AIArtificial Intelligence人工智能公式总览AI应用AI模型×应用层技术实现×业务理解×交互界面LLM应用LLM× 应用层LLM应用开发框架× 业务理解 × 交互界面LLM应用开发框架 编排范式Chain链/Agent智能体含GUI-VLM视觉体/Graph图× 能力增强RAG/记忆/工具/安全/多模态× 工程底座数据与运维0.AI应用0.1 分层架构【公式】AI应用AI模型×应用层技术实现×业务理解×交互界面模型提供潜力技术实现让它可控业务理解让它有用交互界面让它可用四层架构并存才能使AI 功能真正进化为能嵌入具体现实场景且被用户使用的AI 应用。完整的架构0.2 典型分类创造--感知--分析--决策/行动大语言模型Large Language ModelLLM基于LLM的AI应用。0.3LLM应用【公式】LLM应用LLM× 应用层LLM应用开发框架× 业务理解 × 交互界面当AI 模型采用大语言模型LLM且技术实现采用面向 LLM的AI 应用开发框架时便得到LLM 应用。其他技术实现方式按应用场景分类解决了什么问题。1.模型与框架1.1模型模型是一个从数据中学习规律的数学函数本质是参数与计算架构。训练时从海量例子中自动学习输入输出规则推理时仅通过数学计算对新的输入做出预测或生成内容不具备思考、意识或使用工具的能力。特点一个模型通常只擅长处理某一特定类型的任务训练此类模型需要大量带有“标准答案”的样本参数数量决定了模型的复杂度与表达能力。1.2AI模型按任务分类简单模型与通用AI模型的异同对比AI 模型本质的一种属性--智能应用的原材料或基础组件1.3AI模型--开发框架AI模型开发框架人工智能开发的基础工具包封装了自动求导等底层数学运算与算法提供易用接口让开发者只需关注模型设计像搭乐高一样高效构建、训练和部署各种AI模型尤其是神经网络如ChatGPT、人脸识别、自动驾驶等。主流AI模型开发框架1.4AI应用--开发框架AI应用开发框架是连接AI模型与复杂现实场景的中间件封装了提示词编排、检索增强生成、工具调用与记忆管理等应用层能力提供易用的编排接口让开发者只需关注业务逻辑设计像搭积木一样高效构建、部署各种AI应用尤其是基于大语言模型的应用如智能客服、知识库问答、自动化工作流等。AI应用开发框架与AI模型开发框架的区别广义分类面向LLM且以编排为核心的AI应用开发框架2.LLM应用--开发框架LLM 应用开发框架的本质是将“大模型的推理潜力”转化为“工程化的生产力”它不只是 SDK更像一套操作系统。注此处GUI-VLM 视觉体基于VLM操控屏幕像素2.1 分层架构【公式】LLM应用开发框架 编排范式Chain链/Agent智能体含GUI-VLM视觉体/Graph图× 能力增强RAG/记忆/工具/安全/多模态× 工程底座数据与运维2.2 编排范式流程编排思维骨架决定任务怎么做。Chain链、Agent智能体、Graph图、LangChain、LangGraph的关系1Chain链人工智能领域的AgentAI Agent应用动态自主闭环。2AI Agent智能体核心定义运行机制感知→规划→执行→观察循环输入→处理→输出三大核心能力决策模式与适用边界实现工具的完整生态如何选择当前局限与注意事项按协作模式分类按感知与交互模态分类按物理形态与实体化程度分类本质上是 Agent 的一种特殊形态即具备视觉/GUI 能力的多模态智能体。3GUI-VLM视觉体4Graph图5四者关系2.3 能力增强两层的本质区别2.4 工程底座2.5 按编程语言生态分类1Python 生态绝对主流2JavaScript/TypeScript 生态前端与全栈3Java生态4C生态C 在 LLM 领域的“全栈框架缺失”并非能力不足而是由生态重心、开发节奏和技术分工共同决定的必然结果——它选择退居底层成为驱动大模型高效运行的基石而把敏捷迭代的应用层交给 Python 等语言。5如何选择常见混合方案Python负责模型与Agent 后端TypeScript负责交互层通过API协作。实践中如何综合使用3.基础概念3.1Token词元在大语言模型里token 是模型理解和生成文本的最小单元不完全是“一个字”或“一个词”而是把文本切分成一个个便于机器处理的小片段。其他常见含义3.2SkillAI Generated Content3.3AIGC--人工智能生成内容你给AI一个指令或一段描述它就能自动写出文章、画出图片、生成音乐或剪辑视频等整个过程不需要人一笔一画去完成。它不仅仅是“某个工具”而是一种新的生产力和创作范式从“人手动创作内容”迈向“人指挥 AI 生产内容”最终走向“人和 AI 共创内容”。3.4Vibe Coding--氛围编程Vibe Coding 标志着软件开发从细致的手动编码转向更抽象、意图驱动的方法开发者的角色正从“代码编写者”转变为“软件架构师”或“产品负责人”。Vibe Coding的局限性仅能用而非优秀倍增器而非替代品。未来展望4.测试4.1辅助软件测试4.2AI应用测试仅了解语义理解鲁棒性考验的是AI在遭遇各类“意外输入”时能否始终如一地正确理解用户本意。5.思考