AI 应用

一、先纠正一个最普遍的误解 很多人第一次做 Agent 都会有个误解，以为"接上工具"就是让模型去调自己的 API。事实是——模型从头到尾都只在吐字，它根本不碰网络，也不碰数据库。 真实的链路是这样的：

来源：OpenAI 协议成为事实标准后（2023 起），"给自己的产品接个 AI"从大厂专利变成了个人开发者一下午的事 一句话：接 AI 只需要三样东西——一个 API Key、一次 HTTP 调用、一个放 Key 的后端；本篇把"模型 → 接口 → 你的博客"这条路一次走通。 1. 全景：AI 应

来源：Agent 思想 2023 年由 AutoGPT 引爆（当时太不可靠，凉了一阵），2024–2025 模型变强 + 工具标准化（MCP）后才真正实用；MCP 由 Anthropic 于 2024 年 11 月发布 一句话：Agent = 给模型一个目标，它自己规划步骤、调用工具、查看结果、循环

来源：2020 年 Facebook 提出 RAG（Retrieval-Augmented Generation，检索增强生成），ChatGPT 爆火后因"私有知识 + 幻觉"两大痛点成为企业落地第一方案 一句话：RAG = 先从你的资料库里检索出相关段落，塞进提示词，再让模型照着答——把闭卷考试变

来源：2023 年 6 月 OpenAI 发布 Function Calling，随后成为所有主流模型的标配 一句话：Function Calling = 你先把"有哪些工具"告诉模型，模型不自己执行，只回复一张"点菜单"（函数名 + 参数），由你的代码去执行，再把结果喂回给它。 1. 它解决什么问

来源：ChatGPT 的对话形式来自 2022 年 RLHF 对齐训练 一句话：AI 的"对话"其实是每次都把全部历史重新发给模型，而模型的工作记忆（上下文窗口）有上限——这就是"忘了"的全部真相。 1. "对话"是假的，"接龙"是真的 你以为的对话： 你：你好 → AI：你好 → 你：我叫徐义杰

来源：2017 Transformer → 2020 GPT-3 → 2022 ChatGPT 出圈 一句话：LLM（Large Language Model，大语言模型）本质是一个超大规模的"文字接龙"机器——给它前文，它预测下一个字该是什么。 1. 它从哪来 《AI 发展史》第四篇讲过：Tran

上一专栏《AI 发展史》讲了 AI 怎么走到今天；这一系列讲你现在天天听到的那堆名词到底是什么： LLM、对话、上下文、Function Calling、RAG 知识库、Agent、MCP…… 每篇讲清四件事：它从哪来（来源）、解决什么问题（用处）、和别的东西差在哪（区别）、怎么上手（用法）。 📖