AI的核心概念从头梳理 | LLM、Prompt、Agent、RAG、MCP、Skill、Context、Harness Engineering
·
AI 核心概念从头梳理
视频来源：AI的核心概念从头梳理 | LLM、Prompt、Agent、RAG、MCP、Skill、Context、Harness Engineering
作者：御豪同学 | 发布：2026-04-22 | 时长：49:08
一、核心框架：三层架构
理解所有 AI 概念的钥匙是 “模型 + 工程 + 应用” 三层架构：
二、大模型的本质：一个函数
核心洞察：模型本身无状态，所有"智能"体现都依赖 Context 的质量。
三、Prompt → Context Engineering 演进
四、AI Agent 架构（ReAct 循环）
五、Memory 体系：短期 vs 长期
六、RAG 完整工作流
七、MCP 协议架构
MCP 之于 AI 工具，就像 USB 协议之于外设：统一标准，即插即用。
八、Tool 调用机制
九、Skill 封装结构
十、Harness Engineering 体系
十一、全局概念关系图
十二、关键结论
| 概念 | 所属层 | 核心作用 |
|---|---|---|
| LLM | 模型层 | 语言理解与生成的核心引擎 |
| Prompt Engineering | 工程层 | 优化单次输入质量 |
| Context Engineering | 工程层 | 管理整个上下文窗口的内容 |
| RAG | 工程层 | 为模型提供长期/外部知识 |
| Tool / MCP | 工程层 | 扩展模型与外部世界的交互 |
| AI Agent | 工程/应用层 | 自主规划和执行复杂任务 |
| Skill | 工程/应用层 | 将特定能力模块化封装复用 |
| Harness Engineering | 工程层 | 让 Agent 系统从能用变为可靠 |
技术演进主线：
Prompt → Prompt Engineering → Context Engineering → Harness Engineering
工具调用 → Function Calling → MCP（标准化协议）
单次对话 → Workflow（固定流程）→ Agent（动态决策）
整理时间：2026-06-07
AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。
更多推荐
0
0- 0
已为社区贡献1条内容
所有评论(0)