AI核心概念速览

发表 分类

本文基于 AI 生成。

下面用“分层架构 + 数据流”的方式，把这些 AI 核心概念串成一个可落地的系统模型。

一、AI 系统整体分层架构

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
┌─────────────────────────────────────────────┐
│                应用层（Application）         │
│  Chat / Copilot / BI / 自动化系统            │
└─────────────────────────────────────────────┘
                      ↓
┌─────────────────────────────────────────────┐
│            Agent 层（Orchestration）         │
│  Agent / Multi-Agent / Planner / Executor   │
│  Workflow / Memory / Guardrails             │
└─────────────────────────────────────────────┘
                      ↓
┌─────────────────────────────────────────────┐
│            能力层（Capabilities）            │
│  Prompt / Skill / Tool / RAG                │
└─────────────────────────────────────────────┘
                      ↓
┌─────────────────────────────────────────────┐
│            数据层（Knowledge）               │
│  Vector DB / Embedding / Documents          │
└─────────────────────────────────────────────┘
                      ↓
┌─────────────────────────────────────────────┐
│            模型层（Model）                  │
│  LLM / Fine-tuning / RLHF / Token           │
└─────────────────────────────────────────────┘

二、核心执行链路（端到端数据流）

这是最关键的一段，基本等价于“Agent 是怎么工作的”：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
用户输入
   ↓
[Prompt 构建]
   ↓
[Agent 接管]
   ├── Planner：拆解任务
   ├── Memory：补充上下文
   └── Guardrails：校验输入
   ↓
[是否需要外部知识？]
   ├── 是 → RAG（Embedding → Vector DB 检索）
   └── 否 → 直接推理
   ↓
[是否需要工具？]
   ├── 是 → Tool / Skill 调用（Function Calling）
   └── 否 → 继续
   ↓
[LLM 推理]
   ↓
[Executor 执行]
   ↓
[结果校验（Guardrails）]
   ↓
输出结果

三、结构化表格（组件职责一览）

层级 组件 作用 关键技术
应用层 Chat / BI / Copilot 用户交互入口 Web / API
Agent层 Agent 控制执行流程 状态机 / ReAct
Planner 任务拆解 CoT / Tree-of-Thought
Executor 执行动作 Tool调用
Memory 上下文记忆 KV / 向量存储
Guardrails 安全与约束 校验规则
能力层 Prompt 指令定义 Prompt Engineering
Skill 能力封装 模块化设计
Tool 外部能力 Function Calling
RAG 知识增强 检索+生成
数据层 Embedding 语义向量化 向量模型
Vector DB 相似度检索 FAISS / Milvus
模型层 LLM 核心推理 GPT / Claude
Fine-tuning 定制能力 SFT
RLHF 对齐优化 强化学习

四、一个更“工程化”的架构（开发场景）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
                ┌───────────────┐
                │   前端 UI      │
                └──────┬────────┘
                       ↓
            ┌──────────────────────┐
            │   API Gateway         │
            └──────┬───────────────┘
                   ↓
        ┌────────────────────────────┐
        │     Agent Service           │
        │  - Planner                 │
        │  - Memory                  │
        │  - Workflow Engine         │
        └──────┬────────────────────┘
               ↓
   ┌───────────────────────────────┐
   │     Capability Layer           │
   │  - Prompt Template             │
   │  - Tool Registry (Spring Bean) │
   │  - Skill Modules               │
   └──────┬───────────────┬────────┘
          ↓               ↓
┌───────────────┐   ┌────────────────┐
│  RAG Service   │   │ Tool Service   │
│ Embedding API  │   │ 外部系统调用     │
│ Vector DB      │   │ (DB / HTTP)    │
└──────┬────────┘   └──────┬─────────┘
       ↓                   ↓
     ┌────────────────────────┐
     │        LLM API          │
     └────────────────────────┘

五、关键理解（避免常见误区）

  1. Agent ≠ 模型
  • LLM 只是“大脑”
  • Agent 是“操作系统”
  1. RAG ≠ 数据库查询
  • 本质是：语义检索 + prompt 拼接
  1. Skill vs Tool
  • Tool：原子能力（API）
  • Skill：组合能力（可能包含多个 Tool）
  1. Prompt 是“代码”
  • 在很多系统里，Prompt ≈ DSL（领域语言）