今天给大家完整梳理了从大模型（LLM）初登场到 OpenClaw 最终成型的进化全史。这是一场从“文本生成”向“自主执行”的思维跃迁。

一张图给大家讲明白大模型的进化过程，及小龙虾的由来。

第一阶段： LLM 萌芽：博学但无能的“隐士”

大模型刚问世时，像是一个深居简出的隐士。

• 形态： 主要是 Web 端对话框。

• 用法： 纯文本交互。问天、问地、问代码，它能给你完美的答案，但它无法执行任何动作。

• 局限： 模型处于“信息孤岛”，不知道实时新闻，无法修改你的本地文件，也无法帮你发一封真实的邮件。

  

第二阶段： Function Call：初生的“钥匙”

为了打破孤岛，OpenAI 等厂商推出了 Function Calling（函数调用）。

• 演进： 开发者在代码里“硬编码”一堆 JSON 格式的工具描述。

• 做法： 告诉模型：“如果你要查库存，就输出 get_inventory”。模型开始学会输出结构化指令，再由外部代码执行。

• 痛点： 每个模型的函数格式都不统一，开发者需要为每个模型写海量的“胶水代码”。这时的工具是死板的，且难以跨平台复用。

  

第三阶段： MCP：标准化的“万能插座”

Anthropic 推出的 MCP 模型上下文协议 彻底改变了工具连接的逻辑。

• 革命： 它不再让模型适配工具，而是让工具适配协议。只要你写一个“MCP 服务端”，所有的模型（Claude, GPT, 甚至本地模型）都能直接连接。

• 解耦： 就像 USB 接口统一了外设，MCP 统一了模型的“外挂”标准。

• 状态： 这一阶段工具变得极其丰富，但依然存在门槛——普通用户如何快速把这些分散的 MCP 工具整合到一个好用的 Agent 里？

  

第四阶段： Skills：模块化的“专家级经验”

在 MCP 的基础上，Skills（技能） 的概念开始盛行。

• 定义： Skill 不仅仅是一个 API 接口，它是一套封装好的、带指令的模块化能力包。

• 核心： 每个 Skill 通常包含一个 SKILL.md 文件，里面定义了什么时候用这个工具、具体的执行步骤以及处理异常的逻辑。

• 深度： 技能让模型拥有了“领域专家”的自觉。比如，“代码审查技能”不仅能查 Bug，还附带了企业的代码规范和最佳实践。

  

第五阶段： OpenClaw：集大成的“利爪”

OpenClaw（其前身为 Clawdbot 和 Moltbot）在 2025 年底至 2026 年初横空出世。

• 由来： 它的名字代表“Open”（开源平权）和“Claw”（像利爪一样抓取现实世界的资源）。
• 终极整合： OpenClaw 的核心是它的 Skills 系统，它完美融合了前几个阶段的所有成果：

1. 原生支持 MCP： 它可以瞬间调用全球开发者分享的数千个 MCP 技能。

2. 工程化闭环： 它不仅是给模型“钥匙”，还给模型一个自动执行、错误重试、长记忆管理的“身体”。

3. 开源平权： 它让像 DeepSeek 这样的开源模型，通过 OpenClaw 框架，也能稳定地执行原本只有顶尖闭源模型才能胜任的复杂技能。

   

最后

对于正在迷茫择业、想转行提升，或是刚入门的程序员、编程小白来说，有一个问题几乎人人都在问：未来10年，什么领域的职业发展潜力最大？

答案只有一个：人工智能（尤其是大模型方向）

当下，人工智能行业正处于爆发式增长期，其中大模型相关岗位更是供不应求，薪资待遇直接拉满——字节跳动作为AI领域的头部玩家，给硕士毕业的优质AI人才（含大模型相关方向）开出的月基础工资高达5万—6万元；即便是非“人才计划”的普通应聘者，月基础工资也能稳定在4万元左右。

再看阿里、腾讯两大互联网大厂，非“人才计划”的AI相关岗位应聘者，月基础工资也约有3万元，远超其他行业同资历岗位的薪资水平，对于程序员、小白来说，无疑是绝佳的转型和提升赛道。

如果你还不知道从何开始，我自己整理一套全网最全最细的大模型零基础教程，我也是一路自学走过来的，很清楚小白前期学习的痛楚，你要是没有方向还没有好的资源，根本学不到东西！

下面是我整理的大模型学习资源，希望能帮到你。

👇👇扫码免费领取全部内容👇👇

最后

1、大模型学习路线

2、从0到进阶大模型学习视频教程

从入门到进阶这里都有，跟着老师学习事半功倍。

3、 入门必看大模型学习书籍&文档.pdf（书面上的技术书籍确实太多了，这些是我精选出来的，还有很多不在图里）

4、 AI大模型最新行业报告

2026最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5、面试试题/经验

【大厂 AI 岗位面经分享（107 道）】

【AI 大模型面试真题（102 道）】

【LLMs 面试真题（97 道）】

6、大模型项目实战&配套源码

适用人群

四阶段学习规划（共90天，可落地执行）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型

• 带你了解全球大模型

• 使用国产大模型服务

• 搭建 OpenAI 代理

• 热身：基于阿里云 PAI 部署 Stable Diffusion

• 在本地计算机运行大模型

• 大模型的私有化部署

• 基于 vLLM 部署大模型

• 案例：如何优雅地在阿里云私有部署开源大模型

• 部署一套开源 LLM 项目

• 内容安全

• 互联网信息服务算法备案

• …

  👇👇扫码免费领取全部内容👇👇

  

3、这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

这份完整版的大模型 AI 学习资料已经上传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】