基础概念

这一章的目标，不是让你死记一堆 AI 名词，而是建立一条清晰主线:

从一个只会「文字接龙」的大语言模型开始，理解它如何一步步变成一个能对话、能记忆、能查资料、能调用工具、能执行流程、还能协作分工的智能系统。

本章建议按这条线来学:

1. 先理解模型本身: LLM、Prompt、Context、Memory、Token
2. 再理解外接能力: Agent、Search、RAG
3. 再理解工具约定: Function Calling、MCP
4. 再理解流程设计: Workflow

本章阅读顺序

1. 大语言模型(LLM)
2. 提示词(Prompt)
3. 上下文(Context)
4. 记忆(Memory)
5. 令牌(Token)
6. 智能体(Agent)
7. 搜索(Search)
8. 检索增强生成(RAG)
9. 函数调用(Function Calling)
10. 模型上下文协议(MCP)
11. 工作流(Workflow)
12. 技能(Skill)
13. 子智能体(SubAgent)
14. 智能体协作协议(A2A)

这一章最重要的方法论

几乎所有 AI 应用层概念，本质上都在解决「如何把更合适的信息放进上下文」这个问题。

可以先这样理解:

• Prompt 让模型知道「你要它做什么」
• Context 让模型知道「当前任务的背景是什么」
• Memory 让模型延续之前对话和规则
• Search 给模型补充公开的最新信息
• RAG 给模型补充私有知识库内容
• Function Calling 让模型按约定表达「我要调用哪个工具」
• MCP 让工具以统一方式接入系统
• Agent 自动编排模型、工具、检索和流程
• Workflow 把固定步骤固化下来