AI 入门概念笔记

给”老记不住”的自己。每个概念配一个比喻当记忆钩子 —— 先记住比喻，细节自然就回来了。

阅读顺序就是理解顺序：先搞懂「零件」（LLM、工具），再搞懂「组装」（Agent），最后看「全景地图」。

一、核心比喻表（忘了就先看这个）

概念	一句话	比喻
LLM	会思考、但只能”想一次”的脑子	纯粹的思维能力
工具 / Tool	让脑子能真的”动手”的能力	手
MCP	连接外部世界的统一接口标准	USB 标准（插口规范）
MCP 服务器	连接某一个具体系统的程序	插到 USB 上的某个设备 / App
MCP Registry	MCP 服务器的目录	App Store
Agent	脑子 + 手 + “想-做-看”循环 + 目标	一个会干活的员工

一句话把它们串起来：

Agent（员工）用 LLM（脑子）思考，通过工具 / MCP（手和插口）去操作真实系统，靠”想 → 做 → 看结果 → 再想”的循环，把一件事从头干完。

二、LLM（大语言模型）

是什么：文字进、文字出的引擎。你给一段话，它生成一段回答，就结束了。
它不能做什么：不能自己运行代码、不能查看结果、不能根据结果再调整、不能连着做好几步。
比喻：一个纯粹的”大脑”，只会在被问到时”想一次”，想完就停。

记忆钩子：LLM = 只会想一次的脑子。

三、工具（Tool）与 MCP

工具 / Tool

让 LLM 能”动手”的函数：发邮件、查数据库、改文件、调 API……
模型决定要不要调、传什么参数，工具负责真正执行并把结果返回。
比喻：脑子的”手”。

MCP（Model Context Protocol，模型上下文协议）

是什么：一套统一的连接标准，让 AI 能安全地接到外部数据和工具。
为什么需要：没有它，每个 AI 应用接每个工具都要单独开发（M × N 套对接）；有了统一标准后变成 M + N。
比喻：USB 标准。全世界一个接口规范 —— 这是”一套”。

MCP 服务器

是什么：一个具体的程序，负责连接某一个外部系统（GitHub 的、数据库的、Notion 的……）。
关键：每个服务器只懂一个系统，彼此不能替代。所以服务器有很多个。
一般对外提供三样东西：
- 工具（Tools）：让模型”做事”的函数（最常用）
- 资源（Resources）：让模型”读取”的数据
- 提示词（Prompts）：可复用的提示模板
比喻：插到 USB 上的各种设备（键盘、打印机、U 盘）。接口统一，但每个干的活不一样。

记忆钩子：MCP 是”一套”标准；MCP 服务器是”很多个”设备。

顺带记住

Claude 里的”连接器（Connectors）“背后就是 MCP。你连 Google Drive、Gmail 时，已经在用 MCP 了。
GitHub MCP Registry（github.com/mcp）= MCP 服务器的”App Store”，用来集中查找和安装。

四、Agent（智能体）—— 重点别和 LLM 搞混

是什么：围绕 LLM 搭起来的一整套系统。LLM 是它体内的脑子，但光有脑子不算 Agent。
Agent = LLM + 工具 + “想-做-看”循环 + 目标管理。

Agent 的核心：那个循环

把对话发给模型 → 模型说”我要调工具 X” → 代码真的执行工具 X → 把结果塞回对话 → 再发给模型 → 直到模型说”搞定了”。

这个 “调用 → 执行 → 喂回 → 再调用”的 while 循环，就是 Agent 的全部精髓。核心代码几十行就能写出来。

LLM vs Agent 一眼区分（用”修 bug”举例）

纯 LLM：看一眼代码，输出”你应该这样改”的建议。没法真去改、去跑测试、去验证。
Agent：读文件 → 改代码 → 跑测试 → 看到挂了 → 判断 → 再改 → 再跑…… 循环到测试通过为止。

记忆钩子：LLM 只”想一次”；Agent 会”想-做-看”地循环干活。

五、AI 技术全景地图（我玩的这套，只是其中一块）

把整个领域想象成一个”栈” + 旁边几个”平行世界”。

        ┌─────────────────────────────┐
  最上层 │  应用 / 编排层               │ ← Agent 循环、MCP、调模型（我现在在学的）
        ├─────────────────────────────┤
  中间层 │  模型本身（训练好的 LLM）    │
        ├─────────────────────────────┤
  最底层 │  造模型：预训练 + 后训练       │ ← 真正的"硬核腹地"
        └─────────────────────────────┘

  旁边平行站着的"另外的世界"：
  · 图像生成（扩散模型，架构完全不同）
  · 语音（识别 / 合成）、视频生成
  · 传统 / 非生成式 ML（推荐系统、风控、医疗影像、XGBoost…… 工业界大头）
  · 强化学习 / 机器人 / 具身智能
  · 检索与记忆（embedding 向量、向量库、RAG）
  · 支撑层 MLOps（训练 / 部署 / 评测 / 量化）+ 评估与对齐安全

Agent 循环覆盖的：只是最上层”在文本大模型之上做应用 / 编排”。

它没碰到的：脚下的”模型怎么训出来的”（预训练、SFT、RLHF、推理训练 RL），以及旁边那一整排平行世界。

记忆钩子：我玩的是”用模型”；更底层是”造模型”；旁边还有一堆”别的模型”。

另一根杠杆：微调（Fine-tune）

不只是”prompt 模型”，还可以改变模型本身的行为。
跟搭 Agent 是两个完全不同的方向：Agent 是用现成模型，微调是改造模型。

六、权限与安全（重要，别掉以轻心）

一个关键事实（也是安心点）

MCP 服务器是借用你的身份和凭证去操作的。
你自己进不去的平台，接 MCP 也进不去 —— 它不会、也无法帮你绕过权限。

真实风险

权限太大：能”写”就能误删、误改。读取通常安全，写 / 删要小心。
服务器可信度：来路不明的第三方服务器拿到你的令牌可能滥用。
提示词注入（prompt injection）：AI 读到的网页 / issue 里藏了假指令，设计不好的系统可能被骗去执行。危险不一定来自你。

防线 / 实操建议

只想”看 / 分析” → 给只读权限，风险很低。
要”动手改” → 开逐步确认（每次动手前先问你）+ 最小权限令牌（只授权单个仓库 / 只读）。
只用可信来源（官方出品 > 不认识的人写的）。
自己写服务器反而更安全：代码你写的，可以硬性限制”只能查、不能删”。

记忆钩子：先从只读、低风险场景试起，熟了再放权。

七、语言与工具选型（给 Java 开发者）

大局

Python：主导”模型 / 研究层”（微调、训练、传统 ML）。做研究绕不开。生态最深（PyTorch、Hugging Face）。
TypeScript：在”应用 / 编排层”崛起最快，2025 年成 GitHub 第一语言。适合做 AI Web 产品（前后端 + AI 一套语言）。
Java：应用 / 编排层也能完整做（见下）。“造模型”这层基本空白。

Java 能做的（不用换语言就能起步）

MCP：官方 io.modelcontextprotocol.sdk:mcp（1.0 正式版，和 Spring AI 合作维护）。
Agent 框架：Spring AI 或 LangChain4j。
本地模型：Ollama，Java 端用 Spring AI / LangChain4j 连。

选型决策

你的目标	推荐
求稳、复用现有技能	Java（Spring AI）先把概念吃透
做 AI Web 产品 / 跟最热应用层生态	TypeScript
迟早碰模型本身（微调 / 训练）	Python（可等真用到时再学）

记忆钩子：用模型那层啥语言都行；碰模型那层必须 Python。

八、本地跑模型（我的 4070S，12GB 显存）

工具：Ollama（一行命令拉模型）。
能跑：7B~8B 量化模型很舒服，14B 紧一点也行。
选模型：挑**支持工具调用（function calling）**的，如 Qwen2.5-7B、Llama 3.1 8B。
预防针：小模型做 Agent 可靠性不如前沿模型，容易想歪、参数错、循环停不下来。适合学原理 / 玩具项目，别指望生产级稳。

九、给迷茫时的自己

“迷茫”是正常的，连业内人都有。领域太快太大，看到地图变大 = 在进步，不是掉队。
没人能”跟上”全部。框架是浪花，会一茬茬换；底层概念几年不变。打好底子 + 会快速学新东西，才是真本事。
Java 功底是资产：AI 越能写代码，稀缺的越是”工程判断力” —— 系统设计、排查问题、看方案靠不靠谱。这些学不来。
解药不是”再多看资料”，而是”动手做一个小东西”。亲手把一个最小项目跑通，雾会散一大半。

下一步（低压力）

做一个最小 demo：本地模型（Ollama）+ 手写 Agent 循环 + 一个自定义 MCP 服务器，场景就用”操作我电脑上的某个文件夹” —— 零权限、零风险，第一次亲眼看见 LLM + Agent + 工具 怎么咬合转起来。

笔记会随学习更新。先记比喻，再记细节。不急，慢慢来。