现在很多企业都在用 AI 给业务赋能，网上充斥着各种名词，Agent、LLM、RAG、MCP、Function Call，看的眼花缭乱，本文会将它们比作是一台电脑的各个组成部分，通俗的给大家讲清楚这几个是什么？它们之间的联系是什么？

LLM（语言模型）- CPU

LLM 全称叫 Large Language Model（大语言模型），例如：ChatGPT、Claude、Gemini 等，这个是最常见的，大家应该第一个接触 AI 产品就是这些。2022 年 11 月 30 日 OpenAI 发布 ChatGPT，最初是的交互形式就是在网页上和大模型进行聊天。

后来人们想让 AI 扮演指定的角色，就出现了“提示词”（Prompt），人们不想每次都要告诉 AI 它需要扮演的角色，就出现了”系统提示词“（System Prompt），再后来人们将自己的提示词分享出来，就出现了“GPT 商店”，将自己写好提示词的 Chat 分享出来。例如：写作助手、编程专家。

RAG（检索增强生成）- 磁盘/内存

RAG 全称叫 Retrieval-Augmented Generation（检索增强生成）

• 检索（Retrieval）： 从外部知识库（文档、数据库、网络）快速查找最相关的信息片段。
• 增强（Augmented）： 将这些精准信息“喂”给 LLM。
• 生成（Generation）： LLM 结合自身理解力和检索到的信息，生成更准确、更可靠的回答。

LLM 有自己的上下文限制，如果上下文和提问相关性比较弱，LLM 就会出现“幻觉”，开始胡说八道。为了防止这种问题，人们将提问相关的知识通过上下文一起给 LLM，这样就可以让回答更靠谱。这时候会用到向量数据库构建知识库，常见的向量数据库有 Pinecone、chroma、PostgreSQL+pgvector。

Function Call（函数调用）- USB 接口

函数调用（Function Calling/Tool Use）。LLM 本质没有调用外部 API 的能力，只是告诉你需要调哪些 API，包括函数名称、入参。工具的具体实现需要自己定义。每家大模型 Function Call 实现方式不同，所以它并不通用。

MCP（模型上下文协议）- 应用层协议

https://modelcontextprotocol.io/introduction

模型上下文协议（Model Context Protocol），当 Agent 同时处理多任务、调用多工具时，如何保证不“精神分裂”？MCP 就是关键调度员。

核心能力：

• 上下文管理：动态记住对话历史、任务状态（如“用户已选 7 月 1 日出发”）
• 信息压缩：自动摘要长篇内容，节省“记忆内存”
• 多工具协同：调度 API、数据库、图像识别等模块有序协作

Agent（智能体）- 操作系统

统筹所有资源的调度中枢

核心能力：

• 自主决策：理解目标后拆解任务（如：查机票 → 订酒店 → 做攻略）
• 调用工具：像人类一样使用浏览器、计算器、订票软件等
• 持续迭代：根据结果调整计划（如发现机票超预算，立即改方案）

开发 AI Agent 的技术框架常用的有两个，langchain（Python） 和 Spring AI（Java）

langchain: https://github.com/langchain-ai/langchain

Spring AI: https://github.com/spring-projects/spring-ai

举个例子 🌰

假设你在用 ChatGPT 做“旅游助手”，它的背后工作流程是：

1. Agent 说：“我来帮你订行程”（决策逻辑）。
2. RAG 提供“旅游目的地介绍”（检索硬盘上的资料）。
3. LLM 组织语言：“北京春天很美…”（核心大脑处理）。
4. Function Call 调用 flight API 查票价（行动接口）。
5. MCP 让这一切的“上下文”组织得清清楚楚（类似一套统一协议，把用户输入、历史记录、知识检索、函数调用组合起来发给模型）。

0基础怎么入门AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓