很多人第一次接触 AI，面对的是一个聊天框。它能写文章、改措辞、答问题，于是“AI”“大模型”“ChatGPT”“Agent”很容易被当成同一件事。
它们彼此相关，却不是同义词。把这些层次分开，是后面理解上下文、RAG、工具调用和多 Agent 的起点。
大语言模型擅长生成，Agent 则是在生成能力外加上目标、上下文、工具、循环与约束。
01 / VOCABULARY从大到小，看懂四个层次。
AI 是最大的伞，泛指让机器完成过去需要人类判断的任务；机器学习是其中一种做法，让系统从数据中形成规律；大语言模型是机器学习里专门处理语言、代码等序列的一类模型；Agent 则是把模型放进一个能够观察、行动和核验的工作系统。
人工智能 AI
总称。推荐、识图、语音识别、自动驾驶和大模型都可以落在这把伞下。
机器学习 ML
让系统从数据中学规律，而不是把每条规则都由程序员逐行写死。
大语言模型 LLM
根据已有上下文预测后续内容，擅长语言转换、归纳、推理与代码生成。
智能体 Agent
让模型围绕目标循环工作，并接入状态、工具、权限、验证和停止条件。
02 / GENERATION它看起来在思考，底层却从“接下来是什么”开始。
最简化地说，大语言模型接收一串上下文，把文字切成 token，再根据训练中学到的规律预测下一个 token。新 token 被接回上下文，模型继续预测，于是一个回答逐步生成。
这不意味着模型只是机械复读。规模足够大时，预测任务会逼迫模型学到语法、概念关系、常见推理结构和大量世界知识。但它的目标首先是生成合理的后续，而不是自动保证每句话都是真。
“说得像真的”是生成能力；“能证明是真的”需要来源、检索和核验。
03 / BOUNDARIES知道它擅长什么，也知道它会怎样错。
模型很适合把已有内容换一种表达、从大量文字中找结构、提供多个方案、把明确规则应用到具体文本。它也可能编造不存在的事实、忽略最新变化、把模糊要求理解错，或者在信息不足时仍给出完整答案。
- 适合：改写、摘要、分类、头脑风暴、格式转换、初稿、解释已有材料。
- 需要核验：日期、价格、法律规则、医学建议、人物状态、引用来源、计算结果。
- 不应直接放权：付款、删除、公开发布、对外发送、改变权限等不可逆动作。
04 / FIRST TRY第一次练习：不要测它知道多少，先观察它怎样回答。
任选一个你熟悉的小问题，先只问一句；再补充使用场景、已有材料、输出格式和“不确定就标出来”的要求。比较两次结果：第二次是否更贴近你的目标？哪些事实仍然需要你自己验证？
这就是最小的上下文实验。你还没有搭 Agent，却已经开始用工程视角观察模型行为。
学习来源与阅读边界
- 《深入理解 AI Agent》开源仓库：十章工程主线与术语来源。
- 本前置系列由本站为非技术读者补写，使用生活化例子降低入口门槛，不替代原书。
- 不用访问 GitHub 也能在本站读完整内容并完成预编排互动；原始链接仅供想继续深挖的读者使用。
下一篇：聊天框里到底发生了什么。
继续保持“先建立直觉，再补术语与工程细节”的顺序。
打开交互实验室 ↗继续零基础路线 →
读者评论
把这篇文章留给你的想法写下来。
还没有评论。你可以留下第一条。