现代 AI 核心术语学习笔记|从 RAG、Agent 到 MCP,一篇看懂所有热门概念

现代 AI 核心术语学习笔记|从 RAG、Agent 到 MCP,一篇看懂所有热门概念

目录

现代 AI 核心术语学习笔记|从 RAG、Agent 到 MCP,一篇看懂所有热门概念

一、核心概念类(必须吃透)

1. LLM(Large Language Model)

2. Prompt(提示词)

3. Context(上下文)

4. Memory(记忆)

5. Agent(智能体)

6. RAG(Retrieval-Augmented Generation)

7. Search(搜索)

8. Function Calling(函数调用)

9. MCP(Model Context Protocol)

10. Langchain

11. Workflow(工作流)

12. SKILL(技能)

13. SubAgent(子智能体)

二、工具 / 平台类(实际能用的 AI 工具)

1. Claude Code

2. CodeX

3. Cursor

4. Trae

5. Antigravity

6. iFlow

7. Moltbot

8. Clawdbot

9. OpenClaw

10. Manus

三、一句话串起所有关系(最强理解版)


这篇是我自己整理的AI 术语学习博客 + 可直接背诵的笔记,把视频里出现的所有关键词,用大白话 + 英文全称 + 作用 + 关系讲清楚,方便复习、记录、理解。


一、核心概念类(必须吃透)

1. LLM(Large Language Model)

大语言模型,就是 AI 的大脑。能理解语言、生成文本、做推理、写代码、对话。所有 AI 应用(RAG、Agent、工具)都基于 LLM。

2. Prompt(提示词)

你给 AI 发的指令。Prompt 写得好不好,直接决定 AI 输出质量。相当于 “你怎么问,AI 怎么答”。

3. Context(上下文)

AI 在对话里临时记住的内容。多轮聊天时,AI 能记得你前面说过什么。超过长度上限就会 “忘事”。

4. Memory(记忆)

比 Context 更持久的长期记忆。可以记住你的习惯、偏好、历史任务,跨对话保存。

5. Agent(智能体)

自主干活的 AI。不只是聊天,还能:

  • 拆解任务
  • 调用工具
  • 自己规划步骤
  • 自动修正错误简单说:LLM 是大脑,Agent 是带手脚的机器人。

6. RAG(Retrieval-Augmented Generation)

检索增强生成。解决 AI瞎编、知识过时的问题。流程:先去外部文档 / 知识库查资料 → 再生成回答相当于 “先翻书,再答题”。

7. Search(搜索)

AI 自动去互联网 / 数据库查信息。是 RAG 和 Agent 的重要信息来源。

8. Function Calling(函数调用)

AI调用外部工具的能力。比如:查天气、调计算器、读文件、连数据库。没有 Function Calling,AI 就只能聊天,不能干活。

9. MCP(Model Context Protocol)

模型上下文协议。可以理解成 AI 世界的USB 标准。让不同模型、工具、系统能统一对接、互相通信。让 AI 调用工具更规范、更简单、更通用。

10. Langchain

AI 开发的万能框架 / 工具箱。把 LLM、RAG、Agent、Memory、Function Calling 全部打包好。不用从零写代码,快速搭建 AI 应用。

11. Workflow(工作流)

AI 执行任务的固定步骤。比如:搜索 → 整理 → 生成 → 检查 → 输出把复杂任务变成流水线。

12. SKILL(技能)

给 AI 封装好的专用技能包。比如:写周报、代码审查、表格处理、合同检查。不用每次重新写 Prompt,直接加载技能就能用。

13. SubAgent(子智能体)

主 Agent 的小助手。一个大任务拆成多个小任务,分给不同 SubAgent:

  • 一个负责搜索
  • 一个负责写代码
  • 一个负责总结最后主 Agent 汇总结果。

二、工具 / 平台类(实际能用的 AI 工具)

1. Claude Code

Anthropic 推出的AI 编程工具。擅长写代码、查 Bug、代码审查,支持超长上下文。

2. CodeX

OpenAI 的编程模型。用于代码生成、理解、补全,是早期 AI 编程基础。

3. Cursor

目前最火的AI 代码编辑器(基于 VS Code)。内置 AI,能直接改代码、解释项目、生成整段逻辑。

4. Trae

面向开发者的AI 全流程开发平台。一句话生成项目、界面、后端、数据库,支持中文。

5. Antigravity

Google 的多智能体 AI 开发环境。能控制浏览器、终端,自动完成复杂任务。

6. iFlow

AI 工作流自动化平台。可视化拖拽,不用代码就能搭建自动化流程。

7. Moltbot

开源的AI 个人助理,本地运行。能自动执行任务、操作文件、帮你处理日常事务。是 OpenClaw 的前身。

8. Clawdbot

早期版本的自主 AI 助手,和 Moltbot、OpenClaw 一脉相承。主打本地执行、自主任务。

9. OpenClaw

现在正式名称,开源自主 AI 智能体。可以理解为你自己的 “贾维斯”,本地运行、自动干活。

10. Manus

企业级AI 多智能体协作平台。用于管理多个 Agent、搭建复杂 AI 系统。


三、一句话串起所有关系(最强理解版)

LLM 是大脑Prompt 是指令Context + Memory 是记忆Function Calling 是手脚MCP 是通用接口RAG 是查资料Agent 是会干活的机器人SubAgent 是小助手Workflow + SKILL 是干活流程Langchain 是工具箱各种工具(Claude Code、Cursor、Trae、OpenClaw 等)是实际应用

Read more

鸿蒙APP开发从入门到精通:性能优化与Next原生合规

鸿蒙APP开发从入门到精通:性能优化与Next原生合规

《鸿蒙APP开发从入门到精通》第11篇:性能优化与Next原生合规 🏎️✅ 内容承接与核心价值 这是《鸿蒙APP开发从入门到精通》的第11篇——性能优化与Next原生合规篇,承接第10篇的「AI原生与用户增长」,100%复用项目架构,为后续第12篇的电商购物车全栈项目最终上线铺垫性能优化与Next原生合规的核心技术。 学习目标: * 掌握鸿蒙APP性能优化的定义与架构; * 实现启动优化、渲染优化、网络优化等性能优化功能; * 理解Next原生合规的原理与实现方式; * 开发代码规范、权限合规、数据合规等合规功能; * 优化性能与合规的用户体验(响应速度、内存占用、电池消耗)。 学习重点: * 鸿蒙APP性能优化的开发流程; * 性能优化的分类与使用场景; * 启动优化、渲染优化、网络优化的实现; * Next原生合规的设计与实现。 一、 性能优化基础 🎯 1.1 性能优化定义 性能优化是指对应用进行优化,提高应用的响应速度、降低内存占用、减少电池消耗等,主要包括以下方面: * 启动优化:优化应用的启动时间; * 渲染优化:优化应用的界

By Ne0inhk
OpenClaw保姆级安装教程:windows&ubuntu

OpenClaw保姆级安装教程:windows&ubuntu

这次给大家带来了OpenClaw安装全流程,从Node.js环境准备到完整OpenClaw安装配置。无论是Ubuntu还是Windows,都能按照本指南快速完成OpenClaw安装并成功运行。 一、Ubuntu 环境安装教程 对于很多开发者来说,Linux 环境是运行服务器和后台服务的首选。如果你目前还没有安装 Ubuntu 系统,或者对 Linux 环境还比较陌生,完全不用担心。你可以先去阅读一下《安装篇–Ubuntu24.04.2详细安装教程》这篇文章,跟着教程把基础的操作系统环境搭建好之后,再回到这里继续往下进行。 在 Ubuntu 中,我将全程使用命令行来完成安装。 第一步:部署 Node.js 基础运行环境 OpenClaw 对 Node.js 的版本有一定要求,为了保证最佳的兼容性和性能,我们这里强烈推荐安装Node.js 22.x版本。 首先,我们需要下载并执行 NodeSource 提供的官方安装配置脚本,它会自动帮我们配置好软件源:

By Ne0inhk
Flutter for OpenHarmony:Flutter 三方库 os_detect — 精准洞察鸿蒙系统的底层脉络(适配鸿蒙 HarmonyOS Next ohos)

Flutter for OpenHarmony:Flutter 三方库 os_detect — 精准洞察鸿蒙系统的底层脉络(适配鸿蒙 HarmonyOS Next ohos)

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net。 Flutter for OpenHarmony:Flutter 三方库 os_detect — 精准洞察鸿蒙系统的底层脉络(适配鸿蒙 HarmonyOS Next ohos) 在进行 Flutter for OpenHarmony 跨平台开发时,我们经常需要处理“差异化”的需求。有的功能可能只在真正的 OpenHarmony 原生环境下运行(如特定的 N-API 调用),而在 Web 或其他桌面模拟器环境下则需要进行降级处理。 传统的 Platform.isAndroid 或 kIsWeb 在处理日渐复杂的鸿蒙生态环境时,往往显得力不从心。os_detect 库提供了一套更轻量、更可靠的系统环境感知方案,能帮助我们精准识别应用正跑在哪个“灵魂”之下。 一、为什么需要系统环境检测?

By Ne0inhk
Flutter 组件 dev_analyzer 的适配 鸿蒙Harmony 实战 - 驾驭代码静态审计、实现鸿蒙工程质量自动巡检与研发效能预警方案

Flutter 组件 dev_analyzer 的适配 鸿蒙Harmony 实战 - 驾驭代码静态审计、实现鸿蒙工程质量自动巡检与研发效能预警方案

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 dev_analyzer 的适配 鸿蒙Harmony 实战 - 驾驭代码静态审计、实现鸿蒙工程质量自动巡检与研发效能预警方案 前言 在鸿蒙(OpenHarmony)大型工程的演进过程中,随着参与开发者的增多,代码风格的腐化、潜在的内存泄露风险以及非标 API 的私自调用,正逐渐成为拖慢项目交付进度的“隐形杀手”。 如果所有的代码审查(Code Review)都依赖于人工,不仅效率极低,更由于人的状态起伏而难以保证 100% 的覆盖率。 dev_analyzer 是一款专为工程诊断设计的静态分析增强器。它能深度扫描鸿蒙工程的目录树,解析依赖关系,并根据预设的质量模型产出结构化的诊断报告。在鸿蒙适配实战中,将 dev_analyzer 集成到每一次的 git commit 或 Atomgit 的流水线中,

By Ne0inhk