AI Guide
一句话：
- 大模型（LLM） = 会说话但记性差、知识老；
- RAG 给它装 “私有知识库”；
- MCP 给它开 “万能接口”；
- Skill 是可复用小功能；
- MCP Server 就是把功能打包对外提供服务。
- AI Agent = 把上面所有东西整合起来自主干活的总指挥。
什么是 LLM（大语言模型）？
一个超级会聊天、会写代码、会总结的 AI 大脑。
- 优点：能理解人话、生成内容、写前端 / 后端代码。
- 缺点：知识停留在训练截止日（老）、记不住你的私有文档、容易胡说八道（幻觉）。
什么是 RAG（检索增强生成）？
RAG = 大模型 + 私有知识库，让 AI 能读你的文档、回答你的内部问题。
LLM 是一个只会背旧课本的学生；RAG 是给他配了一个实时书架 + 快速翻书员。
工作流程：
- 你问问题。
- 翻书员从你的文档里找到相关内容。
- 把内容塞给 LLM。
- LLM 用自己的语言组织答案。
解决问题：
- 知识新：可以随时更新文档，不用重训模型。
- 知识私有：公司内部文档、产品手册、数据库都能喂给它。
- 减少幻觉：答案都有原文出处，不乱编。
什么是 MCP（模型上下文协议）？
MCP = AI 的统一 “USB‑C 接口”，让大模型能安全、标准地调用任何外部工具 / 数据。
以前：
- OpenAI 有自己的接口。
- Claude 有自己的接口。
- 每个工具都要单独适配，乱七八糟，像一堆不同充电口。
MCP：
- 统一协议，一个接口插所有设备（数据库、文件、浏览器、API）。
- 谁都能用，谁都能接，即插即用。
核心作用：
- 标准化：所有模型、所有工具用同一套语言沟通。
- 解耦：模型不用关心工具细节，工具不用关心模型是谁。
- 安全可控：权限、限流、审计都在 MCP 层统一管。
什么是 MCP Server？
MCP Server = 把一个功能（读文件、查数据库、发请求）打包成 MCP 标准接口的服务端。
类比：
- 你有一个打印机（功能）。
- 你给它装一个 USB‑C 转换头（MCP Server）。
- 任何电脑（大模型 / AI 应用）都能插它、用它。
什么是 Skill（技能）？
Skill = AI 智能体（Agent）里可复用的 “小功能模块”，比如 “查天气”“写代码”“查文档”。
大白话类比：
Agent（智能助理）是一个全能管家；Skill 是管家会的一个个技能：
- 做饭 Skill
- 开车 Skill
- 记账 Skill
特点：
- 可插拔：想用就加载，不用就关掉。
- 可组合：一个任务可以串多个 Skill（比如：查文档 → 写代码 → 调试）。
- 可共享：别人写好的 Skill 你直接用。
和 MCP 的关系：
- Skill = 功能逻辑（做什么）。
- MCP = 通信标准（怎么调用）。
- MCP Server = Skill 的对外服务化。
AI Agents
LLM + Memory + Skill + Tools
通俗类比：
- 普通大模型 LLM：只会听指令，你说一步它做一步。
- AI Agent：全能自动助理，你只说最终目标，它全程自己搞定。
举例：
- 普通 AI：你让写周报，它只写文字。
- AI Agent：自动查本周工作记录 → 整理数据 → 排版 → 生成周报 → 直接发送。