AI 快速开始

约 1361 字大约 5 分钟

2026-03-26

AI 前沿技术全景

大语言模型是当前 AI 浪潮的核心驱动力，基于 Transformer 架构，通过海量文本训练实现自然语言理解与生成。

能解决的问题：文本生成、代码编写、知识问答、翻译、摘要、数据分析、逻辑推理等。

AI Agent 是 LLM 的进阶形态——模型不再只是"回答问题"，而是能自主规划、调用工具、执行多步任务。

核心能力：感知环境 → 制定计划 → 调用工具 → 观察结果 → 迭代修正
关键协议：MCP（Model Context Protocol） — Anthropic 提出的开放标准，让 Agent 以统一方式连接外部工具和数据源
典型应用：自动化编程、数据分析 pipeline、客服系统、自动化运维

工具/框架	说明
Claude Code	Anthropic 官方 Agentic 编程工具，终端中自主完成开发任务
OpenAI Codex CLI	OpenAI 的终端编程 Agent
LangChain / LangGraph	Agent 编排框架，支持复杂工作流和状态管理
CrewAI	多 Agent 协作框架，模拟团队分工
AutoGPT / AutoGen	自主任务执行框架
Dify	开源 LLM 应用开发平台，可视化编排 Agent 工作流

AI 编程工具是目前落地最广、效率提升最明显的 AI 应用方向。

工具	类型	特点
Claude Code	CLI Agent	Anthropic 官方终端编程工具，自主调用工具、深度理解代码库
OpenAI Codex	云端 Agent	OpenAI 云端编程 Agent，在沙盒环境中自主完成开发任务，支持并行处理多个任务
Cursor	IDE	基于 VS Code 的 AI-first 编辑器，内置 Agent 模式
GitHub Copilot	IDE 插件	代码补全、Chat、Workspace 多模式，Agent 模式支持自主编码
Windsurf	IDE	Codeium 推出的 AI 编辑器，Cascade 流式协作
Trae	IDE	字节跳动推出的 AI IDE
Augment Code	IDE 插件	面向大型代码库优化，深度上下文理解
Devin	云端 Agent	Cognition 推出的全自主 AI 软件工程师，端到端完成开发任务
v0	Web	Vercel 推出，自然语言生成前端 UI 组件
bolt.new	Web	StackBlitz 推出，对话式全栈应用生成

能解决的问题：代码补全、Bug 修复、代码重构、生成测试、代码审查、项目脚手架搭建、自然语言转代码。

RAG 解决了 LLM 的核心痛点：知识截止和幻觉问题。通过在生成前先检索相关文档，让模型基于真实数据回答。

用户提问 → 向量检索相关文档 → 文档 + 问题一起送入 LLM → 生成有据可查的回答

能解决的问题：企业知识库问答、文档智能检索、客服系统、私有数据问答（不暴露给模型训练）。

多模态模型能同时理解和生成文本、图像、音频、视频等多种形态的内容。

图像生成

工具	说明
Midjourney	高质量艺术风格图像生成
DALL·E 3	OpenAI 图像生成，与 ChatGPT 深度集成
Stable Diffusion	开源图像生成，可本地部署，社区模型丰富
Flux	Black Forest Labs 推出，开源高质量生成模型
ComfyUI	开源节点式图像生成工作流编辑器

视频生成

音频与语音

能解决的问题：设计素材生成、产品原型图、营销素材、视频内容创作、语音合成、会议转录。

将 AI 模型部署在本地设备上运行，解决数据隐私、网络依赖和推理成本问题。

工具	说明
Ollama	一键本地运行开源 LLM，支持 Llama、Qwen、DeepSeek 等
LM Studio	图形化本地模型管理与对话工具
llama.cpp	C++ 实现的高性能 LLM 推理引擎
vLLM	高吞吐量 LLM 推理服务框架
MLX	Apple 推出的机器学习框架，针对 Apple Silicon 优化

能解决的问题：离线使用、数据不出本地、降低 API 成本、定制化微调。