引言：今天是学习AI路线的第二天，上一个篇章中，我们已经学习了VibeCoding的基本理论，这篇文章我将介绍一下市面上现在的AI工具分类，以及常用的工具组合，基于自己是有一定的java编程经验,所以我的选择是cursor，我觉得不管是选择哪种工具，首先一定是基于自己所需要的，

RAG 不是要取代 LLM，而是增强它。它巧妙地结合了传统信息检索的精确性与 LLM 强大的语言理解和生成能力，是构建可靠、可信、知识可更新的 AI 应用（如智能客服、企业知识库、研究助手）的主流架构之一。理解 RAG 的原理是第一步，下一步可以深入其技术栈（如 LangChain, LlamaIndex 等框架），并动手实践，体验从文档处理到问答的全流程。

简单来说，LLM 是一种基于深度学习的自然语言处理（NLP）模型。它的核心能力是理解和生成人类语言。你可以把它想象成一个在“海量文本数据”上训练出来的“超级语言大脑”。这个大脑通过学习互联网上几乎所有的公开文本（如网页、书籍、论文、代码等），掌握了语言的语法规则、词汇含义、知识关联以及上下文逻辑。因此，LLM 远不止是一个“聊天机器人”。它是一个通用的语言理解和生成引擎，其能力可以泛化到翻译、总结

MCP（Model Context Protocol）是一个开源协议，旨在标准化 AI 助手与外部工具、数据源之间的交互方式。它允许 AI 模型安全、可控地访问外部资源，如数据库、API、文件系统等，从而扩展 AI 助手的能力边界。在 vibe coding工具中中集成 MCP，意味着您可以让 AI 助手直接访问您的项目上下文、代码库、文档等资源，实现更智能的代码生成、调试和重构。在 Cursor

密集向量是指向量中绝大多数元素都是非零值的向量。每个维度通常都承载着特定的、有意义的语义信息。稀疏向量是指向量中大部分元素为零（或接近零）的向量。它通常用于表示高维空间中的对象，其中只有少数几个特征被激活。向量是AI将现实世界数据“翻译”成机器语言的通用货币。密集向量紧凑、语义丰富，是深度学习的基石，适合表示融合后的复杂特征。稀疏向量高效、可解释，是处理高维、稀疏数据的利器，适合表示原始的、独立的

MCP（Model Context Protocol）是一个开源协议，旨在标准化 AI 助手与外部工具、数据源之间的交互方式。它允许 AI 模型安全、可控地访问外部资源，如数据库、API、文件系统等，从而扩展 AI 助手的能力边界。在 vibe coding工具中中集成 MCP，意味着您可以让 AI 助手直接访问您的项目上下文、代码库、文档等资源，实现更智能的代码生成、调试和重构。在 Cursor

简单来说，LLM 是一种基于深度学习的自然语言处理（NLP）模型。它的核心能力是理解和生成人类语言。你可以把它想象成一个在“海量文本数据”上训练出来的“超级语言大脑”。这个大脑通过学习互联网上几乎所有的公开文本（如网页、书籍、论文、代码等），掌握了语言的语法规则、词汇含义、知识关联以及上下文逻辑。因此，LLM 远不止是一个“聊天机器人”。它是一个通用的语言理解和生成引擎，其能力可以泛化到翻译、总结

省流https://hermesagent.org.cn/docs/getting-started/windows-installation。官方的教程各种安装手册已经很完善了，很多细节也写的非常的不错，也可以加入社区群。最后 hermes也有可视化界面的安装，后续我会简单介绍一下这个。为什么说hermes比小龙虾更好？我们来看看官方怎么说的？

引言：今天是学习AI路线的第二天，上一个篇章中，我们已经学习了VibeCoding的基本理论，这篇文章我将介绍一下市面上现在的AI工具分类，以及常用的工具组合，基于自己是有一定的java编程经验,所以我的选择是cursor，我觉得不管是选择哪种工具，首先一定是基于自己所需要的，