前言
AI 正在改变软件开发的方式。从简单的聊天机器人，到能自主完成复杂任务的智能体（Agent），再到能检索企业知识的 RAG 系统——AI 技术栈正在成为每个开发者的必修课。
本文用通俗易懂的语言，带你从零理解 AI 技术的核心概念，适合没有 AI 背景的开发者阅读。
一、AI 大模型：AI 的”大脑”
1.1 什么是大模型
大模型（LLM，Large Language Model）就是一个超级”文字接龙”程序。
你给它一句话的开头，它根据学到的规律，一个字一个字地往下接，直到生成完整的回答。
1
2
| 你问： "中国的首都是"
它接： "北" → "京" → "。"
|
听起来简单，但当模型有几千亿个参数、读过互联网上几乎所有的文字后，它就变得异常强大——能写代码、翻译、写文章、做数学题。
1.2 常见大模型
| 模型 |
公司 |
特点 |
适合场景 |
| GPT-4o |
OpenAI |
综合能力强 |
通用场景 |
| Claude |
Anthropic |
长文本、代码能力强 |
编程、文档分析 |
| Gemini |
Google |
多模态（文字+图片+视频） |
多媒体处理 |
| DeepSeek |
深度求索 |
开源、性价比高 |
国内项目 |
| Qwen（通义千问） |
阿里 |
中文能力强 |
中文场景 |
| Llama |
Meta |
开源、社区活跃 |
私有化部署 |
1.3 关键概念
Token（词元）
模型不直接处理文字，而是把文字拆成 Token。一个中文字约 1-2 个 token，一个英文单词约 1-2 个 token。
1
2
| "我爱编程" → ["我", "爱", "编程"] → 3 个 token
"Hello World" → ["Hello", " World"] → 2 个 token
|
上下文窗口（Context Window）
模型一次能”看到”的文字总量。就像人的短期记忆，有容量限制。
1
2
3
| GPT-4o： 128K token ≈ 一本 300 页的书
Claude： 200K token ≈ 一本 500 页的书
Gemini： 1M token ≈ 一整套百科全书
|
Temperature（温度）
控制回答”随机性”的参数。
1
2
3
| Temperature = 0： 每次回答几乎一样（适合代码、数学）
Temperature = 0.7： 适度变化（适合日常对话）
Temperature = 1.5： 非常随机（适合创意写作）
|
1.4 大模型的局限
大模型不是万能的，它有明显的短板：
- 知识有截止日期：不知道今天发生了什么
- **会”一本正经地胡说八道”**：专业术语叫”幻觉”
- 无法访问外部系统：不能查数据库、不能调 API
- 推理能力有限：复杂逻辑推理容易出错
这就引出了下一个概念——Agent。
二、Agent：给 AI 装上”手和脚”
2.1 什么是 Agent
大模型只能”想”，不能”做”。Agent 就是让 AI 能自主行动的系统。
打个比方：
1
2
| 大模型 = 一个博学的大脑，只能坐在那里思考
Agent = 给大脑装上了手（工具）、脚（执行）、眼睛（感知）
|
一个完整的 Agent 循环：
1
2
3
4
5
6
7
8
9
10
11
12
13
| 用户需求
↓
感知 → "用户要我做什么？"
↓
推理 → "我该怎么做？分几步？"
↓
行动 → 调用工具执行操作
↓
观察 → "结果对不对？"
↓
反思 → "需要调整吗？"
↓
返回结果给用户
|
2.2 Agent 的核心能力
1. 工具调用（Tool Use）
Agent 能调用各种工具，就像人使用电脑一样：
1
2
3
4
5
6
7
| 工具列表：
├── 读写文件 → read_file() / write_file()
├── 执行命令 → run_command()
├── 搜索网页 → web_search()
├── 查询数据库 → query_database()
├── 调用 API → call_api()
└── 发送消息 → send_message()
|
AI 根据任务自动决定用哪个工具：
1
2
3
4
5
6
| 用户："帮我查一下数据库里有多少用户"
AI 思考：需要查询数据库
AI 行动：调用 query_database("SELECT COUNT(*) FROM users")
AI 观察：返回结果 15234
AI 回答："数据库中共有 15,234 个用户。"
|
2. 规划能力（Planning）
Agent 能把复杂任务拆成可执行的步骤：
1
2
3
4
5
6
7
8
9
10
11
| 用户："帮我搭建一个博客网站"
Agent 规划：
Step 1: 创建项目目录
Step 2: 初始化项目框架
Step 3: 编写首页代码
Step 4: 添加文章页面
Step 5: 配置样式
Step 6: 启动本地服务器验证
Agent 执行：逐步完成每个步骤...
|
3. 记忆系统（Memory）
1
2
3
| 短期记忆：当前对话的内容（对话结束就消失）
长期记忆：跨对话保存的知识（用户偏好、项目信息）
工作记忆：当前任务的中间状态（待办列表、执行计划）
|
2.3 Agent 的应用场景
| 场景 |
Agent 能做什么 |
| 代码开发 |
写代码、修 bug、做代码审查 |
| 数据分析 |
读数据、生成图表、写分析报告 |
| 运维监控 |
检查服务状态、自动修复故障 |
| 文档处理 |
读文档、提取信息、生成摘要 |
| 客户服务 |
回答问题、处理工单、转人工 |
三、Skill：Agent 的”技能包”
3.1 什么是 Skill
如果 Agent 是一个人，Skill 就是这个人掌握的具体技能。
1
2
3
4
5
| Agent（人）
├── Skill: 写代码 → 会用 IDE、知道编程规范
├── Skill: 做代码审查 → 知道检查什么、怎么评价
├── Skill: 部署应用 → 会用 Docker、了解 CI/CD
└── Skill: 写文档 → 知道文档结构、写作技巧
|
1
2
3
4
5
6
7
8
9
| Tool（工具）= 锤子、螺丝刀、扳手（原子操作）
Skill（技能）= 木工手艺、电路维修（组合多个工具的完整流程）
一个 Skill 内部可能用到多个 Tool：
"代码审查" Skill
├── Tool: 读取文件
├── Tool: 搜索代码
├── Tool: 分析依赖
└── Tool: 生成报告
|
3.3 Skill 的结构
一个 Skill 通常包含：
1
2
3
4
5
6
7
8
9
10
| 名称: 代码审查
触发条件: 用户说"帮我看看代码" / "code review"
所需工具: [读取文件, 搜索代码, 运行测试]
执行步骤:
1. 读取代码变更（diff）
2. 检查逻辑错误
3. 检查安全漏洞
4. 检查代码风格
5. 生成审查报告
输出格式: 结构化的审查意见
|
3.4 Skill 的分类
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| 通用 Skill：任何项目都能用
├── 代码格式化
├── 文件搜索
└── 终端操作
领域 Skill：特定技术栈
├── React 组件开发
├── SQL 查询优化
└── Docker 配置
项目 Skill：特定项目专用
├── 部署到公司服务器
├── 运行项目测试套件
└── 遵循团队编码规范
|
四、RAG：让 AI 学会”查资料”
4.1 为什么需要 RAG
大模型有两个致命问题：
- 知识有截止日期：不知道公司内部文档、不知道今天的新闻
- 会编造答案：遇到不知道的问题，可能一本正经地胡说
RAG（Retrieval Augmented Generation，检索增强生成）就是解决这两个问题的。
4.2 RAG 的原理
RAG 的核心思路：先查资料，再回答问题。
1
2
3
4
5
| 传统方式：
用户提问 → AI 直接回答（可能答错）
RAG 方式：
用户提问 → 先从知识库检索相关资料 → 把资料给 AI → AI 根据资料回答
|
具体流程：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
| Step 1: 建立知识库
┌─────────────────────────┐
│ 公司文档 │
│ 产品手册 │ → 切分成小段 → 转成向量 → 存入向量数据库
│ 技术规范 │
│ 历史工单 │
└─────────────────────────┘
Step 2: 用户提问
"我们的退款政策是什么？"
Step 3: 检索相关文档
从向量数据库中找到最相关的 3-5 段文档
Step 4: AI 根据文档回答
输入：用户问题 + 检索到的文档
输出："根据公司退款政策，购买后 7 天内可无理由退款..."
|
4.3 向量搜索：RAG 的核心技术
传统搜索是关键词匹配，向量搜索是语义匹配。
1
2
3
4
5
6
7
8
9
10
| 关键词搜索：
搜索："退款" → 只能找到包含"退款"两个字的文档
遗漏："退货返款"、"钱退回去了" → 找不到
向量搜索：
把文字转成一组数字（向量），比如：
"退款" → [0.2, 0.8, 0.1, ...]
"退货返款" → [0.21, 0.79, 0.12, ...] ← 向量很接近！
语义相近的文字，向量也相近 → 能找到语义相关的内容
|
4.4 RAG 实战架构
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
| ┌─────────────────────────────────────────┐
│ RAG 系统 │
├─────────────────────────────────────────┤
│ │
│ ┌──────────┐ ┌──────────────────┐ │
│ │ 知识库 │ │ 向量数据库 │ │
│ │ 文档上传 │ → │ 文本切片 │ │
│ │ 文本切分 │ │ 向量化存储 │ │
│ │ 向量化 │ │ 相似度检索 │ │
│ └──────────┘ └────────┬─────────┘ │
│ │ │
│ ┌──────────┐ ┌────────▼─────────┐ │
│ │ 用户提问 │ → │ 检索 + 生成 │ │
│ └──────────┘ │ 相关文档 + 问题 │ │
│ │ → 大模型生成答案 │ │
│ └──────────────────┘ │
└─────────────────────────────────────────┘
|
4.5 RAG 适用场景
| 场景 |
说明 |
| 企业知识问答 |
基于内部文档回答员工问题 |
| 智能客服 |
基于产品文档回答客户问题 |
| 代码助手 |
基于项目代码回答开发问题 |
| 法律咨询 |
基于法规条文回答法律问题 |
| 医疗问答 |
基于医学文献回答健康问题 |
五、工作流编排：让多个 Agent 协作
5.1 为什么需要编排
单个 Agent 能力有限，复杂任务需要多个 Agent 分工协作。
1
2
3
4
5
6
7
8
9
10
11
| 场景：用户说"帮我做一个完整的代码审查"
单 Agent：
一个 Agent 既读代码、又分析、又写报告 → 效果一般
多 Agent 编排：
Planner Agent → 制定审查计划
Reader Agent → 读取和分析代码
Security Agent → 专注安全检查
Report Agent → 汇总生成报告
→ 各司其职，效果更好
|
5.2 常见编排模式
1. 顺序执行（Sequential）
1
2
3
4
| 任务 A → 任务 B → 任务 C → 最终结果
示例：数据处理流程
读取数据 → 清洗数据 → 分析数据 → 生成报告
|
2. 并行执行（Parallel）
1
2
3
4
5
6
| ┌→ 任务 A ─┐
任务入口 →├→ 任务 B ─├→ 合并结果
└→ 任务 C ─┘
示例：代码审查
同时进行：安全检查 + 性能分析 + 风格检查 → 汇总报告
|
3. 条件分支（Conditional）
1
2
3
4
5
6
7
8
9
10
| 判断条件
├→ 条件1 → 执行方案 A
├→ 条件2 → 执行方案 B
└→ 条件3 → 执行方案 C
示例：客服分流
用户问题类型
├→ 技术问题 → 技术支持 Agent
├→ 退款问题 → 退款处理 Agent
└→ 其他 → 通用客服 Agent
|
4. 循环执行（Loop）
1
2
3
4
5
6
7
| 重复执行直到满足条件：
执行任务 → 检查结果 → 不满足 → 再次执行
→ 满足 → 返回结果
示例：代码修复
写代码 → 运行测试 → 失败 → 分析错误 → 修改代码 → 再次运行
→ 成功 → 完成
|
5.3 工作流编排工具
| 工具 |
特点 |
适合场景 |
| LangChain |
灵活、生态丰富 |
自定义复杂流程 |
| LangGraph |
图状工作流 |
多 Agent 协作 |
| Dify |
可视化、低代码 |
快速搭建 AI 应用 |
| Coze（扣子） |
字节出品、中文友好 |
国内 AI 应用 |
| CrewAI |
角色分工明确 |
多 Agent 场景 |
5.4 编排示例：智能客服系统
1
2
3
4
5
6
7
8
9
10
| 用户提问
↓
Router Agent（路由）
├→ 技术问题 → 技术 Agent + RAG（技术文档）
├→ 退款问题 → 退款 Agent + RAG（退款政策）
└→ 其他 → 通用 Agent
↓
Response Agent（优化回答）
↓
返回给用户
|
六、其他重要概念
6.1 Prompt Engineering（提示词工程）
和 AI 沟通的”话术”，好的提示词能让 AI 输出质量大幅提升。
1
2
3
4
5
6
7
8
9
10
| 差的提示词：
"帮我写个程序"
好的提示词：
"请用 Python 写一个函数，功能是：
1. 接收一个列表作为参数
2. 去除列表中的重复元素
3. 按从小到大排序
4. 返回排序后的列表
请添加类型注解和 docstring。"
|
常用技巧：
1
2
3
4
5
| 1. 明确角色：你是一个资深 Java 开发工程师
2. 给出示例：参考这个格式...
3. 分步思考：请一步一步分析
4. 限制范围：只修改这个函数，不要改其他代码
5. 要求解释：请解释你的思路
|
6.2 Fine-tuning（微调）
用特定领域的数据”再训练”模型，让它更懂你的业务。
1
2
3
| 通用大模型：什么都知道一点，但不够专业
↓ 微调（喂入医疗问答数据）
医疗大模型：对医疗问题回答更准确
|
| 方式 |
成本 |
效果 |
适用场景 |
| Prompt Engineering |
零成本 |
一般 |
快速验证 |
| RAG |
低 |
好 |
知识问答 |
| Fine-tuning |
高 |
很好 |
专业领域 |
6.3 MCP（Model Context Protocol）
Anthropic 提出的开放标准，让 AI 能标准化地连接外部工具和数据源。
1
2
3
4
5
6
| 传统方式：每个工具都要写专门的对接代码
MCP 方式：统一协议，即插即用
类比：
USB 接口出现之前 → 每种设备一种接口
USB 接口出现之后 → 统一接口，插上就能用
|
6.4 Function Calling（函数调用）
让大模型能结构化地调用函数。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
tools = [
{
"name": "get_weather",
"description": "查询天气",
"parameters": {
"city": {"type": "string", "description": "城市名"}
}
}
]
{
"function": "get_weather",
"arguments": {"city": "北京"}
}
|
七、学习路线建议
入门阶段（1-2 周）
1
2
3
4
| 1. 了解大模型基本概念（本文）
2. 动手使用 AI 产品（ChatGPT / Claude / 通义千问）
3. 学习 Prompt Engineering 基础
4. 用 AI 辅助写代码、写文档
|
进阶阶段（2-4 周）
1
2
3
4
| 1. 了解 API 调用方式（OpenAI API / Claude API）
2. 搭建一个简单的 RAG 应用
3. 了解 Agent 框架（LangChain / Dify）
4. 尝试搭建一个简单的 AI Agent
|
实战阶段（1-3 月）
1
2
3
4
5
| 1. 搭建企业级 RAG 系统
2. 开发多 Agent 协作应用
3. 学习工作流编排（LangGraph / Dify）
4. 了解 Fine-tuning 和模型部署
5. 将 AI 能力集成到现有项目中
|
推荐学习资源
1
2
3
4
5
6
7
8
9
10
11
12
13
| 官方文档：
- OpenAI API 文档
- Anthropic Claude 文档
- LangChain 文档
实战平台：
- Dify（可视化搭建 AI 应用）
- Coze / 扣子（字节跳动 AI 平台）
- Hugging Face（开源模型社区）
社区：
- GitHub 上的 AI 开源项目
- 各大模型的开发者论坛
|
八、一张图总结
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
| ┌─────────────────────────────────────────────────┐
│ AI 技术全景图 │
├─────────────────────────────────────────────────┤
│ │
│ ┌──────────────────────────────────────────┐ │
│ │ 应用层 │ │
│ │ 智能客服 │ 代码助手 │ 数据分析 │ 内容生成 │ │
│ └────────────────────┬─────────────────────┘ │
│ │ │
│ ┌────────────────────▼─────────────────────┐ │
│ │ 编排层 │ │
│ │ 工作流编排 │ 多 Agent 协作 │ 条件分支 │ │
│ └────────────────────┬─────────────────────┘ │
│ │ │
│ ┌────────────────────▼─────────────────────┐ │
│ │ 能力层 │ │
│ │ Agent │ Skill │ RAG │ Tool Use │ Memory │ │
│ └────────────────────┬─────────────────────┘ │
│ │ │
│ ┌────────────────────▼─────────────────────┐ │
│ │ 模型层 │ │
│ │ GPT │ Claude │ Gemini │ DeepSeek │ Qwen │ │
│ └──────────────────────────────────────────┘ │
│ │
└─────────────────────────────────────────────────┘
|
结语
AI 技术的学习不需要高深的数学基础。作为开发者，你只需要理解：
- 大模型是 AI 的大脑，负责”想”
- Agent让 AI 能”做”事情
- Skill是 Agent 的具体技能
- RAG让 AI 能”查资料”，减少胡说
- 工作流编排让多个 AI 协同工作
从今天开始，用 AI 辅助你的日常工作，边用边学，是最快的学习方式。
