做一个有温度和有干货的技术分享作者 —— Qborfy

今天我们来学习 模型上下文协议（MCP）

MCP（Model Context Protocol，模型上下文协议） 是由 Anthropic 公司推出的开源协议，旨在为大型语言模型与外部数据源、工具之间建立安全、标准化、双向的连接通道。

通俗地说，MCP 如同 AI 世界的“USB-C 接口”。它定义了一套通用标准，使得任何支持 MCP 的 AI 应用（如 Claude Desktop、Cursor IDE）都能通过统一的“插口”，即插即用地连接各种外部工具（如数据库、API、本地文件），而无需为每个工具单独开发适配器。其核心价值在于解决了 AI 应用与外部资源交互时的碎片化集成问题，实现了生态的标准化和去中心化。

做一个有温度和有干货的技术分享作者 —— Qborfy

今天我们来学习 AI 函数调用 Function Calling

一句话核心: Function Calling（函数调用）是大模型在对话过程中，根据用户需求调用外部函数或工具的一种能力。

通俗地讲，它让大模型从“能说会道”的参谋，变成了“能动手做事”的助手。当模型遇到自己无法直接解决的问题时（比如查询实时信息、进行复杂计算），它不再说“我做不到”，而是会“告诉”你的程序：“嘿，你需要调用那个叫 get_weather 的函数，并把 location 参数设置为‘北京’。”

需要注意的是，模型本身并不直接执行函数，它只负责生成调用的“指令”。真正的执行工作由你的程序来完成。

它的核心价值在于将大模型的语言理解能力与外部工具的执行能力相结合，从而突破其固有局限（如知识截止日期、无法访问网络等），完成更复杂的任务。

做一个有温度和有干货的技术分享作者 —— Qborfy

今天我们来学习 大模型Token

一句话核心: Token = 大模型处理文本的最小单元​​，如同原子构成物质，Token构成语言模型理解的文本世界。它可以是单词、子词、汉字或标点。

掌握Token，就握住了LLM的“算力方向盘”—— 精准控制输入、预测成本、优化生成效果。

做一个有温度和有干货的技术分享作者 —— Qborfy

今天我们来学习 Embedding

一句话核心: Embedding = 将离散对象（文本/图像/用户行为）映射为连续向量的技术​​，本质是让机器通过向量空间中的相对位置理解语义关联。

通俗理解 Embedding 概念，可以理解成 每个词/图片像获得一张“智能身份证”，身份证号（向量）隐含其特征（如： 性别、 籍贯、民族等），但是在数据上展示就是一个多维向量。

然后通过“身份证号”的向量差距表示语义关联，从而实现机器理解语义。如：相似对象（如“猫”和“狗”）身份证号接近，差异大的（如“猫”和“汽车”）则相距甚远

掌握Embedding，就握住了AI理解现实世界的“语义密码本”！

做一个有温度和有干货的技术分享作者 —— Qborfy

今天我们来学习 LLM大模型

一句话核心: LLM大模型(Large Language Model) = 基于Transformer架构的海量参数模型，通过万亿级文本训练，将人类语言规律压缩为数学表示，实现理解、生成、推理三位一体的通用智能。

5分钟AI知识点学到LLM大模型，其实基本上对AI知识点有大概的认知了，对于目前大多数接触AI的人第一个接触的肯定是LLM大模型，知道怎么用，但是不知道它是怎么来的。通过上面5分钟AI知识点学习，能够大概了解到一些脉络。

从我个人理解来讲，LLM大模型目前的定义来说，是AI技术发展到一定阶段的可实际应用的产品，有点类似电脑时代的 晶体管超级电脑（占地170平方米）发展到个人电脑时代，大家开始可以接触与应用到AI技术，不再局限于某个少数高端领域中。

做一个有温度和有干货的技术分享作者 —— Qborfy

今天我们来学习 Transformer算法模型

一句话核心: Transformer = 完全基于自注意力机制的序列建模引擎，通过并行计算全局依赖关系，彻底取代循环神经网络（RNN）的串行瓶颈

通俗的理解就是，原先的算法都一个接一个单词单独循环遍历相关的关联性，Transformer是把整个句子所有单词一起互相计算关联性，也可以简单理解为串行和并行区别。

做一个有温度和有干货的技术分享作者 —— Qborfy

今天我们来学习 循环网络 RNN

一句话核心: 循环网络 RNN = 带记忆功能的神经网络​​，通过循环连接保留历史信息，专为处理序列数据（文本、语音、时间序列）而生

做一个有温度和有干货的技术分享作者 —— Qborfy

工作流是什么

前面我们对LangGraph知识有一个基础入门，如果要完成一个真正的Agent工作流应用开发，还是远远不够的。

一个复杂且完整的Agent工作流应用，需要完成以下几个方面：

1. 确定工作流目标，如：规划未来的旅游行程
2. 按照目标规划和拆分任务清单，如：预定酒店、饮食推荐、景点参观时间等等
3. 单执行任务（包含异常中断且重试机制），如：预定酒店
4. 更新任务状态给工作流，如：预定酒店成功或失败
5. 对任务清单状态进行重新思考或规划，如：预定酒店失败后需要重试其他渠道
6. 对任务状态反馈给到用户，如：给用户酒店预定失败，是否选择其他渠道预定

做一个有温度和有干货的技术分享作者 —— Qborfy

今天我们来学习 损失函数

一句话核心：损失函数 = 用来衡量模型预测值与真实值之间差异的函数，是优化算法的目标

做一个有温度和有干货的技术分享作者 —— Qborfy

今天我们来学习 激活函数​

一句话核心：激活函数(Rectification Function): 在神经网络模型里，如何把“激活的神经元的特征”通过函数把特征保留并映射出来， 通常f(x) = wx + b中 f就是激活函数。

也简单理解成神经网络的 “智能开关”​。