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）
能自主干活的 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。
