AI认知学习

核心关系：
大模型（认知） --> Agent框架/平台（记忆+工具+规划）行成“目标-拆解-执行-反馈”的自主闭环 --> AI工具/应用（具体场景：写代码、画UI、做客服、跑流程）

主流大模型LLM（大脑）
1、国际主流模型：
ChatGPT(OpenAI)：支持多模态和复杂推理。
Gemini(Google)：擅长多语言和逻辑推理。
Claude(Anthropic)：以安全性和连续对话著称。
Llama(Meta)：开源社区广泛使用的高性能模型。
Grok(Elon Musk)：超强实时推理。
2、国内主流模型：
Qwen (阿里云)：强于代码生成。
Kimi (月之暗面)：擅长长文理解和专业推理。
MiniMax (小牛)：以逻辑推理和长上下文记忆见长。
GLM (智谱AI)：专注于知识图谱与中文语义理解。
doubao（字节）：在多模态感知上表现卓越。
DeepSeek（DeepSeekAI）：适合技术团队进行深度微调与二次开发。
Ernie（百度文心）：拥有强大的文档解析与检索增强能力。

Agent技术栈
1、记忆管理 (Memory)
突破上下文窗口限制，建立“个人知识库”。
短期记忆 (Context)：仅保留最近的N轮对话，防止上下文溢出。
长期记忆 (Long-term)：通过向量数据库(Vector DB)存储用户偏好、历史任务，实现跨会话记忆。
2、工具集成 (Tools Integration)
从“语言模型”进化为“操作系统”。
Function Call (函数调用)：结构化输出 JSON，调用搜索、计算或API接口。
RAG (检索增强生成)：在生成内容前检索向量库或知识库，降低幻觉概率。
3、规划与推理 (Planning)
让Agent像人类一样思考和行动。
ReAct 框架：思考 (Reason) -> 行动 (Act) -> 观察 (Observation) 的闭环推理。
Plan-and-Execute：先规划 (Plan) 再执行 (Execute)，适用于复杂任务。
多智能体协作：对于极其复杂的任务，可能需要分配给不同专长的子Agent协同完成。

主流Agent框架/平台（小脑）
1、开源框架：
LangChain（链式工具调用标杆）
AutoGen（微软，多智能体异步协作）
CrewAI（角色扮演型分工）
LlamaIndex（数据密集、知识库场景）
2、低代码平台：
阿里百炼（通义+插件商店，云端一键部署）
百度文心智能体平台（中文深度优化，可私有化）
字节Coze/扣子（飞书、抖音、公众号一键分发）
智谱清言Agent Market（基于GLM-4，个人免费）

主流AI工具（手脚）
1、编程协同：
GitHub Copilot（IDE内70%市占， GPT系列驱动，支持多模型切换）
Cursor（独立IDE，Composer批量重构）
AugmentCode（企业级代码审计、128K上下文）
2、产品/设计：
墨刀AI Agent（竞品分析→低保真原型→PRD一条线）
Figma+AI（Make生成UI草稿，团队组件库协作）
博思白板AI（可视化竞品地图、多模态一键成图）
3、办公/流程自动化：
飞书（智能会议纪要+审批流+多维表格）
Microsoft 365 Copilot（Word→PPT→Excel跨应用生成）
Notion AI（知识库汇总、竞品日报自动整理）
4、内容&客服：
Synthesia（数字人视频，文本→多语播报）
腾讯企点（微信生态客服，机器人+人工无缝转接）
Jasper/文心一言（合规营销文案、商品描述批量生成）