什么是AI

人工智能（AI）就是让机器学着像人一样思考和做事的技术。
简单的说，就是用程序教电脑：

• 像人一样学习新东西；
• 像人一样解决问题
• 像人一样理解语言、图像等。

简而言之，就是把AI当人看。

人工智能（AI）的分类

• 弱人工智能：专注特定领域（如AlphaGo、ChatGPT）
• 强人工智能：具备通用人类智能水平（目前尚未实现）
• 超人工智能：超越人类智能（理论概念）

大模型：人类（AI）的“超级大脑”

理解了AI，大模型就好说了，它是AI的一种“高级形态”。

简而言之，可以把AI当作刚出生的小孩，大模型就是通过9年义务教育（Pretrain预训练），并且过五关斩六将（Fine-tuning微调）通过中考、高考（垂直大模型-基础大模型），终于上岸的大学生（Multi-Head Agent多头AI Agent），这个大学生可以根据以前学的知识（RAG知识向量库）以及外部查找的资料（Function Calling外部APIs函数调用）为基础，通过自主的想法（Prompt Emgineering提示词工程）生成相关内容（推理结果）。

AI世界内有3类人

• 开创者（大模型开发者）：训练基础大模型（垂直大模型），或为大模型提供基础设施。
• 工程师（AI应用开发者）：基于开创者的大模型能力，设计和开发AI产品；
• 民众（AI使用者）：使用工程师开发的AI产品；

以智能手机世界来映射分类，人也可以分为3类：
1.智能手机使用者 --> AI世界的民众；
2.APP设计与开发者 --> AI世界的工程师；
3.智能手机底层系统相关开发者 --> AI世界的开创者。

大模型应用开发的框架思维

• 调用大模型，相当于调动一个人；
  • 它懂人话；
  • 它说人话；
  • 它直接给结果，但不一定对。
• 核心心法：把AI当人看
  • 范式变化所在，所有方案的源泉。

大模型对行业的影响（行业加速器）

电商行业

教育行业

金融行业

办公场景

泛互联网行业

Agent智能体

AI Agent（人工智能代理）是一种能够感知环境进行自主理解，进行决策和执行动作的智能实体。与传统AI系统不同，Agent不仅能独立思考进行回答问题，还能主动调用工具逐步完成一系列复杂任务。

简单来说，如果把大语言模型（LLM）比作一个"超级大脑"，那么AI Agent就是给这个大脑装上了"手脚"和"工具"，让它能够像人类一样主动行动，而不仅仅是被动回答问题。

举例：如果对Agent说：“帮我研究江西省11月份的气候变化”，它会自己去搜索11月份江西省的天气资料、分析不同时间下气候的情况与相关观点、整理关键信息，最后生成一份完整报告。

AI Agent的组成部分

一个基于大模型的AI Agent系统可以拆分 LLM（大模型）、记忆（Memory）、任务规划（Planning） 以及工具使用（Tool） 的集合。在LLM为基础的AI Agent系统中，大模型为AI Agent系统的大脑负责计算，并需要其他组件进行辅助。

AI技术

Prompt（提示词）、RAG（知识向量库）、Function Calling（外部APIs函数）、Embedding（数值向量）、Fine Tuning（微调）、LangChain/LangGraph（Agent框架）、数据决策、Coze/Dify...

LLM Based Agent

从无状态，到特定状态的定义和识别

什么是无状态？什么是有状态？
什么是连续？什么是离散？

无状态、连续
Prompt：Hey Siri，帮我用美团外卖点两份热干面和可乐送到公司的外卖柜内，

有状态、离散
就平时总点的那家，送公司，放外卖柜。

{

	"App": "饿了么",

	"Orders": ["热干面", "可乐"],

	"Numbers": [ 5, 2 ]

	"Location": "杭州"

	"Notes": "放外卖柜"

}

用好Agent的关键，思考哪些东西值得被离散化、状态化。

多Agent协作

多Agent模型（Multi-Head Agent Model）是一种分布式人工智能模型，由多个智能体（Agent）组成，每个Agent都具有自主决策和交互能力，能够相互协作、竞争或协商以完成共同或各自的任务。

Agent应用技术架构（手纸稿）

RAG检索增强生成架构