舍出
博客

AI知识地图：一篇搞懂所有AI核心概念

2026-07-26·15 分钟阅读
AIAI概念AI核心概念

过去我们学习技术，是线性的：学一门语言、熟悉一个框架、掌握一个工具。

我们像工匠一样，打磨手中的兵器。

但现在，AI的世界像一场突如其来的信息海啸。

ChatGPT、Claude、Gemini、DeepSeek等模型层出不穷，Prompt、Token、Context、RAG、MCP、Agent、Skill等概念眼花缭乱。

很多人感到焦虑，不是因为AI太难，而是因为缺少一张地图。

我们被困在名词的森林里，看不清整片森林的样貌。

这篇文章，不是要教你背下100个名词，而是想和你一起，绘制一张AI知识地图。

作为一名有十几年开发经验的程序员，我希望用最浅显、通俗的语言，帮你建立一个完整的AI认知框架。

01 为什么AI越来越难懂？

现在AI最大的门槛，其实不是不会用ChatGPT写文案，也不是不会用Claude Code 开发。

真正的门槛在于：

你不理解这些概念之间的网状关联与先后逻辑。

为什么有了Prompt还需要RAG？

为什么Agent和Workflow不一样？

MCP又是来凑什么热闹的？

如果不建立框架，今天学一个热词，明天忘一个概念，永远在追赶，永远在焦虑。

不是AI太复杂，而是缺少一张地图。

02 AI到底是什么？

要理解AI，首先要打破一个迷思：

AI不是一个单一的技术，而是一个层层递进的体系。

我们可以把它想象成一个技术栈：

  • AI（人工智能）：最顶层，一个宏大的愿景，让机器具备人类一样的智能。
  • Machine Learning（机器学习）：实现AI的一种方法论。从“基于规则”（人写死 if-else）转向“基于统计”（让计算机自己从海量数据里总结规律）。
  • Deep Learning（深度学习）：机器学习的一个分支，利用多层神经网络模拟人脑，专门处理非结构化数据（比如图片、音频、长文章等没有固定表格格式的数据）。
  • Transformer：深度学习领域的一种革命性架构。它的出现，是AI从“辨别”（如人脸识别、分类）走向“生成”（如写诗、写代码、对话）的关键转折点。
  • LLM（大语言模型）：基于Transformer架构，投喂海量文本数据训练出来的“超级大脑”。

为什么Transformer让一切都变了？

在此之前，传统的自然语言处理模型像是一个只会死记硬背的书呆子，读到句子后面就忘了前面。

而Transformer的核心是注意力机制”（Attention）。

它让模型在处理每一个词时，都能并行地注意到整段话里所有其他词的关联。

这就好比，以前的AI是逐字阅读，现在的AI是一目十行，且能瞬间理解一整段话甚至整段代码的上下文关系。

03 AI的大脑：LLM大模型

现在我们来到了地图的核心区域：LLM大模型。

你可能听过GPT-4o、Claude、Gemini、DeepSeek、Qwen等名字。

首先要明确一个核心概念：模型 不等于 应用。

这就像：发动机 不等于 汽车。

  • GPT-4o / DeepSeek-V3 是研发出来的发动机（模型）。
  • ChatGPT / DeepSeek 网页版 是搭载了发动机，加了车轮、方向盘和舒适座椅的汽车（应用）。

同理，Claude是Anthropic公司的模型，Claude Web版是其应用。

理解这一点至关重要，因为后续很多概念（如API、Fine-tuning），都是围绕如何调用、改装或打造这个“发动机”而展开的。

04 AI如何理解人的需求？

有了强大的发动机，我们如何驾驶它？

这就引出了人与AI交互的核心层。

Prompt：人机交互的新语言

Prompt不是简单的“提示词”，它是人与AI沟通的新范式。

它更像是在给一个能力超强、博学多才，但缺乏常识且极度听话的“超级实习生”下达指令。

  • Zero-shot（零样本）：直接提问，不给参考样例。
  • Few-shot（少样本）：给一两个标准样例（Example），让AI模仿回答。
  • Role Prompt（设定角色）：指定身份。“你现在是一位资深架构师……”

System Prompt：AI的“出厂设置”

你有没有发现，ChatGPT比较严谨，而某些AI比较活泼？

这背后是System Prompt在起作用。

它是开发者在后台写入的隐形指令，决定了AI的性格、边界和行为准则。

用户通常看不到，但它无处不在。

Token：AI的原子单位

这是理解AI成本和运行原理的关键。

  • 定义：AI不直接理解“字”或“词”，它把文本切分成更小的单位，叫 Token。
  • 计费：AI的“思考”和“生成”都是以 Token 为单位消耗算力的，所以使用API也是按 Token 计费。
  • 代码消耗：为什么处理代码比普通聊天贵？因为代码里的特殊符号、变量名，常常会被切分成更多、更碎的 Token。
  • 中英差异：通常，一个常用汉字约等于1-2个 Token，而一个短英文单词可能就是1个 Token。

Context Window：AI的短期记忆

这是AI的工作台面大小，也是它的单次记忆上限。

  • 遗忘机制：当对话长度超过上下文窗口，最早的信息就会被“挤出”记忆，AI就会“答非所问”或“忘记前文”。
  • 百万 Token 意味着什么：意味着它可以一次性“阅读”并理解一整本《百年孤独》，或者记住你们长达数周的复杂项目代码库。

05 如何让AI拥有知识？

LLM的知识来自于预训练数据，但数据有截止日期，也无法包含你个人或公司的私有文档。

如何给AI装上“外挂知识库”？

RAG（检索增强生成）：给AI一本参考书

RAG是目前最主流的企业落地和个人知识库方案。

它的逻辑就像“开卷考试”：

  1. 提问：“我们公司的报销流程是什么？”
  2. 转换：把问题转换成数字向量。
  3. 检索：去向量数据库里瞬间找出最相关的文档片段（如《员工手册第5章》）。
  4. 组装：把“找到的资料 + 你的问题”打包在一起。
  5. 生成：AI看着资料，给出精准回答。

RAG不是重新训练AI，而是允许它现场翻书。

Fine-tuning（微调）：改变AI的“本能”

这常常和RAG被拿来比较。

  • RAG：给AI一本参考书。知识是外部挂载的，更新快、成本低。
  • Fine-tuning（微调）：用特定领域的高质量数据去“再训练”模型，改变它的内在参数。

打个比方，RAG是让一个聪明的学生去图书馆查资料回答问题，Fine-tuning是把学生送去医学院深造几年，让他本身就具备医学直觉和专业本能。

06 让AI拥有工具

光有知识还不够，AI需要手脚去干活。

Function Calling & Tool Calling

这是AI从“纯聊天”走向“真正做事”的关键。

Function Calling本质上是LLM的一种结构化输出方式。

它不再输出一段自然语言对话，而是输出格式化的代码暗号（JSON格式，一种计算机之间交流的标准暗号）。

Tool Calling是更广义的概念。

它意味着AI可以自主决定调用搜索工具、计算器、甚至是公司的内部API。

MCP：AI世界的 USB-C 接口

MCP（Model Context Protocol） 是Anthropic提出的一种通用标准协议。

在过去，要让AI连接一个数据库、执行一个复杂操作，开发者需要为每个工具单独编写适配代码。

MCP 的出现旨在统一标准。

它就像物理世界里的 USB-C 接口：定义了AI（客户端）连接外部各种数据源和工具（服务端）的标准插口。

只要写好一个 MCP 服务，任何支持 MCP 协议的AI模型都能即插即用。

07 AI Agent时代

这是目前最前沿、最具想象力的领域。

Agent 不是更聪明的聊天机器人，而是具备自主行动力的“数字员工”。

如果用一个公式表达：

Agent = LLM（大脑） + Tools（手脚） + Memory（记忆） + Planning（规划）

Agent 具备高度自主性：

  1. 理解目标：你说“帮我做一款贪吃蛇游戏”。
  2. 制定计划：把任务拆解（写HTML结构 ➔ 写JS逻辑 ➔ 样式美化 ➔ 运行测试）。
  3. 调用工具：自动打开编辑器写代码，调用终端去运行。
  4. 自我修正：代码报错了？它自己看报错Log，分析原因，修改代码，重新运行。

Workflow vs Agent

  • Workflow（工作流）：按照人类事先设定的固定步骤执行（If A then B），和写代码一样，稳定、可控，但缺乏变通。
  • Agent（智能体）：只给最终目标，由AI自主规划路径，灵活度极高，但具有一定的随机性。

Skill & Memory

  • Memory（长期记忆）：AI记住你的个人偏好、历史项目背景与工作习惯。
  • Skill（技能包）：给AI加载的特定能力模块（如“精通React单元测试”、“擅长SQL调优”），每个人都可以像组装乐高一样，为自己的Agent拼装不同的技能包。

08 各种Agent是什么关系？

面对繁多的工具，很多人容易混淆。

它们其实代表了AI在应用层演进的不同阶段。

以Claude Code、ChatGPT、Cursor、OpenClaw举例：

工具/概念定位核心差异与场景
ChatGPT / DeepSeek通用AI助手百科全书。聊天界面，擅长答疑解惑、写文章、翻译等通用任务。
CursorAI增强编辑器智能辅助。依然是传统IDE界面，但在代码编辑器里深度集成了AI能力，辅助开发者写代码。
Claude CodeAI Coding AgentAgent形态。直接在终端运行，能自主读写文件、跑测试、修Bug，参与真实的开发闭环。
OpenClaw个人数字管家/自动化跨工具自动化。更偏向于个人工作流的编排，帮你在后台串联各种软件自动干活（如定时抓取资讯并整理发送）。

09 总结：AI的未来路线图

最后，我们把这张地图完整串联起来，看看AI的技术演进逻辑：

LLM（大脑） ⬇️ Prompt（交互） ⬇️ Context Window（记忆） ⬇️ RAG（外挂知识库） ⬇️ Tool Calling（手脚） ⬇️ MCP（统一接口） ⬇️ Agent（自主智能体） ⬇️ Skill / Memory（个性化） ⬇️ AI应用（数字员工形态）

过去，我们学习的是如何告诉计算机怎么做（How）：写循环、写判断、优化算法。

而在AI时代，我们的核心能力正在转向定义做什么（What）：定义目标、提供上下文、约束边界与验收结果。

软件开发的抽象层级正在发生历史性的改变。

希望这张地图，能让你在这场技术浪潮中不再迷茫，看清脚下的路。