概念
概念
AI 与 Agentic AI 通俗解读 — 面向新手与进阶者的白话词条。
初次接触智能体 AI？按顺序读完这五个概念：
也可以跟着完整引导路径走： 实战指南 →
AI 基础
- 什么是 AI、机器学习与深度学习？AI、机器学习与深度学习是层层嵌套的同心圆，而非同义词——你看的是哪一层，决定了一个系统会如何失败。
- 直观理解神经网络神经网络是一大堆把数字变成数字的可调旋钮；学习不过是把这些旋钮朝更小的误差微调。
- 什么是大语言模型？LLM 是一个巨大的下一令牌预测器；规模把这一个简单目标变成了无人显式编写的能力。
- 训练与推理训练一次性造出模型被冻结的权重；推理按请求运行它们且从不改变它们——这解答了大多数成本与隐私问题。
- 令牌与分词模型看到的是整数而非文本；隐藏的分词步骤解释了你的账单、上下文上限和古怪的失败模式。
- 嵌入：意义即几何嵌入把事物变成空间中的点，让“相似”变成“接近”——这是搜索、推荐和 RAG 背后的引擎。
- 从宏观看 Transformer自注意力让每个令牌都能看其他每个令牌；这一个思想修复了长程记忆并解锁了 GPU 规模的训练。
- 生成与采样：讲清温度模型返回的是一个概率分布而非一个答案；温度重塑它，而温度 0 是低方差，并非确定性。
智能体 AI
- 什么是 AI 智能体？智能体是被放进循环、配有工具、自行选择每个下一步以实现目标的模型——核心思维模型。
- 智能体循环推理→行动→观察→重复：追踪一次工具调用如何从模型经外壳进入环境再返回。
- 自主性等级从"建议"到"完全自主"的五级阶梯，以及为何合适的等级是逐动作的工程决策。
- 智能体 vs 聊天机器人 vs 工作流一个问题——谁决定下一步——就能把任何 LLM 系统归入聊天机器人、流水线、工作流或智能体。
- 工具、动作与环境工具的真实面貌、读动作与写动作之分，以及为何是环境而非模型让智能体变得危险。
- 目标、规划与终止从反应式到深思熟虑的规划谱系，以及"如何知道智能体完成了"这个被低估的难题。
- 何时该用智能体一个任务要值得用智能体所需的三个属性、能解决多数情况的更便宜模式，以及明确不该用的情形。
- 智能体的风险与局限循环的四种特征性故障模式、自主性带来的安全转变，以及"安全的智能体"诚实地意味着什么。
- 用大白话讲提示词注入提示词注入究竟是什么、为何它不是哪家厂商能打补丁的 bug，以及你真正能用的三种防御手段。
基础构件
- 提示词基础撬动输出质量的四个杠杆：指令、上下文、示例、输出形式。
- 系统提示词 vs 用户提示词消息角色、指令层级，以及绝不让数据充当指令。
- 少样本提示与示例何时示例胜过指令、如何挑选与排序，以及它们在何处不再划算。
- 上下文窗口详解有限的共享令牌预算、三种上限故障，以及主动管理它。
- 工具/函数调用详解模型提议、你的代码裁决：请求/响应形状、循环与安全规则。
- 检索增强生成（RAG）详解检索→增强→生成、RAG 对比其他方案，以及分两半调试它。
- 分块与向量搜索直觉为何分块、嵌入即坐标、最近邻搜索、混合检索与重排序。
- 结构化输出从"要 JSON"到 schema 约束解码，外加 schema 设计与防御性解析。
- 用大白话讲护栏护栏是模型调用前后的检查，而不是围着模型的一堵墙——它们能拦住什么、漏掉什么，又该装在哪里。
- 用大白话讲评测评测是你针对自己任务运行的一个小而可信的记分牌——为何公开基准不够用，以及一个有用的评测集长什么样。
AI 生态
- 模型版图：家族与提供方一份厂商中立的主要模型家族地图，以及给任何新发布定位的稳定思维模型。
- 开放权重 vs 闭源模型控制力、成本、隐私、许可与锁定——真实的工程权衡，去除营销话术。
- 模态与多模态模型文本、视觉、音频、代码：输入与输出模态，以及为何"多模态"是谱系而非勾选项。
- 成本、质量与延迟模型规模与主导生产经济性的权衡三角，以及如何围绕它做工程。
- 推理 vs 非推理模型推理期"思考"实际做了什么、何时有用或浪费钱，以及为何它如今是一个旋钮。
- 智能体框架与编排LangChain、LlamaIndex、提供方 SDK 与更广版图——按类别与权衡，而非按品牌。
- 服务与访问：API、本地、网关模型选择与服务选择是正交的：第一方 API、云目录、推理提供方、自托管、网关。
- 批判地阅读基准为何排行榜名次很少预测你的任务，以及为何小的自定义评测集胜过一切公开数字。
- 选模型：一份清单一套约束优先、可重复的决策流程，综合整个主题并能在快速变动的领域中存活。