AI大模型落地系列：学习AI前需具备的基础知识
前段时间，由于回家过年，躺在床上实在感觉无聊，
所以就在网上搜罗了相关资料，整理了学习内容，方便以后温故。
进来各种模型频繁迭代，好像光是闻着claude、gpt、deepseek、豆包这些模型升级的声音，就已经让我们热血澎湃。
但你真的了解他们吗？你知道如何用好他们吗？
如：
- user prompt
- system prompt
- AI Agent
- function calling
- MCP
- RAG
- 上下文窗口
可能你零星的知道些皮毛，不过没关系，现在让我带着你深入学习一番。
大纲
- 一、什么是所谓的user prompt
- 二、user prompt 和 system prompt
- 三、AI Agent 是怎么让 AI 干活的？
- 四、Function Calling：工具调用的标准化革命
- 五、MCP：AI 世界的 USB-C
- 六、大模型的上下文窗口
- 七、RAG：检索增强生成
- 八、整套体系串起来是什么样？
- 九、最终总结
- 结语
一、什么是所谓的user prompt
最早的 GPT，其实只是个“高级点的聊天机器人”。
你给它一句话（user prompt），它给你一句话回答。
它能聊天、能写文章、能解释代码
但它不能真的帮你做事。
比如你说：
帮我把 C 盘的 hello_world.cpp 移动到 D 盘，并总结内容
它最多告诉你“应该怎么做”，但不会真的帮你操作文件。
于是问题来了：
能不能让 AI 真正去执行任务？
这就引出了 —— AI Agent。
二、user prompt 和 system prompt
在讲 Agent 之前，我们先把基础打牢。
1、 user prompt（用户提示词）
就是你在对话框里输入的内容。
例如：
你好 早期 GPT 只有 user prompt。
模型没有人格设定、没有角色设定，只是普通问答。
2、 system prompt（系统提示词）
后来人们发现，可以给模型“设定人设”。
比如：
你是一个傲娇的程序员，说话尽量傲娇，最好带 emoji。 这个提示不让用户看到，但每次请求都会和 user prompt 一起发给模型。
于是模型有了：
- 性格
- 风格
- 行为约束
本质上：
user prompt = 你说的话
system prompt = 模型的隐藏设定
三、AI Agent 是怎么让 AI 干活的？
现在进入核心。
1、AI 的问题
AI 本身：
- 只能输出文本
- 不能操作系统
- 不能读文件
- 不能访问数据库
所以它只能“动脑”，不能“动手”。
2、Agent 的出现
AI Agent 本质上就是一段程序。
它的作用是：
在 用户、AI、工具 之间做协调。
你可以理解为：
| 角色 | 职责 |
|---|---|
| AI | 思考和决策 |
| Agent | 协调和调度 |
| Tool | 实际执行 |
3、举个完整流程例子
用户说：
读取 C 盘 hello_world.cpp，移动到 D 盘，并总结内容
流程是这样的：
第一步：Agent 告诉 AI 可以用哪些工具
例如：
- read_file
- move_file
第二步：AI 决定调用 read_file
调用 read_file，路径：C://hello_world.cpp 第三步：Agent 真正执行工具
- 读取文件
- 把内容返回给 AI
第四步：AI 决定调用 move_file
第五步：Agent 执行移动
第六步：AI 输出总结
第七步：Agent 返回结果给用户
这就是一个完整的循环。
规划 → 执行 → 反馈 → 再规划 → 交付
四、Function Calling：工具调用的标准化革命
早期 Agent 有个问题：
AI 是“猜”怎么调用工具的。
比如天气查询工具：
check_weather(city, date) AI 可能会写：
上海 明天 问题来了：
- 参数顺序错了？
- 明天不是标准日期？
- 少传字段？
于是就出现了 Function Calling。
Function Calling： 把工具描述从 system prompt中剥离，用JSON格式统一定义函数名、函数介绍、参数字段，并规范AI调用工具的回复格式。这就是Function Calling的核心： 用标准化格式让AI理解怎么调用工具，而不是猜。
1、工具定义（标准 JSON）
{"name":"check_weather","parameters":{"type":"object","properties":{"city":{"type":"string"},"date":{"type":"string","format":"YYYY-MM-DD"}},"required":["city"]}}2、AI 必须按格式调用
{"function_call":{"name":"check_weather","parameters":{"city":"上海","date":"2025-11-14"}}}3、Function Calling的好处：
- 告别猜谜语：以前靠System Prompt用自然语言描述工具，AI可能听不懂；现在用JSON格式，AI一看就会。
- 降低开发难度：开发者不用自己写代码检测AI回复是否正确，若AI回复错误，AI的服务器端可检测并自动重试，降低用户开发难度和token开销。
- 跨场景通用：无论是ChatGPT还是开源模型，只要支持Function Calling，就能用同一套工具。
| 对比项 | System Prompt（传统方式） | Function Calling（标准化方式） |
|---|---|---|
| 工具描述 | 自然语言随意写（如你可以用查天气工具） | JSON格式强制规范（必须包含name/parameters） |
| 调用格式 | 等AI猜（可能返回散文式回复） | 固定JSON结构（如 {"function_name":"..."}） |
| 错误处理 | 开发者自己写代码重试 | 大模型服务端自动重试 |
五、MCP：AI 世界的 USB-C
上文提到的Agent和Tool是怎么进行交互的？最简单的做法就是把Agent和Tool写在同一个程序里面，直接通过函数调用来完成，这也是现在大多数agent的做法。
但其实有些tool的功能其实挺通用的，可能多个agent都需要，但总不能在每个agent里面都拷贝一份相同的代码吧。
我们把tool变成服务，统一的托管，让所有的agent都来调用，这就是 mcp server。mcp是一个通信协议，专门用来规范agent和tool服务之间是怎么交互的。运行tool的服务叫做mcp server，调用它的agent叫做mcp client。mcp规定了mcp server如何和mcp client通信，以及mcp server有哪些接口。
mcp server既可以和agent跑在同一台机器上，通过标准输入输出进行通信。也可以被部署在网络上，通过http进行通信。虽然mcp是为了通用定制出来的标准，但实际上mcp本身却和ai模型没有关系，他并不关心agent用的是哪个模型，mcp只负责帮agent托管工具、资源。
你可以把 MCP 想象成电脑的 USB-C 接口：
- 各种外设（如键盘、U盘、显示器）就是不同的 MCP Server，它们提供各自独特的功能。
- 电脑就是 AI Agent，它作为 MCP Client，通过统一的 USB-C 接口（即 MCP 协议） 来连接和使用所有外设（MCP Server）。
- 这样一来，无论你更换电脑还是外设，只要都支持 USB-C 标准，就能即插即用，非常方便。MCP 协议正是为 AI 世界带来了这种即插即用的便利性。
如果说 Function Calling 解决的是：
“怎么调用工具”
那么 MCP 解决的是：
“工具怎么统一接入”
1、所以说，什么是 MCP？
MCP = Model Control Protocol
它把工具变成一个服务（MCP Server）。
Agent 不再直接调用工具，而是通过 MCP 协议访问。
2、完整流程示例
用户问：
女朋友肚子疼怎么办？
流程：
- Agent 通过 MCP 获取可用工具（如网页搜索）
- 转换为 Function Calling 格式
- AI 选择 web_browse
- Agent 通过 MCP 调用搜索服务
- 返回结果
- AI 生成建议
六、大模型的上下文窗口
很多人忽略这个概念，但它非常关键。
什么是上下文窗口？
就是：
模型一次对话能记住多少内容
你可以把它想象成一块黑板。
- 黑板大：能写很多
- 黑板小：写几行就满
当写满时：
模型会“擦掉最前面的内容”
这就是为什么：
- 对话太长会“失忆”
- 输入太大成本会上升
- 回答会变慢
七、RAG：检索增强生成
（这个等后面，会单独在写一篇博客细讲）
最后讲一个企业级必备技术 —— RAG。
RAG = Retrieval-Augmented Generation
简单说就是：
先查资料，再生成回答。
为什么不直接把资料丢给模型？
问题：
- 有上下文窗口限制
- 推理成本高
- 输入越大越慢
- 容易幻觉
RAG 怎么做？
- 用户提问
- 向知识库检索相关片段
- 只把相关内容发给模型
- 模型基于检索结果回答
比如：
用户问产品维修政策。
RAG 不会发 200 页手册。
而是：
- 精准找 3 段相关内容
- 送给模型
- 生成答案
优点：
- 成本低
- 更准确
- 更快
- 可扩展
八、整套体系串起来是什么样？
我们把今天讲的全部串起来：
用户 ↓ Agent ↓（MCP 获取工具） 工具列表 ↓（Function Calling 格式） AI 模型 ↓ 调用工具 ↓ RAG 检索知识 ↓ 生成答案 ↓ 返回用户 九、最终总结
| 名词 | 作用 |
|---|---|
| user prompt | 用户输入 |
| system prompt | 模型隐藏设定 |
| Agent | 调度协调 |
| Tool | 实际执行 |
| Function Calling | 标准化工具调用 |
| MCP | 工具接入协议 |
| 上下文窗口 | 模型记忆容量 |
| RAG | 检索增强生成 |
结语
AI 正在从“会聊天”进化为“能做事”。
这背后不是一个技术，而是一整套体系：
- Agent 负责调度
- Function Calling 负责规范调用
- MCP 负责统一接入
- RAG 负责精准知识增强
理解了这些，你基本就理解了当前 AI 应用的核心架构。
