一、第一阶段：认知入门

先搞懂是什么、能做什么、边界在哪里...

1.1 认知扫盲

概念

• AI：人工智能的统称，模拟人类感知、思考、行动；
• 大模型（LLM）：基于海量文本训练的巨型语言模型（DeepSeek、通义、豆包、混元、GPT、Kimi、MiniMax、Claude code等），核心是理解 + 生成语言；
• Agent（智能体）：会自主规划、调用工具、分步完成复杂任务的大模型，不止聊天，能 “干活、思考、执行、复盘”；还能帮你赚钱！！！

关系

区分三者之间的关系

• 大模型 = 大脑；
• Agent = 装上手脚、思维逻辑、工具的智能机器人；
• AI 是整个技术大类、领域、范畴；

体验（排名不分先后）

直接上手，感受能力边界...

• 通用大模型：豆包、元宝、千问、Kimi、MiniMax、DeepSeek、GPT......;
• 通用Agent：字节扣子、腾讯workbuddy、阿里悟空、国外***、其他三方；

1.2 大模型应用

经过基础的认知扫盲和上手体验，相信你会有个人的理解与沉淀。接下来我们一起学习大模型的核心原理，和调用方法。

原理

维度	简介
训练	海量互联网文本 → 学习语言规律、知识、逻辑
推理	你发问题 → 模型逐字预测下一个词 → 生成回答
关键能力	上下文窗口、推理能力、多模态（图文音视频）

调用

当我们清晰知道原理、能力边界后，就可以尝试通过你所选择的大模型（LLM）的开放平台，申请API Key（概念：你调用大模型的唯一密钥-身份证，个人的尽可能保密使用）的调用，在这里我不特值某一家厂商的大模型：

Step1：在你所选择的厂商、申请平台API Key（开放平台），注册、申请API Key，有的厂商对新用户友好、直接送、可以是首选；也可以自己充值：

以上有操作步骤的省略，如有疑问，可以私信。

Step2：你已经创建好属于自己的API Key了，现在我们来尝试调用它，要理解：

• API Key（sk-xxx / 平台密钥）

• Base URL（接口地址）

• 模型名（eg：Kimi-K2.5、DeepSeek-V3.2、MiniMax-M3、GPT-5.2...）

curl https://模型调用厂商/v1/messages \
  -H "x-api-key: 你的API Key" \
  -H "anthropic-version: 2026-06-06" \
  -H "Content-Type: application/json" \
  -d '{"model":"你的模型","max_tokens":256,"messages":[{"role":"user","content":"hi"}]}'

如有你看不懂上述的代码块，直接找一个第三方桌面工具，配置模型的Key，直接用。需要的私信！

补充：通用Python调用

pip install openai python-dotenv

from openai import OpenAI
import os

# 1. 配置密钥（推荐用环境变量，不要硬编码）
# 把密钥写进 .env 文件：API_KEY=sk-xxx
from dotenv import load_dotenv
load_dotenv()

client = OpenAI(
    api_key=os.getenv("API_KEY"),
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1"  # 通义
    # base_url="https://api.deepseek.com/v1"  # DeepSeek
    # base_url="https://api.openai.com/v1"     # OpenAI
)

# 2. 调用对话
response = client.chat.completions.create(
    model="qwen-plus",  # 通义
    # model="deepseek-chat"
    # model="gpt-3.5-turbo"
    messages=[
        {"role": "system", "content": "你是AI助手，回答简洁"},
        {"role": "user", "content": "什么是API Key？"}
    ],
    temperature=0.7,
    max_tokens=1024
)

# 3. 输出结果
print(response.choices[0].message.content)

stream = client.chat.completions.create(
    model="qwen-plus",
    messages=[{"role": "user", "content": "写一篇博客欢迎词"}],
    stream=True
)
for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")

curl https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-你的APIKEY" \
  -d '{
    "model": "qwen-plus",
    "messages": [{"role": "user", "content": "你好"}]
  }'

埋下伏笔：大模型的调用有很多种方法，根据应用场景，个人喜好即可。这里也扫盲一下：

调用扩展

大模型的调用方法，主要分三大类，十余种...

三大类：

1. 在线API调用（公有云模型-主流）；
2. 本地私有化（开源模型-离线可用）；
3. 无代码、低代码调用（零基础、第三方平台内置、插件等）；

第一类：在线API调用

依托厂商云端接口，无需本地部署，联网即用。

①HTTP 原生请求（curl / Postman / 浏览器请求）

• 形式：标准 POST 请求，携带 Header、JSON 参数

• 工具：curl、Postman、Apifox、代码原生网络库

• 适用：接口测试、简单脚本、跨语言通用调用

• 特点：无依赖、全语言支持，纯基础网络请求

②官方 SDK 调用（推荐开发使用）

各大模型厂商提供专属 / 兼容 SDK（主流兼容 OpenAI 格式）

• 语言：Python、Java、Go、Node.js、C# 等

• 代表：OpenAI SDK、DashScope SDK、千帆 SDK、DeepSeek SDK

• 适用：正式项目、业务系统、批量调用

• 特点：封装完善、支持流式输出、错误处理、重试机制

③第三方封装 SDK / 开源客户端

社区二次封装的工具库，简化多模型适配

• 例子：LangChain、LlamaIndex、OneAPI（模型聚合网关）

• 适用：多模型切换、AI 应用开发、智能体 / 工作流搭建

• 特点：统一接口，一套代码对接多家大模型

④函数调用 / 工具调用

基于模型原生能力，调用外部工具、接口、数据库

• 形式：API 传参开启 function_call 能力

• 适用：问答机器人、办公助手、知识库问答、智能体

• 特点：让大模型具备 “联网 / 查数据 / 执行动作” 能力

⑤流式调用（Stream 模式）

API 开启流式返回，逐字输出内容（聊天界面效果）

• 实现：HTTP SSE 协议，SDK / 原生请求均支持

• 适用：在线聊天机器人、实时对话页面

• 特点：体验流畅，避免长时间等待整段返回

⑥模型网关 / 中转代理调用

通过统一网关转发请求，聚合多家模型

• 代表：OneAPI、FastGPT、自定义代理服务

• 适用：企业统一管理密钥、负载均衡、内网调用、规避网络问题

• 特点：统一入口、密钥集中管理、限流监控

第二类：本地/私有化调用

下载开源大模型到本地 / 私有服务器运行，不依赖公网 API。

①推理框架直接调用

专业大模型推理框架，底层运行模型权重

• 工具：Transformers、vLLM、Text Generation Inference (TGI)
• 语言：Python 为主
• 适用：算法研发、模型二次微调、私有化部署
• 特点：自由度最高，可深度定制，但对硬件（显卡）要求高

②本地 API 服务调用

把本地模型启动成本地接口服务，再像云端 API 一样调用

• 工具：Ollama、LM Studio、ChatGLM API、Qwen API 服务
• 流程：启动本地服务 → 访问 localhost 接口
• 适用：个人本地使用、内网系统、不想泄露数据的场景
• 特点：兼顾易用性与离线能力，新手也能上手

③桌面客户端可视化调用

带图形界面的本地工具，点点鼠标即可使用 + 调用接口

• 工具：Ollama WebUI、Open WebUI、LM Studio
• 适用：纯使用者、快速测试、个人日常使用
• 特点：零代码，可视化管理模型与接口

第三类：无代码/低代码调用

①平台内置连接器 / 自动化平台调用

低代码、自动化平台封装好的大模型组件

• 平台：钉钉 / 飞书机器人、明道云、宜搭、Notion 插件、Zapier
• 形式：拖拽组件、填写 API Key、配置参数即可对接
• 适用：业务人员、流程自动化、搭建简易 AI 应用
• 特点：完全不用编码，上手最快

②插件 / 扩展调用

各类软件插件，内置模型调用能力

• 场景：浏览器插件、Office 插件、编辑器插件（Cursor、IDE 插件）
• 原理：插件后台封装 API 调用逻辑，用户直接使用功能
• 适用：日常办公、提效工具使用

③小程序 / 网页内嵌调用

第三方在线 AI 网站、小程序，本质是前端向后端转发 API 请求

• 适用：普通用户日常使用，使用者无需关心调用细节

以上是大模型调用方法扩展，仅了解即可。

这里给一个小技巧：

大模型 + 私有知识库（企业最常用）作用：让模型使用你自己的文档（合同、手册、内部资料），解决你想要的结果。

1.3 Agent应用

搞懂 Agent 核心逻辑

普通大模型：

一问一答，被动响应

Agent：

自主思考 → 拆解任务 → 选择工具 → 执行 → 汇总结果

标准四大模块：

1. 规划（Planning）：把复杂任务拆成小步骤；
2. 记忆（Memory）：记住对话、历史任务、长期信息；
3. 工具调用（Tool Use）：联网搜索、查文档、代码执行、表格处理、接口调用；
4. 行动与反思：执行出错自动重试、修正方案；

无代码搭建 Agent（零基础首选）

平台：扣子 (Coze)、字节扣子、Dify、FastGPT

跟着平台教程一步步做：

• 设定角色、任务流程；
• 开启工具：搜索、知识库、代码、插件；
• 搭建专属办公 Agent、客服 Agent、学习 Agent；

低代码 / 开源框架（想自定义开发）

主流轻量化框架（新手友好）：

• LangChain：最流行的 Agent/LLM 开发框架；
• LlamaIndex：主打知识库 + RAG+Agent；
• AutoGPT、OpenManus：经典自主智能体项目；

学习顺序：先看懂官方示例 → 改示例 → 独立写简单 Agent。

典型 Agent 场景

• 办公 Agent：自动处理邮件、整理表格、生成报表；
• 研学 Agent：查资料 + 总结 + 梳理思维导图；
• 数据分析 Agent：上传表格→自动分析 + 出结论；