AI 四大核心技术详解：LLM、Agent、RAG 与 Skill

前言：AI 技术演进背景

2023 年被称为"AI 元年"，ChatGPT 的出现让大语言模型（LLM）走进了大众视野。但很快，我们发现单纯的大模型还不够：

❌ 它不知道最新的新闻
❌ 它不能操作你的电脑
❌ 它无法完成复杂的多步骤任务

于是，Agent、RAG、Skill 这些技术应运而生。今天，我们就来聊聊这四大核心技术。

一、LLM：AI 的"大脑"

1.1 什么是 LLM？

LLM (Large Language Model)，也就是我们要说的'大模型'，比如 DeepSeek、GPT、Gemini 等。

它是谁？

它是整个 AI 系统的 '大脑'。它读过几乎全互联网的书，上知天文下知地理，能写诗、能写代码、能陪你聊天。

它的超能力

✅ 理解力 Max：能听懂你在说什么。
✅ 生成力 Max：能快速生成高质量的文本。
✅ 推理力 Max：能处理复杂的逻辑问题。

1.2 常见的 LLM 有哪些？

模型	公司	特点
GPT	OpenAI	综合能力最强，多模态支持
Claude	Anthropic	代码能力强，上下文超长
Gemini	Google	多模态原生，免费额度多
DeepSeek	DeepSeek	国产之光，性价比超高，推理能力强
Llama	Meta	开源可商用，本地部署
文心一言	百度	中文优化，国内可用
通义千问	阿里	开源版本多，生态丰富
Kimi	月之暗面	长文本处理能力突出

1.3 LLM 的局限性

虽然 LLM 很强大，但它有三大硬伤：

架构图

这就引出了我们今天要讲的另外三个技术：RAG、Skill、Agent。

二、RAG（检索增强生成）：外挂知识库

2.1 什么是 RAG？

它是谁？

如果 LLM 是一个参加'开卷考试'的学生，那 RAG 就是他手边的 '教科书' 或者 '图书馆'。

为什么要用它？

当你要问 LLM 关于'你们公司最新的考勤制度'时，LLM 肯定不知道。这时候，RAG 的作用就来了：

检索 (Retrieve)：先去你们公司的文档库里，把'考勤制度'相关的段落找出来。
增强 (Augment)：把这些段落和你的问题一起扔给 LLM。
生成 (Generate)：LLM 看着这些资料，回答你的问题。

核心价值

✨ 解决幻觉：有据可查，不再瞎编。
✨ 数据私有化：不用把数据训练进模型，也能回答私有领域问题。
✨ 实时性：文档更新了，回答自然就更新了。

找到相关资料 -> 结合资料回答 -> 用户提问 -> 检索 RAG -> LLM 大脑 -> 最终答案

2.2 RAG 的工作原理

架构图

三步走：

1️⃣ 索引（Indexing）

把你的文档切分成小块
用 Embedding 模型转成向量
存入向量数据库（如 Chroma、Pinecone）

2️⃣ 检索（Retrieval）

用户提问也转成向量
在向量库中找最相似的文档块
返回 Top-K 个相关片段

3️⃣ 生成（Generation）

把检索到的内容 + 用户问题拼成 Prompt
发给 LLM 生成最终答案

2.3 RAG 的实际应用

📚 企业知识库问答：上传公司文档，员工随时提问
📖 智能客服：基于产品手册自动回答用户问题
🔍 论文检索：上传论文库，快速找到相关内容
💻 代码助手：基于项目代码库回答技术问题

2.4 代码示例

# 使用 LangChain 实现简单 RAG（新版 API）
from langchain_openai import OpenAIEmbeddings, ChatOpenAI
from langchain_chroma import Chroma
from langchain_text_splitters import CharacterTextSplitter
from langchain_community.document_loaders import TextLoader
from langchain.chains import RetrievalQA

# 1. 加载文档
loader = TextLoader('公司手册.txt', encoding='utf-8')
documents = loader.load()

# 2. 切分文档
text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=200)
texts = text_splitter.split_documents(documents)

# 3. 创建向量库
embeddings = OpenAIEmbeddings()
vectorstore = Chroma.from_documents(texts, embeddings)

# 4. 创建检索器
retriever = vectorstore.as_retriever(search_kwargs={"k":3})

# 5. 创建问答链
qa_chain = RetrievalQA.from_chain_type(
    llm=ChatOpenAI(model="gpt-4", temperature=0),
    chain_type="stuff",
    retriever=retriever
)

# 6. 提问
query = "公司的年假政策是什么？"
answer = qa_chain.invoke({"query": query})
print(answer["result"])

三、Skill：给 LLM 配备"工具箱"

3.1 什么是 Skill？

它是谁？

它是 Agent 手里的 '锤子'、'扳手'、'计算器'。

为什么需要它？

LLM 虽然聪明，但它不擅长做某些具体的事情，比如：

精确数学计算（大模型算数很差，不如调个计算器）。
获取实时天气（需要调天气 API）。
操作 Excel（需要调 Python 脚本）。
画图（需要调绘图模型）。

Skill 就是把这些具体的能力封装成函数或 API，让 Agent 可以随时调用。

Skill（技能） 就是让 LLM 能够调用外部工具的能力。如果说 RAG 是给 LLM"补充知识"，那 Skill 就是给 LLM"赋予能力"。

3.2 常见的 Skill 类型

类型	示例	用途
搜索工具	Google Search、Bing API	获取实时信息
计算工具	Python 解释器、Wolfram Alpha	精确计算
数据库工具	SQL 查询、MongoDB	数据操作
文件工具	读写文件、处理 Excel	文档处理
API 工具	天气 API、股票 API	获取外部数据
浏览器工具	Puppeteer、Selenium	网页操作

3.3 Skill 的工作原理

用户："北京今天天气怎么样？"
↓ LLM 分析：需要获取实时天气信息
↓ LLM 决定：调用天气查询 Skill
↓ 执行 Skill：调用天气 API 获取数据
↓ LLM 生成："北京今天晴，25°C..."

四、Agent：让 AI 成为"智能体"

4.1 什么是 Agent？

Agent，智能体。这是目前最让人兴奋的概念！

它是谁？

如果说 LLM 是'大脑'，RAG 是'书'，那 Agent 就是 '一个完整的人'。它不仅有大脑，还有 手（Tools） 和 耳目（Sensors）。

它能做什么？

Agent 不仅仅是'回答问题'，它的核心是 '行动 (Action)'。它能根据你的目标，自主拆解任务，调用工具，一步步完成工作。 Agent（智能体） 是 AI 的终极形态。

举个栗子 🌰：你对 DeepSeek 说：'帮我订一张明天去北京的机票。'

纯 LLM：只能告诉你怎么订票，或者给你写一段订票的代码。
Agent：
1. 思考：需要先查航班，再选时间，最后支付。
2. 行动 1：调用'携程 API'查询航班。
3. 行动 2：发现余额不足（假设），调用'提醒工具'告诉你。
4. 行动 3：最终帮你下单。

它不仅能理解、能生成，还能：

🧠 自主规划：分解复杂任务，制定执行计划
🔄 循环执行：多步骤任务自动推进
🛠️ 工具调用：灵活使用各种 Skill
💾 记忆管理：记住对话历史和中间结果

4.2 Agent 的核心架构

一个完整的 Agent 通常包含四大核心模块：Planning（规划）、Memory（记忆）、Tools（工具）、Action（执行），通过 ReAct 模式循环迭代完成任务。

架构图

4.3 ReAct：Agent 的经典范式

ReAct（Reasoning + Acting） 是 Agent 最常用的工作模式：

Thought（思考）→ Action（行动）→ Observation（观察）→ ... → Answer（回答）

示例：

用户："苹果公司今年的营收是多少？"
Thought: 我需要搜索苹果公司最新的财务报告
Action: 调用搜索工具，搜索"Apple revenue 2024"
Observation: 找到 Apple 2024 Q4 财报，营收 xxx 亿美元
Thought: 我已经找到了答案
Action: 生成最终回答
Answer: 苹果公司 2024 年营收为 xxx 亿美元...

4.4 LangChain 实现 Agent

from langchain.agents import Tool, AgentExecutor, create_react_agent
from langchain_openai import ChatOpenAI
from langchain_community.utilities import SerpAPIWrapper
from langchain.chains import LLMMathChain

# 准备工具
search = SerpAPIWrapper()
llm = ChatOpenAI(model="gpt-4", temperature=0)
llm_math_chain = LLMMathChain(llm=llm)
tools = [
    Tool(
        name="Search",
        func=search.run,
        description="用于搜索实时信息"
    ),
    Tool(
        name="Calculator",
        func=llm_math_chain.run,
        description="用于数学计算"
    )
]

# 创建 Agent
agent = create_react_agent(llm, tools)
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

# 运行
agent_executor.invoke({"input":"苹果公司 CEO 是谁？他今年多大了？"})

五、四者关系：一张图看懂

架构图

💡 干货总结

概念	形象比喻	核心作用	关键词
LLM	大脑 🧠	理解、推理、生成	通用、思考
RAG	图书馆 📚	提供准确、私有的知识	检索、上下文
Skill	工具箱 🛠️	执行具体操作、弥补短板	API、函数
Agent	完整的人 🤖	自主规划、完成复杂任务	规划、行动

六、实际应用场景

6.1 智能客服机器人

用户："我的订单什么时候到？"
Agent 分析：需要查询订单信息
↓ 调用 Skill：查询订单数据库
↓ 获取结果：预计明天送达
↓ 生成回复："您的订单预计明天送达..."

6.2 企业知识助手

用户："公司的报销流程是什么？"
RAG 检索：从知识库找到报销手册
↓ LLM 理解：提取关键步骤
↓ 生成回复：分步骤说明报销流程

6.3 编程助手

用户："帮我写一个 Python 爬虫"
Agent 规划：
1. 分析需求
2. 编写代码
3. 解释代码
↓ 调用 Skill：代码生成 + 代码解释
↓ 输出：完整代码 + 使用说明

前言：AI 技术演进背景

2023 年被称为"AI 元年"，ChatGPT 的出现让大语言模型（LLM）走进了大众视野。但很快，我们发现单纯的大模型还不够：

❌ 它不知道最新的新闻
❌ 它不能操作你的电脑
❌ 它无法完成复杂的多步骤任务

于是，Agent、RAG、Skill 这些技术应运而生。今天，我们就来聊聊这四大核心技术。

一、LLM：AI 的"大脑"

1.1 什么是 LLM？

LLM (Large Language Model)，也就是我们要说的'大模型'，比如 DeepSeek、GPT、Gemini 等。

它是谁？

它是整个 AI 系统的 '大脑'。它读过几乎全互联网的书，上知天文下知地理，能写诗、能写代码、能陪你聊天。

它的超能力

✅ 理解力 Max：能听懂你在说什么。
✅ 生成力 Max：能快速生成高质量的文本。
✅ 推理力 Max：能处理复杂的逻辑问题。

1.2 常见的 LLM 有哪些？

模型	公司	特点
GPT	OpenAI	综合能力最强，多模态支持
Claude	Anthropic	代码能力强，上下文超长
Gemini	Google	多模态原生，免费额度多
DeepSeek	DeepSeek	国产之光，性价比超高，推理能力强
Llama	Meta	开源可商用，本地部署
文心一言	百度	中文优化，国内可用
通义千问	阿里	开源版本多，生态丰富
Kimi	月之暗面	长文本处理能力突出

1.3 LLM 的局限性

虽然 LLM 很强大，但它有三大硬伤：

架构图

这就引出了我们今天要讲的另外三个技术：RAG、Skill、Agent。

二、RAG（检索增强生成）：外挂知识库

2.1 什么是 RAG？

它是谁？

如果 LLM 是一个参加'开卷考试'的学生，那 RAG 就是他手边的 '教科书' 或者 '图书馆'。

为什么要用它？

当你要问 LLM 关于'你们公司最新的考勤制度'时，LLM 肯定不知道。这时候，RAG 的作用就来了：

检索 (Retrieve)：先去你们公司的文档库里，把'考勤制度'相关的段落找出来。
增强 (Augment)：把这些段落和你的问题一起扔给 LLM。
生成 (Generate)：LLM 看着这些资料，回答你的问题。

核心价值

✨ 解决幻觉：有据可查，不再瞎编。
✨ 数据私有化：不用把数据训练进模型，也能回答私有领域问题。
✨ 实时性：文档更新了，回答自然就更新了。

找到相关资料 -> 结合资料回答 -> 用户提问 -> 检索 RAG -> LLM 大脑 -> 最终答案

2.2 RAG 的工作原理

架构图

三步走：

1️⃣ 索引（Indexing）

把你的文档切分成小块
用 Embedding 模型转成向量
存入向量数据库（如 Chroma、Pinecone）

2️⃣ 检索（Retrieval）

用户提问也转成向量
在向量库中找最相似的文档块
返回 Top-K 个相关片段

3️⃣ 生成（Generation）

把检索到的内容 + 用户问题拼成 Prompt
发给 LLM 生成最终答案

2.3 RAG 的实际应用

📚 企业知识库问答：上传公司文档，员工随时提问
📖 智能客服：基于产品手册自动回答用户问题
🔍 论文检索：上传论文库，快速找到相关内容
💻 代码助手：基于项目代码库回答技术问题

2.4 代码示例

# 使用 LangChain 实现简单 RAG（新版 API）
from langchain_openai import OpenAIEmbeddings, ChatOpenAI
from langchain_chroma import Chroma
from langchain_text_splitters import CharacterTextSplitter
from langchain_community.document_loaders import TextLoader
from langchain.chains import RetrievalQA

# 1. 加载文档
loader = TextLoader('公司手册.txt', encoding='utf-8')
documents = loader.load()

# 2. 切分文档
text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=200)
texts = text_splitter.split_documents(documents)

# 3. 创建向量库
embeddings = OpenAIEmbeddings()
vectorstore = Chroma.from_documents(texts, embeddings)

# 4. 创建检索器
retriever = vectorstore.as_retriever(search_kwargs={"k":3})

# 5. 创建问答链
qa_chain = RetrievalQA.from_chain_type(
    llm=ChatOpenAI(model="gpt-4", temperature=0),
    chain_type="stuff",
    retriever=retriever
)

# 6. 提问
query = "公司的年假政策是什么？"
answer = qa_chain.invoke({"query": query})
print(answer["result"])

三、Skill：给 LLM 配备"工具箱"

3.1 什么是 Skill？

它是谁？

它是 Agent 手里的 '锤子'、'扳手'、'计算器'。

为什么需要它？

LLM 虽然聪明，但它不擅长做某些具体的事情，比如：

精确数学计算（大模型算数很差，不如调个计算器）。
获取实时天气（需要调天气 API）。
操作 Excel（需要调 Python 脚本）。
画图（需要调绘图模型）。

Skill 就是把这些具体的能力封装成函数或 API，让 Agent 可以随时调用。

Skill（技能） 就是让 LLM 能够调用外部工具的能力。如果说 RAG 是给 LLM"补充知识"，那 Skill 就是给 LLM"赋予能力"。

3.2 常见的 Skill 类型

类型	示例	用途
搜索工具	Google Search、Bing API	获取实时信息
计算工具	Python 解释器、Wolfram Alpha	精确计算
数据库工具	SQL 查询、MongoDB	数据操作
文件工具	读写文件、处理 Excel	文档处理
API 工具	天气 API、股票 API	获取外部数据
浏览器工具	Puppeteer、Selenium	网页操作

3.3 Skill 的工作原理

用户："北京今天天气怎么样？"
↓ LLM 分析：需要获取实时天气信息
↓ LLM 决定：调用天气查询 Skill
↓ 执行 Skill：调用天气 API 获取数据
↓ LLM 生成："北京今天晴，25°C..."

四、Agent：让 AI 成为"智能体"

4.1 什么是 Agent？

Agent，智能体。这是目前最让人兴奋的概念！

它是谁？

如果说 LLM 是'大脑'，RAG 是'书'，那 Agent 就是 '一个完整的人'。它不仅有大脑，还有 手（Tools） 和 耳目（Sensors）。

它能做什么？

举个栗子 🌰：你对 DeepSeek 说：'帮我订一张明天去北京的机票。'

纯 LLM：只能告诉你怎么订票，或者给你写一段订票的代码。
Agent：
1. 思考：需要先查航班，再选时间，最后支付。
2. 行动 1：调用'携程 API'查询航班。
3. 行动 2：发现余额不足（假设），调用'提醒工具'告诉你。
4. 行动 3：最终帮你下单。

它不仅能理解、能生成，还能：

🧠 自主规划：分解复杂任务，制定执行计划
🔄 循环执行：多步骤任务自动推进
🛠️ 工具调用：灵活使用各种 Skill
💾 记忆管理：记住对话历史和中间结果

4.2 Agent 的核心架构

一个完整的 Agent 通常包含四大核心模块：Planning（规划）、Memory（记忆）、Tools（工具）、Action（执行），通过 ReAct 模式循环迭代完成任务。

架构图

4.3 ReAct：Agent 的经典范式

ReAct（Reasoning + Acting） 是 Agent 最常用的工作模式：

Thought（思考）→ Action（行动）→ Observation（观察）→ ... → Answer（回答）

示例：

用户："苹果公司今年的营收是多少？"
Thought: 我需要搜索苹果公司最新的财务报告
Action: 调用搜索工具，搜索"Apple revenue 2024"
Observation: 找到 Apple 2024 Q4 财报，营收 xxx 亿美元
Thought: 我已经找到了答案
Action: 生成最终回答
Answer: 苹果公司 2024 年营收为 xxx 亿美元...

4.4 LangChain 实现 Agent

from langchain.agents import Tool, AgentExecutor, create_react_agent
from langchain_openai import ChatOpenAI
from langchain_community.utilities import SerpAPIWrapper
from langchain.chains import LLMMathChain

# 准备工具
search = SerpAPIWrapper()
llm = ChatOpenAI(model="gpt-4", temperature=0)
llm_math_chain = LLMMathChain(llm=llm)
tools = [
    Tool(
        name="Search",
        func=search.run,
        description="用于搜索实时信息"
    ),
    Tool(
        name="Calculator",
        func=llm_math_chain.run,
        description="用于数学计算"
    )
]

# 创建 Agent
agent = create_react_agent(llm, tools)
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

# 运行
agent_executor.invoke({"input":"苹果公司 CEO 是谁？他今年多大了？"})

五、四者关系：一张图看懂

架构图

💡 干货总结

概念	形象比喻	核心作用	关键词
LLM	大脑 🧠	理解、推理、生成	通用、思考
RAG	图书馆 📚	提供准确、私有的知识	检索、上下文
Skill	工具箱 🛠️	执行具体操作、弥补短板	API、函数
Agent	完整的人 🤖	自主规划、完成复杂任务	规划、行动

六、实际应用场景

6.1 智能客服机器人

用户："我的订单什么时候到？"
Agent 分析：需要查询订单信息
↓ 调用 Skill：查询订单数据库
↓ 获取结果：预计明天送达
↓ 生成回复："您的订单预计明天送达..."

6.2 企业知识助手

用户："公司的报销流程是什么？"
RAG 检索：从知识库找到报销手册
↓ LLM 理解：提取关键步骤
↓ 生成回复：分步骤说明报销流程

6.3 编程助手

用户："帮我写一个 Python 爬虫"
Agent 规划：
1. 分析需求
2. 编写代码
3. 解释代码
↓ 调用 Skill：代码生成 + 代码解释
↓ 输出：完整代码 + 使用说明

AI 四大核心技术详解：LLM、Agent、RAG 与 Skill

前言：AI 技术演进背景

一、LLM：AI 的"大脑"

1.1 什么是 LLM？

它是谁？

它的超能力

1.2 常见的 LLM 有哪些？

1.3 LLM 的局限性

二、RAG（检索增强生成）：外挂知识库

2.1 什么是 RAG？

它是谁？

为什么要用它？

核心价值

2.2 RAG 的工作原理

2.3 RAG 的实际应用

2.4 代码示例

三、Skill：给 LLM 配备"工具箱"

3.1 什么是 Skill？

它是谁？

为什么需要它？

3.2 常见的 Skill 类型

3.3 Skill 的工作原理

四、Agent：让 AI 成为"智能体"

4.1 什么是 Agent？

它是谁？

它能做什么？

4.2 Agent 的核心架构

4.3 ReAct：Agent 的经典范式

4.4 LangChain 实现 Agent

五、四者关系：一张图看懂

💡 干货总结

六、实际应用场景

6.1 智能客服机器人

6.2 企业知识助手

6.3 编程助手

AI 四大核心技术详解：LLM、Agent、RAG 与 Skill

前言：AI 技术演进背景

一、LLM：AI 的"大脑"

1.1 什么是 LLM？

它是谁？

它的超能力

1.2 常见的 LLM 有哪些？

1.3 LLM 的局限性

二、RAG（检索增强生成）：外挂知识库

2.1 什么是 RAG？

它是谁？

为什么要用它？

核心价值

2.2 RAG 的工作原理

2.3 RAG 的实际应用

2.4 代码示例

三、Skill：给 LLM 配备"工具箱"

3.1 什么是 Skill？

它是谁？

为什么需要它？

3.2 常见的 Skill 类型

3.3 Skill 的工作原理

四、Agent：让 AI 成为"智能体"

4.1 什么是 Agent？

它是谁？

它能做什么？

4.2 Agent 的核心架构

4.3 ReAct：Agent 的经典范式

4.4 LangChain 实现 Agent

五、四者关系：一张图看懂

💡 干货总结

六、实际应用场景

6.1 智能客服机器人

6.2 企业知识助手

6.3 编程助手

微信扫一扫，关注极客日志

更多推荐文章

相关免费在线工具

微信扫一扫，关注极客日志

更多推荐文章

相关免费在线工具