AI基础知识扫盲

不讲晦涩术语，用大白话把AI常用名词讲明白，看完就能分清各个模块的作用和关系。

什么是Prompt（提示词）

Prompt就是我们跟AI说话时，传给它的所有指令和信息，说白了就是和AI沟通的“口令”，不管是提问题、给背景资料，还是交代任务，全都靠它传递。

还有一个System Prompt，也就是系统提示词，作用是给AI定规矩、定身份。比如让AI当文案写手、编程助手，或是限定它说话的语气，全靠这个提示词约束，避免AI答非所问、偏离用途。

什么是Agent

别把Agent和大模型混为一谈，Agent是一个完整的智能程序，大模型只是它里面的核心零件，就像电脑离不开CPU，但单有CPU成不了电脑一样。

一个能用的Agent，自带完整的工作体系，主要由这几部分组成：

• 大模型：相当于Agent的大脑，负责理解需求、分析情况、做出决策

• 工具调用模块：相当于Agent的手脚，靠代码实现操作，能调用外部工具干活

• 记忆模块：储存对话信息、关键内容，让AI不会说过就忘

• 服务交互模块：打通Agent和外部系统、工具的连接，实现顺畅通信

简单来说，大模型只会思考，而Agent既能思考，又能动手做事。

什么是MCP

MCP是一套通信协议，专门用来解决AI Agent和工具之间的沟通问题，诞生的原因很实在。

早期开发的时候，大家习惯把Agent和要用的工具写在同一个程序里，直接调用就行。但像网页浏览、格式转换这类通用工具，好多Agent都要用，如果每个程序都复制一遍代码，既浪费精力，后期改起来也麻烦。

MCP就是为了改掉这个毛病，把所有通用工具统一放在服务器上托管，让所有Agent都能远程调用，不用重复写代码。

MCP核心组成

• MCP Server：工具托管服务器，里面存着所有可用工具，能查工具功能、需要的参数，还能自带配套提示词

• MCP Client：调用工具的Agent，作为请求方，通过协议取用工具

通信方式也很灵活，本地可以用标准输入输出通信，远程能通过HTTP协议连接，MCP只管工具、资源和提示词的调度，不插手其他工作。

MCP模式下，Agent调用工具的完整流程

1. 用户输入需求，Agent把内容打包成User Prompt（用户提示词）

2. Agent通过MCP协议，从MCP Server获取全部工具的详细信息

3. Agent把工具信息，转换成大模型能读懂的格式（Function Calling或系统工具格式）

4. 将用户提示词和工具信息打包，一起发给大模型

5. 大模型分析后，判断需要调用哪个工具，生成工具调用指令

6. Agent收到指令，通过MCP协议，去服务器调用对应的工具

7. 工具执行完毕，把结果传回Agent，Agent整理后回复给用户

什么是Function Calling

Function Calling就是函数调用，核心是把AI和外部工具的沟通标准化。

平时AI说话是自然语言，没法直接调用工具，Function Calling就是定一个统一格式，规定好AI发起工具调用的语句格式、返回数据的格式，让机器能精准识别、执行，是Agent实现自动操作的关键。

现存短板

这项技术目前没有统一标准，各大厂商的API接口不一样，而且不少开源大模型不支持Function Calling，想做一个适配所有模型的通用Agent，难度很高。

什么是RAG

RAG全称是检索增强生成，通俗来讲，就是给大模型加装了一个“查资料”的功能。

普通大模型答题，全靠训练时记住的知识，不仅有时间延迟，还容易出现事实错误，遇到专业领域内容更是答不好。

RAG会先在外部知识库、文档库里，搜索和问题相关的精准资料，再把这些资料当作参考，结合大模型的能力生成答案。相当于让大模型从“闭卷答题”变成“开卷答题”，准确率和专业性大幅提升，还能跟上最新信息。

什么是AI短期记忆

AI的短期记忆，就和人的瞬时记忆一样，临时存放当前对话的内容。

它只在单次对话窗口生效，聊天过程中，你前面说过的话、提过的要求，AI能接上话，靠的就是短期记忆。一旦关掉对话页面，这段记忆立刻清空，特点是留存时间短、反应快，只服务于当下的聊天。

什么是AI长期记忆

长期记忆就是把关键信息长久保存下来，不会因为关闭对话、重启程序消失。

一般靠数据库储存，比如用户的喜好、习惯、历史需求、重要设定，跨会话也能保留。下次再和AI对话，它依然记得你的偏好，能给出个性化回复。长期记忆容量可拓展，需要主动调取使用。

什么是上下文

上下文就是围绕当前问题，所有能帮AI理解意图的相关信息，也是AI能不能答到点子上的关键。

主要包含这几类：

• 会话上下文：当前对话里的历史问答，靠短期记忆储存

• 知识上下文：相关的专业资料、外部信息，比如RAG检索到的内容

• 场景上下文：系统提示词设定、可用工具、场景限制等

AI读懂上下文，才能给出连贯、贴合需求的回答，而Agent的记忆模块，就是专门管理上下文的核心部件。

什么是A2A

A2A全称是Agent to Agent，也就是智能体之间的交互。

单个Agent能力有限，A2A就是让多个不同功能的Agent互相通信、分工协作。比如一个负责搜集信息的Agent，把资料传给负责整理文案的Agent，两者配合完成复杂任务，不用人工中转，实现多智能体联动，处理更繁琐的工作。

后续会每天更新相关知识，更有Agent项目（简历+内容）分享哦！！！记得关注！