关于AI的一些轻科普

想象一下在周末的下午，我们想一下晚上吃什么？
可以自己去买一些食材、叫一些外送、在家就直接做了；
我们可以选择点外卖，肯德基的炸鸡、麦当劳的汉堡、外婆家的套餐、一些收藏店铺的单品；
也可以选择到店堂食，楼下的小店、连锁餐饮；
也可以叫几个朋友，酒吧小聚；或者直接开到户外，准备一些食材。
 

那么换到AI上面，我们想利用AI来解决一个具体事项。
也是那么几个选项：
可以选择直接使用已有的客户端：ChatGPT、Claude、Gemini、DeepSeek、豆包等；
也可以选择使用一些第三方的部署端：open webUI、Cherry Studio等；
我们还可以使用一些自定华更强的工具：dify、coze等；
我们还需要考虑使用什么模型，是ChatGPT的4o、GPT-5.2？还是Claude的Opus 4.5、Haiku 4.5？还是Gemini 3 Pro？
如果是使用了第三方的工具，我们还要考虑采用官方的API服务、还是一些聚合平台的API服务？
 

是不是和我们决定一餐饭吃什么很像？
 

想吃的炸鸡、汉堡、小炒套餐，可类比于AI的模型：像是Claude、GPT、Gemini、DeepSeek；
这些连锁餐饮、小食店铺，就相当于这些AI大厂：Anthropic、OpenAI、Google、深度求索、字节；
到店堂食，就像是选择去这些大公司出的AI客户端，稳定性有保证；
如果我们想一餐不仅仅吃一家食物，那么也可以选择直接点不同的外卖，那么一些AI的API聚合平台，可以在上面直接选择不同厂家的不同模型；
如果我们自己去户外、去酒吧，就像是自己去动手开发、部署AI的各类应用了，就需要使用一些dify、coze类似的应用了。
 

还有一些相关的名词：
API
原义： 应用程序接口。
“晚餐”比喻： 点菜单 / 传菜员。
解释： 厨师（模型）在后厨，你在前台。你不能直接冲进厨房炒菜，你需要一张“点菜单”（API）把你的需求（Prompt）传进去，厨房做好了再把菜（Response）端出来。
聚合API： 就像是一个外卖跑腿小哥，他手里拿着好几家餐厅的菜单，你想吃哪家他都能帮你去那家后厨下单。
 

Agent：

普通 AI 是切菜学徒，Agent 是主厨。

区别在于主动性：Agent 会自己看冰箱（检索）、自己买菜（联网）、自己做菜（执行）。

普通 AI (Chatbot) 厨房学徒 (The Line Cook)
场景： 你站在厨房门口喊：“把土豆切了。”（Prompt）
反应： 他就把土豆切了（Response）。
局限： 如果你不发令，他就傻站在那里。你如果不告诉他“切完土豆要记得洗锅”，他就不洗。他只是一个被动的执行者。
Agent (智能体) 能够承接“全案”的主厨 (The Executive Chef)
场景： 你只说了一句模糊的目标：“今晚有这几个朋友来，搞个四菜一汤，不要辣，要有格调。”（Goal） Agent 的“内心戏”与行动（Chain of Thought & Action）： 拆解任务： 主厨心想，“四菜一汤需要买什么食材？先看看冰箱里有什么。”
调用工具： 他打开冰箱（检索数据库），发现没肉了，于是拿起电话给供应商下单（调用联网搜索/API）。
执行与修正： 开始做菜。尝了一口发现淡了（自我反思），于是加了点盐（自我修正）。
交付： 最后把做好的菜端到你面前。
关键点： Agent 的核心不在于“聊”，而在于“拆解目标”、“主动规划” 和 “调用工具”。它是一个为了达成结果而自动工作的闭环。
 

MCP：与各个平台对接的“通用插头”
没有 MCP 的时代，就像专机专用的尴尬
场景：
你想用 Claude 处理飞书文档，发现 Claude 的机器插头和飞书的插座不匹配。你需要找个电工（程序员）专门焊一根线。转头你想用 ChatGPT 处理同一个飞书文档，完蛋，还得再焊一根线。你想用 ChatGPT 处理本地 PDF？对不起，那得换个完全不同的接口。
痛点： 每一个 AI 模型要想吃到每一份数据食材，都要单独修一条路，这也太累了。有了 MCP 之后，就像厨房里的 USB-C 接口（或者通用的乐扣乐扣保鲜盒）
比喻： MCP 就是制定了一个“标准保鲜盒接口”。
原理：
数据端（Server）： 不管你是 Notion 还是本地电脑，请把数据都装进这个“标准盒子”里。
AI 端（Client）： 不管你是 Claude 还是 Cursor，只要你身上有这个“标准卡槽”，你就能直接读取这个盒子里的东西。
结果： 你的数据（食材）只需要打包一次，所有的 AI 厨师都能直接拿来做菜，哪怕以后换了新厨师（新模型），也不需要重新装修厨房。
 

SKILL/TOOL：功能单元、技能/工具
原义： AI可以调用的外部功能（联网、计算器、画图）。
“晚餐”比喻： 厨房里的电器与厨具。
解释： 即使是米其林大厨（GPT-4），让他徒手切排骨也费劲。给他一把“菜刀”（Python代码解释器），他就能切得很完美。给他一个“联网搜索”的手机，他就能查到最新的菜谱。
 

对于每个需要AI来处理的问题、事项，我们首先要对其进行分析，使用哪些工具？那类模型？如何搭建流程还是直接进行问答？是否可以保存此流程进行复用？