Agent 工作流是什么:从模型回答到可控执行
解释 AI Agent 的组成、规划-执行-观察-修正循环、工具调用、验证与人工接管,以及为什么不能无限自治。
推杯换盏话江湖 - 分享技术、思考与生活
解释 AI Agent 的组成、规划-执行-观察-修正循环、工具调用、验证与人工接管,以及为什么不能无限自治。
用一篇短文解释几个最常见的 AI 基础术语:Token、Prompt、Few-shot、In-Context Learning 与 Tool Calling。
用普通读者能理解的方式解释扩散模型、Latent Diffusion、DiT 与 Flow Matching,以及提示词、控制条件和常见局限。
用普通人也能顺着读下来的方式,梳理生成式 AI 的发展时间线、主要模态、代表产品,以及 Agent、MCP、Skills 与 A2A 的工作原理。
解释大语言模型、GPT、Token、next-token prediction、预训练、微调、对齐、幻觉,以及普通人该如何正确使用它们。
用图解方式解释 Model Context Protocol:Host、Client、Server 怎么分工,Tools、Resources、Prompts 是什么,一次 MCP 调用如何发生,以及它和 Agent、RAG、函数调用的区别。
面向普通读者解释 RAG 的检索、排序、注入上下文、生成与引用流程,以及向量数据库、embedding、常见失败和权限风险。
用普通人也能理解的方式解释 RLHF、SFT、Reward Model 与 PPO,说明它为什么改善 ChatGPT 的可用性,也为什么不等于消除幻觉。
用图解方式解释 Agent Skills 和 A2A:SKILL.md 如何封装经验,渐进式披露如何工作,Agent Card、Message、Task、Artifact 是什么,以及 Skills、MCP、A2A 在真实 Agent 系统里怎么配合。
用普通人也能理解的方式解释 Transformer、Self-Attention、Encoder/Decoder,以及它为什么成为大模型的基础架构。
快人一步获取最新文章
关注公众号
不错过精彩文章
扫码关注获取最新文章
使用微信扫一扫
关注公众号,第一时间获取最新文章更新