Vibe Coding-01 - 技术栈

AI应用与智能体开发学习路线图_黑马程序员2026版AI应用与智能体开发学习路线

[1什么是Vibe Coding？](#1什么是Vibe Coding？)

[2vibe coding 和 ai coding 有区别吗](#2vibe coding 和 ai coding 有区别吗)

[3大模型和智能体的区别？什么是 Agent？与大模型有什么本质不同？](#3大模型和智能体的区别？什么是 Agent？与大模型有什么本质不同？)

4什么是skills?

5什么是RAG?

6什么是MCP，哪个框架支持？

[7Spring‑AI vs Spring‑AI‑Alibaba?](#7Spring‑AI vs Spring‑AI‑Alibaba?)

8你懂Agent,RAG,MCP,SKill,Prompt吗？

[9Agent 和普通 RAG 问答区别？](#9Agent 和普通 RAG 问答区别？)

[10什么是Function‑Call ？](#10什么是Function‑Call ？)

[11Function‑Call 是大模型执行代码吗？](#11Function‑Call 是大模型执行代码吗？)

[12Skill 和 MCP 区别？](#12Skill 和 MCP 区别？)

[13Function‑Call 和 MCP 的区别](#13Function‑Call 和 MCP 的区别)

14什么是ReAct？

[15Function‑Call 和 ReAct 是什么关系？](#15Function‑Call 和 ReAct 是什么关系？)

16什么是Embedding？

17什么是向量库？

[18Agent 的基本架构由哪些核心组件构成？](#18Agent 的基本架构由哪些核心组件构成？)

[19AI 越来越强，你的优势到底是什么？](#19AI 越来越强，你的优势到底是什么？)

20记忆就是上下文吗？长任务上下文放不下怎么办？记忆还分哪几种你知道吗？

[21Workflow，Agent，Tools 这三个的概念和区别介绍一下？](#21Workflow，Agent，Tools 这三个的概念和区别介绍一下？)

[22你负责的项目里，哪些让 AI 写，哪些自己写？](#22你负责的项目里，哪些让 AI 写，哪些自己写？)

[23LLM 和 Agent 有什么区别？](#23LLM 和 Agent 有什么区别？)

[24Function Call、MCP、Skills 有什么区别？](#24Function Call、MCP、Skills 有什么区别？)

[25Agent 有什么工作模式？](#25Agent 有什么工作模式？)

[28 什么是 A2A 协议？](#28 什么是 A2A 协议？)

29总结

java 复制代码

https://yun.itheima.com/subject/aiappmap/index.html

1什么是Vibe Coding？

不审查、不理解、直接 Accept AI 生成的代码。

2vibe coding 和 ai coding 有区别吗

AI‑Coding 是 AI 辅助编程，程序员作为主导，AI 用来补全代码、生成片段，所有生成代码都需要人工 review 校验，适合企业业务开发。

Vibe‑Coding 叫氛围编程，通过自然语言描述需求，AI Agent 完成编码、调试，人主要验收运行效果。它原型开发速度很快，但缺点是开发者容易不理解底层代码，隐藏安全、性能 bug，维护困难。

我做项目采用 AI 辅助编程模式，AI 提高开发效率，但所有代码我都会阅读、调试，保证自己理解实现逻辑。

3大模型和智能体的区别？什么是 Agent？与大模型有什么本质不同？

大模型（LLM）是一个语言推理引擎 ，它被动接收问题、输出文字、代码、方案，只有思考能力，本身不会主动做事。你告诉它 "帮我统计上个月订单"，它能告诉你步骤、甚至写出 SQL，但是不会自己连接数据库、执行 SQL、整理报表，每一步都要人来驱动。

智能体（AI Agent）是一套完整的任务执行系统 ，大模型只是它里面的 "大脑"，除此之外智能体还额外有 4 个模块：任务规划、工具调用、记忆存储、反思反馈，形成「感知→规划→执行→观察结果→调整方案」的闭环。

还是统计订单这个例子：你只给一句指令，智能体自己拆解步骤：先查哪个库、调用哪个接口、处理异常、如果查询超时就换一种方式、最后整理报告发给我，全程不用人一步步指挥。

4什么是skills?

Skills 是 Agent 的可复用技能文件，一般是 md 格式。头部 YAML 配置触发时机，正文用自然语言描述任务流程与规范。 Tool 是底层原子工具；Skills 相当于任务说明书，可以组合多个 Tool，让 Agent 自动完成一整套业务任务。

5什么是RAG?

RAG 全称检索增强生成。主要用来解决大模型幻觉，实现私有知识库问答。分为离线文档处理和在线问答两个阶段。离线把文档分块、向量化存入向量库；用户提问时，将问题向量化，检索出相关文档片段，把片段和问题一起交给大模型，让模型参考私有文档给出回答。不需要训练或微调大模型，属于应用层方案。

6什么是MCP，哪个框架支持？

MCP 是模型上下文协议，标准化工具服务协议,可以理解为 AI 领域的 USB‑C 接口。；Spring‑AI 只是基础支持；Spring‑AI‑Alibaba 提供 Nacos 作为 MCP 注册中心，企业级分布式 MCP 能力。

7Spring‑AI vs Spring‑AI‑Alibaba?

Spring‑AI 是 Spring 官方推出的大模型应用开发框架，定义一套标准化抽象，提供对话、Embedding、向量库、工具调用、会话记忆基础组件，但没有内置 Agent 工作流，ReAct 循环、上下文压缩调度逻辑需要我们业务代码自己实现。

Spring‑AI‑Alibaba 是阿里云基于 Spring‑AI 接口规范做的上层扩展框架，完全兼容 Spring‑AI；原生适配通义千问大模型，额外提供 Graph 工作流引擎、开箱即用的 ReAct、多智能体编排、MCP 支持，深度集成 Nacos 等云原生组件，适合企业复杂 Agent 业务开发。我简历项目使用原生 Spring‑AI，ReAct 循环、上下文裁剪、最大循环次数防死循环都是自己手写实现，对底层流程理解更深。

8你懂Agent,RAG,MCP,SKill,Prompt吗？

9Agent 和普通 RAG 问答区别？

RAG 只是单次检索问答；Agent 是闭环循环，可以多次调用工具、多次检索，分步完成复杂业务任务。

RAG 属于 Agent 的其中一个 Skill 工具；Agent 可以多次调用 RAG 检索知识库，RAG 单独拿出来也可以做简单问答，不需要完整 Agent。

10什么是Function‑Call ？

大模型只会输出文字，不能直接访问数据库、调用 Java 接口、查订单、读文件 。 Function‑Call 是一套约定机制：让大模型告诉后端「我想要调用哪个工具、传什么参数」，真正执行业务代码的是 Java 后端，不是大模型。

11Function‑Call 是大模型执行代码吗？

不是。模型只输出调用哪个工具、参数；Java 后端解析 JSON，执行业务逻辑，同时做参数校验，保障安全

12Skill 和 MCP 区别？

Skill：代表工具能力本身（查询订单、读取文件）。

MCP ：是调用远程 Skill 的传输协议。Skill 可以本地（不用 MCP），也可以远程（走 MCP）CSDN博...

13Function‑Call 和 MCP 的区别

Function‑Call ：模型输出工具调用意图的一套机制，工具代码写在本地项目里面。

MCP ：远程调用 Skill 的标准化协议。MCP 底层依然还是 Function‑Call 思想，只不过工具跑到另外一个服务上运行。

14什么是ReAct？

ReAct 是 Agent 智能体的执行范式，全称 Reasoning+Acting，遵循思考‑行动‑观察 闭环循环。大模型先推理规划，通过 Function‑Call 输出工具调用意图，Java 后端执行工具拿到结果，再把结果交给大模型继续推理，循环往复完成复杂任务；代码要限制最大循环次数，避免 Agent 死循环。 Spring‑AI 只提供 ChatClient、ToolCallback 基础组件，没有封装 ReAct while 循环，调度逻辑需要手写；Spring‑AI‑Alibaba 内置 Graph 引擎，开箱即用 ReAct。

15Function‑Call 和 ReAct 是什么关系？

ReAct 是 Agent 的循环模式（思考‑行动‑观察）；Function‑Call 是 ReAct 在 "行动" 阶段用来调用工具的手段。Agent 循环里面反复使用 Function‑Call。

16什么是Embedding？

计算机不能直接理解文字、句子。Embedding 就是把一段文本，转换成一组固定长度的数字数组（向量）。

17什么是向量库？

什么是向量

文本不能直接算相似度，通过 Embedding 嵌入模型 ，把一段文字转成一串数字数组，这串数字就是向量。语义越相近的文本，向量在高维空间距离越近。

例： "订单怎么退款" → [0.12, 0.34, -0.22 ......] "如何申请退款" → 生成的向量和上面距离很近。

向量库

专门用来存储向量，并且快速做相似度检索的数据库。普通 MySQL 无法高效做高维向量相似度计算，向量库就是干这件事。

向量库两件核心工作：

写入：保存「向量 + 对应的原始文档片段」

查询：传入问题的向量，快速找出向量距离最近的 Top‑N 条文档。

常见向量库

PgVector：PostgreSQL 插件。✅最适合你做简历项目，复用熟悉的 Postgres，不需要额外部署服务。

Milvus：生产级专用向量数据库，独立服务，企业常用。

Redis Vector：Redis 扩展向量能力。

在 RAG 里面完整流程

文档分块 → Embedding 模型生成向量 → 存入向量库

用户提问 → 问题转为向量 → 在向量库做相似度搜索

拿到匹配的原文片段，拼入 Prompt 交给大模型。

🎤面试背诵短句：

向量库用来存储文本经过 Embedding 生成的向量，提供高效的相似度检索。RAG 流程中将文档片段向量化存入向量库；用户提问时，把问题向量在向量库检索，召回语义相似的文档片段交给大模型。项目我使用 PgVector，基于 Postgres 插件实现。

18Agent 的基本架构由哪些核心组件构成？

我理解 Agent 的基本架构有四个核心组件：LLM、工具、记忆、规划模块。

LLM 是整个系统的大脑，负责理解任务和做决策；工具让 Agent 能跟外部世界交互，搜索、执行代码、调 API 都靠它；记忆让 Agent 在任务执行过程中保持状态，不会「失忆」；规划模块负责把复杂目标拆解成可执行的步骤。

这四个组合在一起，才让 Agent 具备了自主完成任务的能力。

19AI 越来越强，你的优势到底是什么？

好的回答："AI 确实越来越强，很多之前说 AI 做不了的场景现在都做得不错。但 AI 的输出质量直接取决于人的输入质量------定义问题、构建上下文、验证结果、做决策、控成本，这五件事 AI 替代不了我。我的优势不是比 AI 写得好，是让 AI 写得更好。"

20记忆就是上下文吗？长任务上下文放不下怎么办？记忆还分哪几种你知道吗？

短期记忆放在 context window 里，存当前任务的中间状态；长期记忆用向量数据库实现，能跨任务保存用户偏好和历史，两者机制和用途完全不同

21Workflow，Agent，Tools 这三个的概念和区别介绍一下？

我理解这三个概念是粒度从小到大的三层结构。

Tools 是最小的能力单元，就是封装好的可调用函数，比如搜索、执行代码、发邮件，它只负责「执行」，本身没有任何决策能力。

Agent 是一个完整的决策系统，内部用 LLM 做大脑，自己判断什么时候调哪个 Tool、要不要继续、什么时候结束，是主动的。

Workflow 是更上层的编排框架，把 Agent、LLM、Tools 组织成一条确定性流程，每个节点做什么、按什么顺序流转都是开发者事先写死的。

三者最核心的区别就一句话：Tools 不做决策只执行，Agent 自己做决策，Workflow 是开发者替所有节点把决策提前写好。

22你负责的项目里，哪些让 AI 写，哪些自己写？

判断标准不是"AI 做得了还是做不了"，而是**"这段代码出 bug 的代价有多大"和"让 AI 写和手写哪个综合成本更低"**。

代价大、AI 写更贵的：自己写或 AI 写但严格审查。代价小、AI 写更便宜的：让 AI 加速。

23LLM 和 Agent 有什么区别？

LLM 就是大语言模型，相当于智能体的大脑，它是被动响应，输入提示返回文本，没有持久记忆，不能主动调用外部工具，也不会自主拆解复杂任务。 Agent 是一整套智能系统，公式是 Agent 等于 LLM 加上规划、记忆、工具。拿到目标之后，它可以自主拆解任务、调用外部工具获取数据，拿到结果再反馈回去迭代推理，形成完整闭环，直到把任务做完。简单说：LLM 告诉你怎么做，Agent 直接帮你做完。

24Function Call、MCP、Skills 有什么区别？

**从解决的问题来看，**Function Call 解决的是 "LLM 怎么跟外部函数交互" 这个最基础的问题。MCP 解决的是 "怎么用统一标准管理大量工具" 的集成问题。Skills 解决的是 "Agent 怎么获得领域专业知识" 的知识问题。

**从运行位置来看，**Function Call 的函数在你的应用程序中执行。MCP 的工具在外部的 MCP Server 中执行。Skills 完全在 Agent 的上下文窗口内生效，不涉及任何外部调用。

**从技术本质来看，**Function Call 是一种 API 协议，LLM 输出结构化的调用请求，应用程序执行后返回结果。MCP 是一种通信标准，定义了 Client 和 Server 之间如何发现和调用工具。Skills 是一种提示词扩展，用自然语言编写的行为指令，加载到 Agent 的上下文中。

**从标准化程度来看，**Function Call 在各 LLM 厂商之间格式不统一（OpenAI 和 Anthropic 的格式就不一样）。MCP 是统一的开放标准，跨厂商通用。Skills 目前还没有统一标准，各个 Agent 平台有自己的 Skill 格式。

用做饭来总结：Function Call 是 "会使用厨具的能力"（会开火、会切菜），MCP 是 "一个设备齐全且标准化的厨房"（所有厨具放在该放的地方，用统一的方式使用），Skills 是 "菜谱和厨艺经验"（知道做什么菜、怎么做、火候多大）。三者结合，才能做出一桌好菜。

25Agent 有什么工作模式？

ReAct 思考行动模式：思考、调用工具、拿到观察结果循环执行，是最基础模式，适合简单任务，但缺少全局规划。

Plan‑and‑Execute 规划执行：先整体拆解任务生成计划，再按照计划执行，执行过程还可以调整方案，适合复杂任务。

Reflection 反思模式：任务完成后自我复盘、纠错，用来降低幻觉，提升结果质量，可以嵌入其他模式。

Multi‑Agent 多智能体：多个角色不同 Agent 分工通信，协同完成大型任务。

28 什么是 A2A 协议？

A2A是标准化agent与agent之间的协作的协议

29总结

内容涵盖VibeCoding、Agent、RAG、MCP、Function-Call、ReAct、向量库等多个核心概念。需要提炼出最精华的要点，用简洁的语言概括整个学习路线的核心内容。摘要应聚焦于关键概念的定义和相互关系，突出从基础到进阶的知识体系。