AI（Artificial Intelligence）人工智能
公式总览
AI应用 = AI模型 × 应用层 （技术实现 × 业务理解 × 交互界面）
LLM应用 = LLM × 应用层（LLM应用开发框架× 业务理解 × 交互界面）
LLM应用开发框架 = 编排范式（Chain链 / Agent智能体 （含GUI-VLM视觉体）/ Graph图）× 能力增强（RAG/记忆/工具/安全/多模态）× 工程底座（数据与运维）
0.AI应用
0.1 分层架构
【公式】AI应用 = AI模型 × 应用层 （技术实现 × 业务理解 × 交互界面）
模型 提供潜力，技术实现 让它可控，业务理解 让它有用，交互界面 让它可用；四层架构并存，才能使AI 功能 真正进化为能嵌入****具体现实场景 且被用户使用的 AI 应用。
完整的架构
0.2 典型分类
创造--感知--分析--决策/行动
大语言模型 （Large Language Model，LLM），基于LLM的AI应用。
0.3 LLM应用
**【公式】**LLM应用 = LLM × 应用层（LLM应用开发框架× 业务理解 × 交互界面）
当 AI 模型 采用大语言模型（LLM） ，且技术实现 采用面向 LLM 的 AI 应用开发框架 时，便得到 LLM 应用。
其他技术实现方式
按应用场景 分类，解决了什么问题。
1.模型与框架
1.1模型
模型 是一个从数据 中学习规律 的数学函数 ，本质是参数与计算架构。
训练时从海量 例子中自动学习 输入输出规则 ，推理时仅通过数学计算 对新的输入 做出预测 或生成内容 ，不具备思考、意识或使用工具的能力。
特点：一个模型通常只 擅长处理某一特定类型的任务；训练此类模型需要大量 带有"标准答案"的样本 ；参数数量决定了模型的复杂度 与表达能力。
1.2AI模型
按任务分类
简单模型与通用AI模型的异同对比
AI 模型本质 的一种属性 --智能应用 的原材料 或基础组件
1.3 AI模型--开发框架
AI模型 开发框架：人工智能开发的基础工具包 ，封装了自动求导 等底层数学运算与算法 ，提供易用接口；
让开发者只需 关注模型设计 ，像搭乐高一样高效 构建、训练和部署各种AI模型 （尤其是神经网络，如ChatGPT、人脸识别、自动驾驶等）。
主流AI模型开发框架
1.4 AI应用--开发框架
AI应用 开发框架：是连接AI模型与复杂现实场景的中间件 ，封装 了提示词编排、检索增强生成、工具调用与记忆管理 等应用层能力，提供易用的编排接口；
让开发者只需 关注业务逻辑设计 ，像搭积木一样高效 构建、部署各种AI应用 （尤其是基于大语言模型的应用，如智能客服、知识库问答、自动化工作流等）。
AI应用开发框架 与AI模型开发框架的区别
广义分类
面向LLM 且以编排为核心 的AI应用开发框架
2.LLM应用--开发框架
LLM 应用开发框架的本质，是将"大模型的推理潜力"转化为"工程化的生产力"；它不只是 SDK，更像一套操作系统。
注：此处GUI-VLM 视觉体（基于VLM，操控屏幕像素）
2.1 分层架构
【公式】LLM应用开发框架 = 编排范式（Chain链 / Agent智能体 （含GUI-VLM视觉体）/ Graph图）× 能力增强（RAG/记忆/工具/安全/多模态）× 工程底座（数据与运维）
2.2 编排范式
流程编排（思维骨架），决定"任务怎么做"。
Chain链、Agent智能体、Graph图、LangChain、LangGraph的关系
（1）Chain链
人工智能领域的Agent，AI Agent应用，动态自主闭环。
（2）AI Agent智能体
核心定义
运行机制：感知→规划→执行→观察
循环：输入→处理→输出
三大核心能力
决策模式与适用边界
实现工具的完整生态
如何选择
当前局限与注意事项
按协作模式分类
按感知与交互模态分类
按物理形态与实体化程度分类
本质上是 Agent 的一种特殊形态，即具备视觉/GUI 能力的多模态智能体。
（3）GUI-VLM视觉体
（4）Graph图
（5）四者关系
2.3 能力增强
两层的本质区别
2.4 工程底座
2.5 按编程语言生态分类
（1）Python 生态（绝对主流）
（2）JavaScript/TypeScript 生态（前端与全栈）
（3）Java生态
（4）C++生态
C++ 在 LLM 领域的"全栈框架缺失"并非能力不足，而是由生态重心、开发节奏和技术分工 共同决定的必然结果------它选择退居底层 ，成为驱动大模型高效运行的基石，而把敏捷迭代的应用层交给 Python 等语言。
（5）如何选择
常见混合 方案：Python负责模型 与Agent 后端 ，TypeScript 负责交互 层，通过API协作。
实践中如何综合使用？
3.基础概念
3.1 Token（词元）
在大语言模型 里，token 是模型理解 和生成****文本的最小单元；不完全是"一个字"或"一个词"，而是把文本切分 成一个个便于机器处理的小片段。
其他常见含义
3.2 Skill
AI Generated Content
3.3 AIGC--人工智能生成内容
你给AI 一个指令 或一段描述 ，它就能自动写 出文章、画 出图片、生成 音乐或剪辑 视频等 ，整个过程不需要人一笔一画去完成。
它不仅仅是 "某个工具"，而是一种新的生产力和创作范式；从"人手动创作内容"迈向"人指挥 AI 生产内容"，最终 走向"人和 AI 共创内容"。
3.4 Vibe Coding--氛围编程
Vibe Coding 标志着软件开发 从细致的手动编码，转向 更抽象、意图驱动的方法；开发者的角色正从"代码编写者 "转变为"软件架构师 "或"产品负责人"。
Vibe Coding的局限性，仅能用 而非 优秀，倍增器 而非替代品。
未来展望
4.测试
4.1 辅助软件测试
4.2 AI应用测试（仅了解）
语义理解鲁棒性，考验的是AI在遭遇各类"意外输入"时，能否始终如一地正确理解用户本意。
5.思考
