1、AI名词解释
- 大模型：Large Model，通过海量数据训练，是参数量庞大的机器学习模型，具备强大的泛化能力和复杂任务处理能力。作为底层技术支持，为自然语言处理、计算机视觉等领域提供基础能力，可通过prompt提示工程适配多种下游任务
- LLM：Large Language Model，大型语言模型，以自然语言为核心处理对象的大模型，特指专注于自然语言处理的大模型，通过海量文本数据训练。与大模型的关系，LLM是大模型中最成熟的分支，专注于语言理解与生成，而大模型还包括多模态模型。理解和生成人类语言，实现对话交互、文本摘要、翻译等，作为构建智能应用的核心引擎
- ChatGPT：由OpenAI开发的对话式LLM应用，基于GPT模型
- DeepSeek：由深度求索开发的LLM
- 豆包AI：字节跳动开发的对话式AI产品，也是基于字节内部的LLM
- LangChain：一个开发框架(Framework)，用于连接LLM与外部工具、数据，构建智能体或复杂应用，用于开发LLM驱动应用的框架，通过Chain（链）连接模型、数据和工具，实现复杂逻辑
- RAG：检索增强生成，一种技术架构，通过检索外部知识库，来增强LLM的回答准确性，解决其编造错误信息和时效性不足的问题，让LLM在生成内容时参考外部知识库。支持处理需要最新数据或私有数据的场景（如企业内部文档问答）
流程：用户提问→检索相关文档→将检索结果与LLM生成结合→输出回答
应用场景：客服系统（基于产品手册回答问题）、法律文书生成（引用法规条款）
- 提示词工程：prompt，通过设计高质量的提示词，引导LLM生成符合预期的输出
- AI智能体：AI Agent/AI Bot，基于LLM构建，并集成记忆、工具调用、规划等能力，具备自主决策能力的智能实体，能通过感知环境、规划任务、调用工具完成目标（如Manus、Coze构建的智能体）
- AIGC：AI自动创作生成的内容（AI Generated Content），即AI接收到人下达的任务指令，通过处理人的自然语言，自动生成图片、视频、音频等。LLM是AIGC的一种实现方式，属于文本生成内容，AIGC还包括多模态模型，如Stable Diffusion、即梦等。
- Dify：开源的LLM应用开发平台，支持可视化工作流编排、RAG配置、Agent开发等。
- Cursor/Trae：AI编辑/开发工具，集成AI的代码编辑器，结合聊天机器人与开发环境，辅助开发者写代码。即通过多次交互帮助人类写代码生成软件的工具。
- NLP：自然语言处理，与LLM是包含与被包含的关系，二者既有技术关联，又有范畴差异。LLM是NLP技术发展的里程碑，但NLP还包含大量非LLM得基础技术和应用方法。
- n8n：Node for workflow automation，是一款开源的工作流自动化工具，它可以将多个服务、系统、应用连接起来，自动完成各种重复性任务，无需高级编程知识，通过直观的可视化界面就能创建复杂的自动化流程。可以理解为Coze或diffy的工作流部分。
2、总结
底层技术：大模型/LLM(如GPT、豆包AI模型)
开发工具：LangChain（逻辑编排）、Dify（低代码平台）、提示工程（交互优化）
LangChain：代码开发
Dify：低代码
功能增强：RAG（外部数据接入）、AI Agent（自主任务执行）、流程工具
RAG + 企业文档库
AI Agent 自动报税
终端应用：ChatGPT、豆包AI、Cursor、企业级智能体如Manus、图像生成如SD
用户群体：提示工程 面向ChatGPT用户（优化交互），Cursor/LangChain面向程序员
