就是它。token 是计算这个容量的单位,你可以粗略理解成半个到一个字。模型按 token 计费,也按 token 记长度。

推理模型,也叫思考模型。就是回答之前会先想一会儿的那种。DeepSeek 的 R1、OpenAI 的 o 系列都是。它跟普通模型的区别是思考过程更长,适合复杂问题。

多模态,是指模型能看图、能听声音、能看视频。比如你拍一张菜单发过去,它能看懂。

幻觉,是模型编造信息。不是玄学,是它不知道答案时硬凑了一个。这个以前讲过,是所有模型的通病。

微调,是拿你的数据把模型再训练一遍,让它更懂你的领域。第九篇讲过,现在很多人更喜欢用知识库而不是微调,因为微调代价大、更新慢。

这些词都是大模型这一层的。

再说过得第二密的词。

Agent,也叫智能体。它是一个完整的助手,有大有小,有眼睛有手脚,有记忆。你用的 Claude Code、Kimi Code、Codex、TRAE、WorkBuddy,都是 Agent。

工具、插件、Skills,说的是同一层的东西。都是让 Agent 能做事的手脚。第八篇讲过,工具是单个的,Skills 是打包好的流程。

MCP,是让工具跟 Agent 对接的标准协议。第八篇也讲过,就是那个插座标准。

RAG、知识库,是同一个东西的两个名字。知识库是通俗叫法,RAG 是技术叫法。第九篇讲的参考书架就是它。

工作流,是把你常做的事固化成一套步骤。跟 Skills 意思相近。

这些词都是 Agent 这一层的。

看到这里你发现了,AI 圈子的名词其实不多,很多是一个意思的不同叫法。真正容易出问题的是跨层混用。

最典型的就是大模型和 Agent 混用。

评论区那位朋友的问题就在这。他想测的是大模型好不好,操作的却是 Agent。其实这两个东西是分开的。

大模型是大脑,Agent 是整台机器。机器里装哪个大脑,是可以换的。

现在主流的 Agent 都支持配置多个模型。你不需要为了换模型而换 Agent。有一个工具专门干这件事,叫 cc-switch。

cc-switch 是一个桌面小工具,专门管理主流 Agent 的模型配置。市面上绝大多数的大模型它都支持,OpenAI、Anthropic、DeepSeek、Kimi、GLM、Qwen,都能配。

它的用法很简单。你提前把不同模型的接口信息配置好,之后想用哪个,点一下切换就行。不用卸载重装,不用改配置文件,不用折腾。

比如你现在用 Claude Code 写代码,想试试 DeepSeek 的效果。切过去用两天,觉得还是 Claude 好,再切回来。全程一分钟。

所以以后想测试模型,记住一件事。换模型不用换 Agent。在同一个 Agent 里切换模型配置就行。


基础部分差不多就到这里,下面主要是做一些实战了。需要说明的是,AI 发展速度太快了,实战部分提到的内容具有时效性,这里我会尽可能取最新的使用方法。

这里给大家精心整理了一份全面的AI大模型学习资源,包括:AI大模型全套学习路线图(从入门到实战)、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等,资料免费分享!

👇👇扫码免费领取全部内容👇👇
在这里插入图片描述

1. 成长路线图&学习规划

要学习一门新的技术,作为新手一定要先学习成长路线图,方向不对,努力白费。

这里,我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。可以说是最科学最系统的学习成长路线。
在这里插入图片描述

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的,我们精选了一系列深入探讨大模型技术的书籍和学习文档,它们由领域内的顶尖专家撰写,内容全面、深入、详尽,为你学习大模型提供坚实的理论基础。(书籍含电子版PDF)

在这里插入图片描述

3. 大模型视频教程

对于很多自学或者没有基础的同学来说,书籍这些纯文字类的学习教材会觉得比较晦涩难以理解,因此,我们提供了丰富的大模型视频教程,以动态、形象的方式展示技术概念,帮助你更快、更轻松地掌握核心知识。

在这里插入图片描述

4. 2026行业报告

行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估,以了解哪些行业更适合引入大模型的技术和应用,以及在哪些方面可以发挥大模型的优势。

5. 大模型项目实战

学以致用 ,当你的理论知识积累到一定程度,就需要通过项目实战,在实际操作中检验和巩固你所学到的知识,同时为你找工作和职业发展打下坚实的基础。

在这里插入图片描述

6. 大模型面试题

面试不仅是技术的较量,更需要充分的准备。

在你已经掌握了大模型技术之后,就需要开始准备面试,我们将提供精心整理的大模型面试题库,涵盖当前面试中可能遇到的各种技术问题,让你在面试中游刃有余。

在这里插入图片描述

7. 资料领取:全套内容免费抱走,学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型,还是有基础想冲刺大厂、了解行业趋势,这份资料都能满足你!
现在只需按照提示操作,就能免费领取:

👇👇扫码免费领取全部内容👇👇
在这里插入图片描述

AI Agent产品经理实战指南:从技术理解到产品落地 Transformer架构作为现代自然语言处理的核心技术,通过自注意力机制实现了对长文本的高效理解。RAG(检索增强生成)技术在此基础上,通过结合检索与生成的方式,显著提升了AI系统的知识准确性和可控性。这些技术为AI Agent的开发奠定了坚实基础,使其能够在复杂场景中实现智能决策和任务执行。在工程实践中,AI Agent产品经理需要深入理解这些技术原理,才能设计出可落地的产品方案。特别是在客服系统、智能文档分析等应用场景中,合理运用Transformer和RAG技术可以大幅提升产品的实用性和用户体验。本 阅读详情

相关推荐

Java开发者LLM应用实战:Spring AI、LangChain4j与RAG Agent路线

大模型应用开发正成为Java后端开发的新方向,如何利用熟悉的技术栈快速构建LLM应用是许多开发者关注的核心问题。Spring AI 与 LangChain4j 为Java生态提供了统一的模型接入与编排能力,让开发者无需深入Python生态即可实现模型对话、工具调用、知识库问答与智能体编排。RAG技术通过检索增强生成,使模型能够基于业务文档给出可靠回答,而Agent则将模型从文本生成器升级为任务执行者,自动规划并调用工具完成多步操作。从环境搭建到最小Demo,从工具调用到知识库检索,再到Agent循环设计,该

weixin_33898233的博客 338

【Agent系列】详细调研总结19种主流Agent框架

详细总结对比19种主流Agent框架

m0_68116052的博客 5万+

Milvus Cloud——Agent 框架工作方式

使用 GPT-4 来生成任务、确定优先级并执行任务,同时使用插件进行互联网浏览和其他访问。AutoGPT 使用外部记忆来跟踪它正在做什么并提供上下文,使其能够评估其情况,生成新任务或自我纠正,并将新任务添加到队列中,然后对其进行优先级排序。也是采取类似工作的方式。Agent 与一般的 LLM 最大的不同点在于,LLM Agent 通常根据任务的总体目标来去指定以及编排子目标,而 LLM 通常是作为一个被调用的工具,在一个工作流中担任一个具体任务的执行者。

实战AI智能体 768

手把手教你从零搭建Agent框架

无论是环境的反馈,还是人类的指令,Agent 都需要完成一个对接收到的信息进行“理解”,并依据得到的理解进行意图识别,转化为下一步任务的过程。真正让人惊讶的是大模型在推理上的能力涌现。推理,一般指根据几个已知的前提推导得出新的结论的过程,区别于理解,推理一般是一个“多步骤”的过程,推理的过程可以形成非常必要的“中间概念”,这些中间概念将辅助复杂问题的求解。不同的智能体有不同的推理提示风格、不同的输入方式以及不同的解析输出方式,依赖于用户对应用的自定义,说白了就是对大模型进行一层封装更方便管理。

ytt0523_com的博客 5776

Agent : 一文读懂LLM Agent架构,详解Profile,Memory,Planning,Action模块作用

对于对Agent感兴趣的朋友们,我推荐一篇论文,它全面地介绍了Agent的架构,对于理解Agent的全局有着重要的价值。架构就像PC的硬件,但仅依赖架构设计是不够的,我们还需要赋予Agent完成不同任务的能力,这些被视为“软件”资源。除了这些基础知识,我认为最有价值的部分在于,它总结了基于大型语言模型(LLM)的Agent的架构,使我们能够按照一定的标准范式去设计自己的Agent。反馈的来源可能来自任务执行结果的客观反馈,也可能是根据人的主观判断给出的反馈,甚至还可以是由辅助模型提供的反馈。

具身机器人和通用AI 1万+

Unity获取透明物体深度数据

Unity获取透明物体深度数据前言透明&景深需求模型透明度部分带透明通道图片/视频部分半透明模型获取深度的具体实现方法带透明度图片/视频获取深度的具体实现方法结束语 前言 最近在做的项目有很多奇怪的需求,甚至之前在unity里用插件写了一个类似于蓝图的行为树插件,之后有时间给大家讲一讲相关的实现方法,今天刚解决了unity里透明物体无法获得深度数据的问题。所以分享给大家。 透明&景...

可以吃的妙脆角的博客 2630

推荐收藏!九大最热门的开源大模型 Agent 框架来了

在人工智能领域,AI Agent 扮演着关键角色,能够模拟人类的智能行为。近年来,开源社区涌现出多个优秀的 AI Agent 框架,本文将介绍九种备受关注的开源AI Agent框架,包括AutoGPT、AutoGen、Langfuse、ChatDev、BabyAGI、CAMEL、SuperAGI、MetaGPT和ShortGPT。这些框架为开发者提供了丰富的资源和工具,为智能应用的开发和创新提供了强大支持。

机器学习社区 1万+

在 Windows 上使用 Anaconda 创建 配置 YOLOv8虚拟环境,并更改 pip 源以及以 可编辑模式 安装ultralytics

前往 NVIDIA cuDNN 下载页面,下载与您安装的 CUDA 版本匹配的 cuDNN 版本。:根据您的系统和 CUDA 版本,选择适当的 whl 文件。如下12.7,表示最高可装12.7版本CUDA,与上图中的支持的最高cuda版本一致。,无需重新安装,从而大幅提升开发效率,适用于项目开发、调试或依赖本地未发布的版本时使用,但需确保当前目录包含。:访问 NVIDIA 官方网站,下载与您的显卡和操作系统兼容的 CUDA 版本。首先,确保NVIDIA 显卡支持 CUDA,并安装相应版本的驱动程序。

weixin_44115575的博客 1890

Agent & AI 名词大扫盲

这是近来最火也最容易被神化的词。Agent = 大模型 + 工具 + 自主决策。普通的大模型用法是“一问一答”:你提问,它回答。而 Agent 更进一步——它能自己规划步骤、调用工具、观察结果、再决定下一步,直到完成一个复杂目标。举个例子:你问“帮我查一下北京明天的天气,如果不适合户外就改期到下周三”。普通对话模型会告诉你“我查不了实时天气”,或者直接给个泛泛回答;调用天气查询工具;拿到明天的天气结果;判断是否适合户外;若不适合,再调用日历工具查下周三的安排;给出最终建议。

2501_94116301的博客 224

Fluent温度超限调试:从能量方程到网格优化的实战指南

本文深入解析Fluent中温度超限问题的诊断与解决方法,从能量方程机制到网格优化策略,提供实战指南。通过分析温度与焓的换算关系,探讨典型场景如能量方程发散、局部网格质量差等,并给出五步调试法及高级命令应用,帮助工程师有效解决温度计算异常问题。

weixin_29045585的博客 529

LangChain与SkillLite集成:AI Agent安全沙箱实践

在AI与自动化技术领域,安全沙箱是实现可信计算的核心机制。其原理是通过资源隔离与权限控制,构建受限的执行环境。技术价值在于平衡功能开放性与系统安全性,尤其适用于处理用户提交的非受信代码或敏感数据。典型应用场景包括AI插件系统、在线代码评测平台等。本文以LangChain框架与SkillLite沙箱的深度集成为例,详解如何通过命名空间隔离、cgroups限制等机制,为AI Agent赋予安全执行动态技能的能力。其中涉及的关键技术点包括Python运行时隔离、动态资源配额管理,以及如何防范Shell注入等常见攻

weixin_34189116的博客 403

AI Agent入门必看:MCP与Skill区别详解,收藏这篇不再被名词党拿捏

本文用通俗语言解释AI Agent三大热词:AI Agent是能自主执行任务的"AI私人助理";Skill是外接的专项本领执行包;MCP是连接Agent与Skill的通用对接规范。三者的关系如同"主体+外接专长+连接规则",让AI更高效地帮人做事。掌握这三者的区别与联系,能帮助新手快速理解AI Agent领域,不被复杂术语劝退。

Android23333的博客 919

Mid-360与FAST-LIO2实战:从点云采集到高精度建图全流程解析

本文详细解析了使用Livox Mid-360激光雷达与FAST-LIO2算法实现高精度实时建图的全流程。内容涵盖硬件准备、软件环境搭建、算法部署配置、数据采集实战,并重点探讨了多楼层场景下的参数调优与误差抑制策略,为机器人及无人机三维感知应用提供了实用指南。

prometheus9mon的博客 410

AI Agent 入门:分清 Agent、MCP、Skill,看行业文章不懵圈

最近AI圈最火的热词当属AI Agent。打开朋友圈、刷行业文章,总能看到MCP、Skill、Multi-Agent等新名词——明明每个字都认识,连在一起却越看越懵,新手很容易跟不上节奏。

m0_59235245的博客 3103

ESP32+micro-ROS机器人开发实战:轻量级ROS2嵌入式集成

ROS2是现代机器人软件栈的核心框架,其基于DDS的分布式通信与QoS保障能力为多节点协同提供基础支撑;而micro-ROS作为专为微控制器优化的ROS2兼容中间件,解决了资源受限设备(如ESP32)接入ROS2生态的关键难题。其通过分层架构将DDS通信下沉至上位机Agent,使MCU仅需运行轻量Client,大幅降低内存开销(实测<180KB)并保留标准ROS2接口语义。该方案广泛应用于教育机器人、移动底盘、传感器节点等嵌入式场景,尤其适合基于ESP-IDF开发的Wi-Fi/BLE物联网机器人系统。本文以

weixin_29025501的博客 397

Ubuntu环境下读取罗技G29方向盘信息

Ubuntu环境下读取罗技G29方向盘信息

工大机器人工作室 3452

AI 名词大扫盲--总结简化版

Prompt 是 Agent 的控制面板在 Agent 开发中,你能控制大模型行为的核心手段只有一个:Prompt。System Prompt 定义了 Agent 的"身份和边界",它是谁、能做什么、不能做什么、必须以什么格式输出User Prompt 和注入的内容是 Agent 的"任务输入",每次要处理的具体数据、具体问题Function Calling:本质是让大模型按精确格式输出"工具调用指令",靠的是严格的格式约束 Prompt。

Xiao_FeiA的博客 953

【学习系列】SAP RAP 1:关于RAP的一些基本介绍

摘要:SAP RAP和CAP是两种不同的开发模型。RAP(RESTful ABAP)用于在S/4HANA等ABAP平台上构建现代业务应用,基于CDS+OData,适合ABAP开发者扩展核心业务。CAP(云应用编程模型)是BTP上的云原生框架,支持Node.js/Java,适合构建跨系统集成应用。RAP优势在于与S/4HANA深度集成,CAP则更灵活,支持多云环境。选择依据主要取决于开发平台(S/4HANA或BTP)、技术栈(ABAP或Node.js/Java)及应用场景(核心扩展或云原生开发)。

DeveloperMrMeng的博客 1159

一文扫盲AI名词:Skill/MCP/RAG/Agent...都是什么?

举个例子: 如果你给它这半句话:“床前明月光,____”它的大脑会迅速计算:根据我读过的几百万次唐诗,这后面接“疑是地上霜”的概率是 99.9%,接“今天吃得香”的概率是 0.01%。他们的共同点就是给LLM这个只会文字接龙的工具,添加可以搜索网络和数据库的功能。之后Agent上对应的程序越来越多,如果之后不止搜索,还有读取文件,脚本的执行,PDF转换...我们能不能简化Agent,然Agent上的程序比较少,而是把对应的功能抽象出来成一个个模块,让Agent去调用这些模块咧(把非核心的功能解耦出来)?

amberyyyysbzjsb的博客 711

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

AI名词大扫盲!最全的面试ai名词集合

本文系统解析了AI应用架构中的12个核心概念:1. LLM(大语言模型)作为"大脑"负责自然语言理解和内容生成;2. Prompt是模型接收的完整输入;3. Context提供当前对话背景;4. Tool使模型能调用外部功能;5. MCP标准化工具调用协议;6. RAG实现检索增强生成;7. Agent整合多组件完成任务;8. Rule规范输出行为;9. Skill为可复用能力模块;10. Plan用于任务拆解;11. Memory存储长期信息;12. Embedding实现语义向量化。

black_snack的博客 217

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

Agentic AI、AI Agent和Agent:这三个词的区别一次说清

摘要:2026年AI Agent术语辨析与选型指南 随着AI技术的快速发展,"Agent"相关术语正面临严重的概念混淆问题。本文从架构设计角度清晰界定了Agent、AI Agent和Agentic AI三个关键概念: Agent:最基础的软件实体,具备感知-决策-行动能力,但定义过于宽泛(如简单的if-else逻辑也可称为Agent) AI Agent:基于AI模型驱动的智能执行单元,专注于单一任务执行(如文档摘要、会议预订),具有有限自主性 Agentic AI:多Agent协同的目标达成系统,能够拆解复

ZXSXJ的博客 314

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

AI全景学习路线图:从扫盲到资深的全栈指南

把九个阶段压缩成一张地图,可以分为四个层次。第一层是认知层,对应扫盲与数学编程基础,目标是建立全局观并掌握工具。第二层是算法层,对应经典机器学习和深度学习,目标是理解模型如何从数据中学习。第三层是方向层,对应 NLP、CV 与大模型,目标是在某个方向深入并接触前沿。第四层是工程层,对应 MLOps 与全栈能力,目标是把模型变成稳定可用的产品。

yiyiyi0322的博客 526

大模型进阶必读:别只用ChatGPT聊天!Agent才是未来,保姆级教程助你实现自动化办公(收藏)

测完 LobsterAI,我有一个强烈的感受:2026 年,如果你还只是把 AI 用来聊天,真的是浪费了。Agent 不是「更智能的AI」,而是「有手有脚的数字员工」。它可以 7×24 小时帮你干活,可以记住你的喜好,可以跨应用执行任务,可以通过手机远程操控。上面分享的这几个场景——内容生产、营销物料、文件整理——只是我自己在用的。每个人的需求不一样,Agent 的价值就在于:它适配你,而不是你适配它。你不需要改变自己的习惯去用一个工具。你把你的真实痛点告诉它,它会自己长出一套适合你的工作流。

xxue345678的博客 402

小白程序员必看:收藏这份Agent使用指南,让AI成为你的高效“数字实习生”!

测完 LobsterAI,我有一个强烈的感受:2026 年,如果你还只是把 AI 用来聊天,真的是浪费了。Agent 不是「更智能的AI」,而是「有手有脚的数字员工」。它可以 7×24 小时帮你干活,可以记住你的喜好,可以跨应用执行任务,可以通过手机远程操控。上面分享的这几个场景——内容生产、营销物料、文件整理——只是我自己在用的。每个人的需求不一样,Agent 的价值就在于:它适配你,而不是你适配它。你不需要改变自己的习惯去用一个工具。你把你的真实痛点告诉它,它会自己长出一套适合你的工作流。

huqianxiu的博客 338

04-Agent与多模态

摘要 本文深入解析AI领域的关键概念,重点探讨Agent、多模态和Planning三大核心能力。AI Agent区别于传统Chatbot的本质在于它能执行多步决策并产生实际行为,核心能力包括工具调用、记忆、规划、反思和根基化。文章对比了ReAct与Planning两种思考模式,指出未来趋势是组合应用。多Agent系统面临协作复杂度的挑战,而多模态技术则让AI突破纯文本限制,具备视觉、听觉等感知能力。文生图、文生视频等应用展现了多模态的广阔前景,但视频生成仍面临时间一致性的技术挑战。这些技术正推动AI从对话工

Xiao651的博客 301

Agent工具选型指南:小白如何选对第一款智能体开发平台

随着大模型应用走向工程化,Agent(智能体)已成为人工智能领域最受关注的技术方向之一。Agent工具的本质是将“思考-行动-观察”的循环封装成可复用的开发能力,让开发者能以更低门槛构建具备自主规划、工具调用和记忆能力的应用。RAG、工作流、记忆等机制的引入,进一步拓展了智能体在知识库问答、自动化运维、业务流编排等场景的落地空间。从零代码托管平台如Coze,到开源可视化平台Dify与FastGPT,再到以LangGraph为代表的编码框架,不同层级的工具对应着差异化的学习曲线和定制能力。对国内入门者而言,选

weixin_34401479的博客 538
上一篇: 讲方案三次被客户问住,我躲进会议室背了半小时大模型名词
下一篇: 2026 年,AI 把我的 12 人团队挤成了 4 人
AI_小站
博客等级 码龄2年 6255粉丝 1151原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值