当前位置: 首页 > news >正文

7. AI面试题之 区别小结

SSE相关:

详细参考一:SSE之 SSE(Server-Sent Events)
详细参考二:SSE之 回调(Callback)
详细参考二:SpringAI Alibaba(SAA) 之 SSE:
详细参考三:8. AI面试题之 简单技术问答

向量化 / 知识谱图:

详细参考一:向量化相关

ToolCalling:

工具调用。工具类,为了让大模型使用Util工具;
详细参考一:3. AI面试题之 FunctionCall

Prompt:

详细参考一:4. AI面试题之 Prompt
详细参考二:Prompt

RAG:

检索增强生成。知识库,为了让大模型获取足够的上下文;
详细参考一:5. AI面试题之 RAG(Retrieval-Augmented Generation)

MCP:

(Model Context Protocol) - 模型上下文协议。为了让大模型之间相互调用,模型调模型;
详细参考一:6. AI面试题之 MCP
详细参考二:MCP(Model Context Protocol) - 模型上下文协议

MCP VS ToolCalling:

之前每个大模型(如DeepSeek、ChatGPT)需要为每个工具单独开发接口(FunctionCalling),导致重复劳动;MCP通过统一协议:开发者只需写一次MCP服务器,所有兼容MCP协议的模型都能调用,MCP让大模型从“被动应答”变为“主动调用工具”;调用一个MCP服务器就等价于调用一个带有多个功能的Utils工具类。

RAG、MCP 和 FunctionCall有什么区别?

http://www.jsqmd.com/news/478098/

相关文章:

  • InstructPix2Pix惊艳修图作品分享:保留构图前提下的精准语义编辑
  • JVM常见命令记录
  • 国家非物质文化遗产代表性目录、传承人数据
  • YOLOv10改进策略【卷积层】| ICCV 2025 UniConvNet 感受野聚合器RFA 小核组合扩ERF + AGD保持提表征,兼顾精度与效率
  • ARM处理器运行模式(ARM处理器架构模型——内核工作模式)
  • 腾视科技重磅发布全场景无人叉车及智能调度系统解决方案,开启工业物流智能新时代
  • cv_resnet18_ocr-detection模型部署与使用:完整流程详解
  • 基于华为云码道 + 高德地图MCP Server快速搭建行程规划助手
  • ARM存储系统概述与数据类型(ARM处理器架构模型——存储系统,上篇)
  • Android功耗系列专题理论之十三:MTK平台待机功耗问题分析方法
  • STM32CubeMX 版本演进与兼容性实战指南(持续追踪)
  • 《计算机网络:自顶向下方法》(第 8 版)介绍
  • 本地部署国产openclaw(CoPaw)(保姆级图文讲解)
  • Spring Cloud Nacos实战:如何让本地服务只发现不注册(附完整配置代码)
  • FreeRTOS任务卡死?试试这个精准监控方案(附完整代码)
  • Java 并发编程:volatile (可见性 / 指令重排序 / 与 synchronized 对比)
  • 上市公司借款数据实战:如何用Python快速分析长期借款前五名(附完整代码)
  • 告别蜗牛速度!用frp内网穿透5分钟搞定远程访问NAS(附详细配置截图)
  • MPC论文笔记2-四旋翼轨迹跟踪控制
  • 【Linux】理解进程,从这三件事开始:冯诺依曼、操作系统、PCB
  • 如何用MMDetection3D训练自定义点云数据集?PointPillars实战教程
  • AIGlasses_for_navigation应用:微信小程序开发集成实时导航功能
  • 基于YOLOv5的火灾检测:中文文献综述(2016-2026)摘要本文对过去十年(2016-2026)基于YOLOv5的火灾检测中文文献进行了系统性综述。研究发现,YOLOv5作为单阶段目标检测
  • 鼎捷T100 R报表开发实战:从规格档定制到SQL优化的全流程解析
  • OpenClaw本地部署及飞书接入完整指南总结
  • 从模型损坏到代理冲突:深度解析OllamaEmbeddings两大高频错误的底层原因
  • Does Your Reasoning Model Implicitly Know When to Stop Thinking?
  • 青龙面板配置避坑指南:让你的GitHub爬虫脚本稳定运行(Python3.8+实测)
  • 毛玻璃效果实战:跨浏览器兼容的CSS3 backdrop-filter解决方案
  • AI Agents as Universal Task Solvers: It’s All About Time