AI 入门指南：2026 年全面理解人工智能

让我们从头开始，循序渐进。

基础概念

#

AI vs ML vs 深度学习

#

你可能见过这张图：三个同心圆，最外层是 AI，中间是机器学习（Machine Learning），核心是深度学习（Deep Learning）。这图已经成了老生常谈，但对理解这些术语之间的关系确实很有用。

人工智能（Artificial Intelligence） 是最宽泛的术语。它的意思就是"让计算机做那些如果人来做需要智能的事情"。就这么简单。1970 年代的国际象棋程序？AI。你的垃圾邮件过滤器？AI。一个简单的 if-else 规则决定是否给你弹窗？技术上说，也是 AI。这个术语太宽泛了，单独使用几乎没什么意义。

机器学习（Machine Learning） 是 AI 的一个子集，它不是编写明确的规则，而是给计算机提供示例，让它自己找出规律。不是写"如果邮件包含’尼日利亚王子’，标记为垃圾邮件"，而是给它看 10000 封标记为"垃圾邮件"或"非垃圾邮件"的邮件，让算法学习什么让垃圾邮件……像垃圾邮件。

深度学习（Deep Learning） 是机器学习的一个子集，它使用多层神经网络（所以叫"深度"）。这是 2010 年代事情开始变得有趣的地方。深度学习在图像识别、语音识别方面取得了突破，最终催生了我们现在都在关注的语言模型。

神经网络

#

这里有个不完美但有用的类比：神经网络就像一个非常复杂的电子表格，里面有数百万个可调整的数字。

数据从一边输入。它被这些数字相乘、相加、通过一些数学函数，最终在另一边产生输出。“学习"的过程就是调整所有这些数字，直到输出符合你想要的结果。

如果你想深入了解：网络被组织成层。每一层包含"神经元”（实际上就是数学函数）。每个神经元接收输入，乘以权重，加起来，然后通过激活函数传递结果。神奇的地方在于，当你把很多层堆叠在一起时，网络可以学习极其复杂的模式——这些是人类无法手工编程的。

“神经"这个词来自于与大脑中生物神经元的松散类比。不要太当真。这些系统的工作方式与真正的大脑完全不同。这个比喻对 1940 年代的原始研究人员很有用，但现在有些误导。

Training vs Inference

#

每个 AI 系统都有两个截然不同的阶段，混淆它们会导致无尽的误解。

训练（Training） 是昂贵的部分。这是你向模型展示数百万（或数十亿）个示例并调整所有内部数字直到模型擅长其任务的阶段。据报道，训练 GPT-4 仅计算成本就超过 1 亿美元。训练只发生一次（或在你想更新模型时定期进行）。

推理（Inference） 是相对便宜的部分。这是你实际使用训练好的模型的时候。你给它一个输入，它产生一个输出。每次你与 ChatGPT 聊天，你都在进行推理。模型的数字是固定的；它只是在运行计算。

把它想象成教育与工作。训练是多年的学校和学习。推理是去上班并使用你学到的东西。投资发生在前期；回报在使用期间产生。

理解 LLM（大语言模型）

#

LLM 的特别之处

#

大语言模型（Large Language Models）是一种特定类型的深度学习模型，被训练来预测文本。这是核心洞察：从本质上讲，LLM 只是试图预测序列中的下一个词（或 token）。

“猫坐在___上” → “垫子”（大概率）

但这里有个疯狂的地方：当你用互联网、书籍、代码和科学论文上的数万亿个词来训练这个简单的目标时，神奇的事情发生了。模型不仅学会了语法。它学会了事实、推理模式、编码规范，甚至是看起来像常识的东西。

这被称为涌现行为（emergent behavior）——没有明确训练但从训练规模中产生的能力。没有人编程让 GPT-4 写诗或解数学题。这些能力是从非常非常好地预测下一个 token 的目标中涌现的。

Transformer 和注意力机制

#

使现代 LLM 成为可能的架构叫做 Transformer，在 2017 年一篇著名的论文"Attention Is All You Need"中被介绍。

关键创新是注意力机制（attention mechanism）。以前的模型按顺序处理文本——一个词一个词，从左到右。注意力允许模型同时查看所有词，并学习哪些词彼此相关。

简单例子：“这只动物没有过马路，因为它太累了。”

“它"指的是什么？动物。但模型怎么知道的？注意力机制学会了"它"应该强烈关注"动物”，而弱关注"马路”。这种捕捉长距离依赖关系的能力是 Transformer 在语言方面如此强大的原因。

Token 和上下文窗口

#

LLM 实际上看不到词——它们看到的是 token。Token 是一段文本，通常是一个词或词的一部分。“Understanding"可能是一个 token，而"un” + “derstand” + “ing"根据模型的分词器可能是三个 token。

为什么这很重要？因为模型有有限的上下文窗口（context window）——它们一次能处理的最大 token 数量。早期的 GPT-3 有 4K token 的上下文。GPT-4 Turbo 扩展到 128K。Claude 可以处理 200K。一些较新的模型声称可以处理数百万。

把上下文窗口想象成模型的工作记忆。你想让模型考虑的一切——你的问题、你分享的任何文档、对话历史——都需要放进这个窗口。

提示工程

#

提示词（prompt） 就是你发送给 LLM 的文本。你的问题、你的指令、你提供的任何上下文——这些都是提示词的一部分。

提示工程（prompt engineering） 是编写能获得更好结果的提示词的艺术（以及越来越多的科学）。这听起来很傻——“工程"你的问题？——但它确实很重要。

一些有效的技巧：

• 具体化。 “写一首诗” vs “写一首关于气候变化的14行莎士比亚风格十四行诗”——第二个会得到明显更好的结果。
• 展示示例。 在要求实际输出之前，给模型几个你想要的示例。这叫"少样本提示（few-shot prompting）"。
• 逐步思考。 在复杂问题前添加"让我们逐步思考这个问题"可以提高准确性。这叫"思维链（chain-of-thought）“提示。
• 分配角色。 “你是一位专业的税务会计师"可以使模型的回答更加聚焦。

Temperature 和参数

#

当你使用 LLM API 时，你可以调整几个影响输出的参数。最重要的是 temperature。

Temperature 控制随机性。在 temperature 0 时，模型总是选择最可能的下一个 token——确定性的、可预测的、有时无聊的。在 temperature 1 或更高时，它更愿意选择不太可能的 token——更有创意、更多样化、有时是胡说八道。

• Temperature 0： “法国的首都是巴黎。”
• Temperature 1： “法国的首都是巴黎，那座光之城，革命与浪漫在鹅卵石街道上共舞…”

其他常见参数：

• Top-p（核采样）： 另一种控制随机性的方式，通过限制考虑哪些 token。
• Max tokens： 响应可以有多长。
• Stop sequences： 告诉模型何时停止生成。
• Frequency/presence penalty： 减少重复。

幻觉

#

LLM 会编造东西。它们以完全的自信陈述错误。它们引用不存在的论文。它们发明统计数据。这被称为幻觉（hallucination），这不是会被修复的 bug——这是这些模型工作方式的结果。

记住：LLM 被训练来预测看起来合理的文本，而不是真实的文本。如果你询问一个模型训练数据有限的话题，它会生成一些听起来正确的东西。模型没有内部事实检查器，没有与真相的连接，没有办法说"我不知道”。

为什么会发生这种情况？

1. 训练目标： 预测下一个 token，而不是验证真相。
2. 概率分布： 模型从可能性中采样。即使真正的答案最有可能，采样也可能选择其他东西。
3. 没有知识截止意识： 模型不能可靠地知道其知识的边界。

减少幻觉的策略：

• 使用 RAG 将响应建立在实际文档上
• 要求模型引用来源并验证它们
• 对事实性任务降低 temperature
• 使用约束响应的结构化输出
• 实施事实检查层

模型版图

#

开源 vs 闭源模型

#

闭源： 你可以通过 API 使用模型，但看不到权重、不能修改架构、也不能自己运行。OpenAI 的 GPT-4、Anthropic 的 Claude、Google 的 Gemini。

开源/开放权重： 权重是公开可用的。你可以下载它们、本地运行、微调、修改。Meta 的 Llama、Mistral、阿里巴巴的 Qwen、DeepSeek 等等。

这个区别很重要但有细微差别：

• “开放权重"意味着你可以下载并运行模型
• “开源"传统上意味着训练代码和数据也可用（对于大模型来说很少见）
• 许可证各不相同——一些开放模型有商业限制

为什么 Meta 免费发布 Llama？战略原因：使互补品商品化、建立生态系统、吸引人才、设定标准。愤世嫉俗的观点：他们无法在 API 收入上与 OpenAI 竞争，所以他们通过免费提供模型层并在其他地方获利来竞争。

多模态模型

#

早期的 LLM 只理解文本。多模态模型（multimodal models） 理解多种类型的数据——文本、图像、音频、视频。

GPT-4V 可以看照片并描述它。Claude 可以分析图表和图形。Gemini 可以观看视频。这不仅仅是新奇——它开启了全新的用例：

• 截图一个 bug 并寻求调试帮助
• 上传手写图表并获取代码
• 分析医学图像
• 处理视频以进行内容审核
• 无需单独语音转文本的语音界面

架构各不相同。一些模型是原生多模态训练的。其他的连接单独的视觉和语言模型。这个区别对性能很重要，但对大多数用户不重要。

推理模型

#

标准 LLM 逐 token 生成响应，没有明确的"思考”。推理模型（reasoning models） 采用不同的方法——它们在回答之前花费额外的计算来思考问题。

OpenAI 的 o1 和 o3 模型开创了这种方法。这些模型不是立即响应，而是生成内部推理链（有时对用户隐藏），考虑多种方法，并在产生最终答案之前检查自己的工作。

结果令人瞩目：推理模型在数学、编程、科学和逻辑问题上大大超越标准 LLM。o3 在某些基准测试上取得的分数被认为还需要数年才能实现。

权衡：推理模型更慢、更贵。GPT-4 立即回答的简单问题可能需要 o1 几秒钟（和 10 倍的成本）来"思考”。对于简单任务，这是浪费。对于困难问题，这是值得的。

何时使用推理模型：

• 复杂的数学或逻辑问题
• 多步骤编程挑战
• 需要仔细分析的任务
• 任何准确性比速度更重要的事情

何时标准 LLM 更好：

• 简单问答
• 创意写作
• 实时应用
• 成本敏感的用例

消费级 AI 产品

#

在深入技术细节之前，让我们梳理一下你可能已经使用过的产品：

ChatGPT（OpenAI）——引发主流 AI 浪潮的产品。可以访问 GPT-4、o1、用于图像的 DALL-E 和各种插件。其他人都与之比较的基准。

Claude（Anthropic）——以强大的写作、长上下文窗口和细腻的推理而闻名。Claude.ai 是消费者界面；API 为许多应用提供支持。

Gemini（Google）——与 Google 生态系统深度集成。可通过 gemini.google.com 访问，越来越多地嵌入到搜索、文档、Gmail 和 Android 中。

Copilot（Microsoft）——Microsoft 跨产品的 AI 层。与 GitHub Copilot（编程）不同——这是 Windows、Edge 和 Microsoft 365 中的消费者助手。

Perplexity——AI 原生搜索引擎。用引用和来源回答问题。一瞥搜索可能的未来。

其他值得了解的： Grok（xAI，集成到 X/Twitter）、Pi（Inflection）、Le Chat（Mistral）、DeepSeek Chat，以及许多区域/专业替代品。

本地运行模型

#

为什么要本地运行？

#

云端模型在别人的服务器上运行。你通过互联网发送请求并按使用付费。OpenAI、Anthropic、Google——这是他们的业务。

本地模型在你自己的硬件上运行。你的笔记本电脑、你的服务器、你的数据中心。数据永远不会离开你的控制。

为什么要本地运行？

• 隐私： 敏感数据留在本地
• 成本： 没有 API 费用（但硬件不是免费的）
• 延迟： 没有网络往返
• 可用性： 离线工作，没有速率限制
• 控制： 没有你未选择的服务条款和内容过滤

本地和云端之间的差距已经大大缩小。对于许多实际应用，本地模型已经足够好——特别是对于编程、写作和分析任务。

权衡：前沿能力仍然需要云端。如果你需要在困难推理任务上获得绝对最佳性能，GPT-4、Claude 或 Gemini 是仅限云端的。但这个差距随着每次发布都在缩小。

Ollama

#

Ollama 已经成为本地运行模型的事实标准。它使曾经复杂的过程变得非常简单。

# 两个命令安装并运行模型
ollama pull llama3.2
ollama run llama3.2

就这样。你正在与完全在你机器上运行的强大 LLM 聊天。

Ollama 处理复杂性：下载模型、管理内存、针对你的硬件优化，并提供 CLI 和本地 API。它支持数十种模型——Llama、Mistral、Qwen、Phi、CodeLlama 等等。

主要功能：

• 简单的 CLI 界面
• OpenAI 兼容的 API（易于替换到现有代码中）
• 一键下载的模型库
• 适用于 Mac、Linux 和 Windows
• 可用时支持 GPU 加速

对于开发者，Ollama 的本地 API 意味着你可以针对本地模型开发，然后在生产中切换到云端 API——或者反过来——只需最少的代码更改。

硬件考虑

#

本地运行模型需要硬件。以下是重要的事项：

GPU vs CPU： GPU 大大加速推理。一个在 CPU 上每次响应需要 30 秒的模型可能在 GPU 上只需要 2 秒。Apple Silicon Mac 模糊了这条界限——它们的统一内存和神经引擎使它们在本地推理方面出奇地有能力。

内存（VRAM/RAM）： 这通常是限制因素。模型需要适合内存。一个 7B 参数的模型大约需要 4-8GB。一个 70B 的模型需要 35-70GB。量化（下面讨论）减少了这些要求。

量化（Quantization）： 将模型权重的精度从 32 位降低到 16 位、8 位甚至 4 位。这减少了内存需求并加速推理，质量损失最小。大多数本地模型以量化格式分发（GGUF、GPTQ、AWQ）。

实用指导：

• 16GB+ RAM 的 Mac： 可以舒适地运行 7B-13B 模型
• 32GB+ RAM 的 Mac： 可以运行 30B+ 模型
• 带 RTX 3090/4090（24GB VRAM）的 PC： 可以运行大多数高达 70B 的模型（量化后）
• 没有 GPU： 仍然可以工作，只是更慢。适合开发和实验。

定制与知识

#

微调 vs RAG

#

你有一个基础 LLM。你想让它更适合你的特定用例。两种主要方法：

微调（Fine-Tuning）

#

拿一个现有模型，继续用你自己的数据训练它。模型的权重实际上会改变。微调后，模型原生"知道"你的信息。

优点： 推理快，知识深度整合，可以学习新风格或行为。 缺点： 昂贵，需要 ML 专业知识，知识可能过时，有灾难性遗忘的风险（模型在其他任务上变差）。

RAG（检索增强生成）

#

保持模型不变。当问题来时，首先在你的知识库中搜索相关文档，然后将这些文档与问题一起包含在提示词中。

优点： 更便宜，知识保持最新，不需要训练，易于审计（你可以看到检索了什么）。 缺点： 更慢（两步过程），受上下文窗口限制，检索质量非常重要。

嵌入和向量数据库

#

这是使 RAG 工作的技术——而且确实很巧妙。

嵌入（embedding） 是一种将文本（或图像，或任何东西）表示为数字列表——向量——的方式。神奇之处在于：相似的东西有相似的向量。“狗"和"小狗"的向量很接近。“狗"和"民主"相距很远。

你使用嵌入模型创建嵌入（与 LLM 不同，尽管一些 LLM 有嵌入能力）。OpenAI、Cohere、Voyage 和许多其他公司提供嵌入 API。像 BGE 和 E5 这样的开源选项也很好用。

向量数据库（vector database） 是一种优化用于存储和搜索这些向量的数据库。当你问"我们的退款政策是什么？“时，系统：

1. 将你的问题转换为向量
2. 在向量数据库中搜索相似向量
3. 返回这些向量代表的文档
4. 将这些文档与你的问题一起输入 LLM

流行的向量数据库包括 Pinecone、Weaviate、Chroma、Qdrant 和 Milvus。带 pgvector 的 Postgres 对许多用例来说效果出奇地好。

评估

#

基准测试

#

你怎么知道一个模型是否比另一个"更好”？基准测试试图通过在标准化任务上测试模型来回答这个问题。

常见基准测试：

• MMLU（大规模多任务语言理解）： 跨 57 个学科的多选题。测试一般知识。
• HumanEval： 编程问题。测试编程能力。
• GSM8K： 小学数学应用题。测试数学推理。
• HellaSwag： 关于日常情况的常识推理。
• TruthfulQA： 测试模型是否给出真实答案，而不是听起来有说服力的废话。

基准测试的问题： 它们是可以被刷分的。模型可以被专门训练在流行基准测试上表现良好，而实际上在真实任务上没有改进。一个在 MMLU 上得分 90% 的模型可能仍然在你的特定用例上失败。

Eval

#

Eval（评估）是你为特定用例创建的测试。与基准测试不同，eval 衡量的是对你的应用真正重要的东西。

正在构建客户服务机器人？你的 eval 可能测试：

• 它是否正确回答你 FAQ 中的问题？
• 它是否在需要时适当地升级到人工？
• 它是否保持品牌调性并遵循你的语气指南？
• 它是否拒绝做出公司无法兑现的承诺？

为什么 eval 重要：

1. 回归检测： 当你更改提示词或切换模型时，eval 在用户之前发现问题。
2. 比较： 客观比较不同模型、提示词或方法对你的用例的效果。
3. 迭代： 你无法改进你无法衡量的东西。Eval 使改进变得系统化。

构建好的 eval：

• 从真实用户查询和预期响应开始
• 包括边缘情况和对抗性示例
• 测试模型应该做什么和不应该做什么
• 自动化，以便在每次更改时运行 eval

LLM 作为评判者

#

这是一个巧妙的技术：用一个 LLM 来评估另一个 LLM 的输出。

不是手动审查数百个响应，你可以提示一个模型充当评判者：

你正在评估 AI 助手响应的质量。

用户问题：{question}
助手响应：{response}

对响应进行评分：
1. 准确性（1-5）：信息是否正确？
2. 有用性（1-5）：它真的帮助了用户吗？
3. 清晰度（1-5）：它容易理解吗？

解释你的推理，然后提供分数。

为什么这有效：

• 扩展到数千个评估
• 比人类审查员更一致（更少疲劳）
• 可以评估难以用程序测试的细微品质
• 比人工评估更便宜更快

局限性：

• 评判模型有自己的偏见和局限性
• 可能会错过它自己也会犯的错误
• 在没有基础的情况下难以处理领域特定的准确性
• 不能完全替代人工评估——更多的是补充

智能体与自动化

#

什么是智能体？

#

“智能体（agent）“这个词被到处使用。这里有一个工作定义：智能体是一个可以在世界上采取行动的 LLM，而不仅仅是生成文本。

聊天机器人回答你的问题。智能体可能回答你的问题并且预订餐厅、发送电子邮件、查询数据库或编写并执行代码来解决问题。

什么使某物成为智能体而不仅仅是 LLM？

1. 目标： 智能体朝着目标工作，而不仅仅是响应提示词。
2. 行动： 智能体可以做事情，而不仅仅是说事情。
3. 自主性： 智能体决定如何实现目标。
4. 循环： 智能体通常在循环中运行——观察、思考、行动、重复。

最简单的智能体模式：给 LLM 访问工具的权限，让它决定使用哪些工具。“找下周从伦敦到东京的航班，检查我的日历，预订与我日程相符的最便宜选项。“智能体将此分解，调用航班 API，调用日历 API，并执行预订。

智能体 vs 工作流

#

一个经常被模糊的重要区别：

工作流（Workflows） 是确定性的。你定义步骤：首先做 A，然后做 B，如果 X 则做 C 否则做 D。LLM 可能驱动单个步骤，但编排是编码的。

1. 从电子邮件中提取实体（LLM）
2. 在数据库中查找客户（代码）
3. 生成响应草稿（LLM）
4. 发送给人工审核（代码）

智能体 是自主的。你给它们一个目标和工具，它们自己找出步骤。LLM 根据当前状态决定下一步做什么。

目标："解决这个客户投诉"
工具：[email, database, refund_system, escalation]
→ 智能体决定做什么，以什么顺序

何时使用工作流：

• 可预测、已充分理解的流程
• 当你需要可靠性和可审计性时
• 受监管的环境
• 高容量、低复杂度的任务

何时使用智能体：

• 新颖或可变的任务
• 当步骤事先未知时
• 需要复杂推理
• 当灵活性比可预测性更重要时

成本等式： 工作流明显更便宜。你每次运行支付固定数量的 LLM 调用——可预测、可优化、可审计。智能体很贵是因为它们思考。每个决策点——“我应该使用什么工具？"、“那有效吗？"、“下一步是什么？"——都是一次 LLM 调用。一个进行 3 次 LLM 调用的工作流可能变成一个进行 15-30 次调用来解决同一问题的智能体，因为智能体正在推理如何解决它，而不仅仅是执行预定义的步骤。对于大规模已充分理解的任务，工作流在成本上获胜。对于你无法预定义步骤的复杂、可变问题，智能体值得溢价。

工具使用和函数调用

#

为了让智能体采取行动，它们需要工具——它们可以调用的函数。这种能力通常被称为函数调用（function calling）或工具使用（tool use）。

它是这样工作的：

1. 你用名称、描述和参数定义工具（通常作为 JSON schemas）
2. 你在提示词/API 调用中包含这些定义
3. 模型可以选择"调用"工具而不是生成文本
4. 你的代码执行函数并将结果返回给模型
5. 模型使用这些结果继续

示例工具定义：

{
  "name": "get_weather",
  "description": "Get current weather for a city",
  "parameters": {
    "type": "object",
    "properties": {
      "city": {"type": "string", "description": "City name"},
      "units": {"type": "string", "enum": ["celsius", "fahrenheit"]}
    },
    "required": ["city"]
  }
}

当你问"东京的天气怎么样？“时，模型不会产生幻觉——它调用 get_weather(city="Tokyo")，获取真实数据，然后用事实回应。

每个主要模型提供商现在都支持函数调用：OpenAI、Anthropic、Google 等。语法略有不同，但概念是一样的。

MCP 协议

#

模型上下文协议（Model Context Protocol，MCP） 是一个用于连接 AI 模型与工具和数据源的开放标准。把它想象成 AI 的 USB-C——一个通用连接器，意味着你不需要每个设备一根不同的线缆。

在 MCP 之前，每个集成都是定制的。想让你的 AI 访问 GitHub？编写一个 GitHub 集成。Salesforce？另一个集成。你的内部数据库？又一个。这无法扩展。

MCP 定义了一种标准方式，让 AI 客户端（如 Claude、ChatGPT 或你的自定义智能体）从 MCP 服务器发现和使用工具。一个 MCP 服务器可能暴露：

• 工具： AI 可以调用的函数
• 资源： AI 可以读取的数据
• 提示词： 常见任务的模板

影响是显著的：

• 构建一次 MCP 服务器，每个兼容的 AI 都可以使用它
• 工具变得可移植和可重用
• 安全和权限可以标准化
• 生态系统复合——更多服务器意味着更有能力的智能体

关于 MCP 的更多内容，我写了一篇更深入的文章：MCP 服务器：AI 智能体的 USB-C 时刻。

智能体模式

#

随着智能体的成熟，常见模式已经出现：

ReAct（推理 + 行动）： 智能体在推理（“我需要找到用户的订单历史”）和行动（调用订单 API）之间交替。这个明确的推理步骤提高了可靠性。

规划： 在行动之前，智能体创建一个计划：“为了解决这个问题，我需要 1）查找订单，2）检查库存，3）处理退款，4）发送确认。“计划可以在执行前验证。

反思： 在完成任务（或失败）后，智能体回顾发生了什么：“退款失败是因为订单太旧了。我应该先检查退款政策。“这使得学习和自我纠正成为可能。

工具选择： 当智能体有很多工具时，选择正确的工具变得不简单。技术包括工具描述、少样本示例和层次化工具组织。

人在回路中： 对于高风险行动，智能体可以暂停并在继续之前请求人工批准。好的智能体知道它们何时不确定。

技能

#

技能（Skills） 是可重用的专业化提示词，用于扩展智能体的能力。可以把它们想象成你可以插入智能体的"专家模式”——用于代码审查的技能、用于编写文档的技能、用于分析安全漏洞的技能。

与工具（执行操作的函数）不同，技能是塑造智能体思考和响应方式的指令。工具调用 API。技能告诉智能体"当被问到关于 X 的问题时，用这种方式处理，考虑这些因素，并按这种格式输出响应。”

为什么技能很重要：

• 无需微调的专业化： 无需训练新模型就能获得专家级行为。
• 可组合性： 为不同任务混合搭配技能。
• 可分享性： 精心设计的技能可以跨团队、项目使用，甚至可以公开分享。
• 上下文效率： 不必每次都解释你的需求，只需在技能中编码一次。

技能的位置：

技能可以在智能体上下文的不同位置注入：

1. 系统提示词： 最常见的方式。技能成为智能体基础指令的一部分，始终保持激活。
2. 用户消息前缀： 动态添加到用户请求之前。适用于特定任务的技能。
3. 工具描述： 技能可以嵌入工具定义中，指导智能体如何使用特定工具。
4. MCP 提示词： MCP 服务器可以将技能作为"提示词"暴露——客户端可以发现和调用的可重用模板。

技能如何影响上下文：

每个技能都会消耗上下文窗口中的 token。这会产生权衡：

• 更多技能 = 更强大的智能体，但对话历史的空间更少
• 详细的技能 = 更好的行为，但每次请求的 token 成本更高
• 始终激活的技能 vs 按需技能 = 可靠性 vs 效率

智能框架通过动态加载技能来管理这一点——根据任务激活相关技能并停用其他技能。

技能结构示例：

## 代码审查技能

审查代码时，你应该：
1. 检查安全漏洞（注入、XSS、认证问题）
2. 识别性能问题
3. 评估可读性和可维护性
4. 提供具体的改进建议和代码示例

按以下格式输出审查结果：
- 摘要（1-2 句话）
- 严重问题（如果有）
- 建议（项目列表）
- 总体评估

编程智能体

#

为什么重要

#

编程智能体代表了 AI 最切实的应用之一——它们实际编写代码，而且代码确实有效。这不是理论；开发者因为这些工具而更快地发布功能。

影响是直接和可衡量的：更少时间在样板代码上，更快的调试，更容易探索不熟悉的代码库。对于许多开发者来说，编程智能体已经变得像他们的 IDE 一样必不可少。

版图

#

Claude Code——Anthropic 的基于终端的编程智能体。存在于你的 CLI 中，理解你的整个代码库，可以读取文件、编写代码、运行命令，并根据反馈迭代。为生活在终端中的开发者设计。

Cursor——一个围绕 AI 辅助从头构建的 AI 原生 IDE。不仅仅是自动完成——你可以与你的代码库聊天，生成整个功能，并让 AI 在文件之间进行大范围更改。最接近与 AI 结对编程的东西。

GitHub Copilot——最早也是部署最广泛的。从自动完成开始，发展到聊天，现在包括用于更大任务的 Copilot Workspace。深度 GitHub 集成。

Windsurf——Codeium 的 AI IDE，定位为 Cursor 的替代品。强调速度和理解大型代码库。

Cody（Sourcegraph）——专注于代码库理解。对于上下文至关重要的大型复杂代码库特别强大。

Continue——适用于任何 IDE 的开源编程助手。自带模型（本地或云端）。适合想要控制其 AI 设置的团队。

OpenCode——Claude Code 的开源替代品。基于终端，模型无关，社区驱动的开发。

Aider——另一个优秀的开源终端编程智能体。以其 git 集成和连贯地处理多个文件的能力而闻名。

下一步

#

你已经完成了基础知识。接下来呢？

构建东西

#

• 从简单开始。 使用 API（OpenAI、Anthropic 等）并构建一个基本的聊天机器人或 RAG 系统。一开始不要过度考虑技术栈。
• 尝试本地模型。 安装 Ollama，在你的笔记本电脑上运行 Llama 或 Qwen。这出奇地简单。
• 探索智能体。 查看 LangChain、LlamaIndex、CrewAI 等框架来构建智能体系统。
• 学习 MCP。 官方文档很扎实。尝试在本地运行一些 MCP 服务器。
• 尽早构建 eval。 无论你构建什么，从第一天就创建 eval。你以后会感谢自己的。

理解这个领域

#

• 关注研究。 ArXiv 论文，Google Scholar 对你关心的话题设置提醒。
• 批判性地阅读炒作。 大多数"突破"是渐进的。寻找可复现的结果和真正的基准测试。
• 自己实验。 对什么有效的直觉来自实践经验，而不是阅读。

资源

#

• Hugging Face——模型、数据集和一个令人难以置信的社区
• Papers With Code——带实现的研究论文
• Ollama——极其简单的本地模型运行
• LangChain / LlamaIndex——用 LLM 构建的流行框架
• Model Context Protocol——MCP 规范和 SDK
• Chatbot Arena——通过人类投票头对头比较模型

2026 年的 AI 同时被过度炒作和低估。这项技术是真正变革性的——但它也有真正的局限性。LLM 会编造东西。智能体很脆弱。成本很高。进展很快但不均衡。

最好的方法是务实的：理解基础知识，用真实问题实验，对宏大宣言保持怀疑，并构建东西。在这个时代会蓬勃发展的人不是那些能背诵每个缩写词的人——而是那些能发布实际有效的产品的人。

现在去构建一些东西吧。