大模型概述

第 1 章大模型入门

1.1 大模型常识

首先我们先建立对大模型的整体认知。

1.1.1 什么是大模型

目前行业没有绝对统一的定义，简单来说，大模型就是参数规模大、训练数据多、能力全面的深度神经网络模型。它有三个核心特点：

参数规模庞大 大模型的参数量通常在 10 亿以上，顶尖模型已经做到万亿级别。大家可以把参数理解成 AI 大脑里的「神经连接权重」，参数越多，模型能存储的知识和规律就越多，能力上限也就越高。

比如常听到的 Qwen3-235B，意思就是它有 2350 亿个参数。 2. 训练数据庞大 大模型是「读万卷书」练出来的，训练数据量是传统机器学习的成千上万倍。举个例子，行业常用的公开数据集叫 Common Crawl，是一个全网网页爬虫项目，每隔 1-2 个月发布一批爬取的网页数据。其中清洗后的纯文本文件叫 WET，就是大模型预训练的基础素材之一。

像 Qwen3 的预训练，一共用了 36 万亿个 token 的语料。token 就是 AI 能识别的最小文字单位，相当于 AI 读了海量的文本资料。

能力强大 传统 AI 模型是「专用工具」，一个模型只能干一件事，比如专门做情感分析、专门做人名识别。而大模型是「通用工具」，一个模型就能干翻译、写作、写代码、做题、总结等几十种任务，跨任务泛化能力非常强。

1.1.2 为什么现在才出现大模型？

大模型不是突然冒出来的，它是数据、算力、架构三者共同发展到一定阶段的必然结果。

数据够多：训练方式变革，数据量指数级增长 传统机器学习叫监督学习，所有数据都要人工打标签，比如给图片标「猫」「狗」，给文本标实体，成本极高，数据量一直上不去。

而大模型用的是自监督学习，最简单的理解就是「预测下一个字」：给一段文字，遮住最后一个字让模型猜。这种方式不需要人工标注，全网无主文本都能用来训练，可用数据量直接提升了好几个数量级。 2. 算力够强：GPU 性能飞跃 + 分布式训练成熟 深度学习本质就是海量矩阵数学运算，天然适合并行计算。GPU 也就是显卡，天生擅长干这种大量重复的计算。这些年英伟达显卡性能飞速提升，同时数据并行、张量并行、流水线并行这些分布式训练技术也成熟了，我们可以把成千上万张显卡连在一起，合力训练一个超大规模的模型。

架构合理：Transformer 架构的诞生 2017 年谷歌提出了 Transformer 架构，彻底解决了之前模型不能并行、长文本记不住的问题。而且它有个特别好的特点：模型越大、数据越多、训练越久，效果就越好，性能提升非常稳定。正是因为这种优秀的「可扩展性」，大家才愿意不断堆参数、堆算力，把模型越做越大，最终迎来了大模型时代。

1.1.3 大模型的核心计量单位

研究大模型，我们一般从三个维度衡量它的规模：参数、数据集、计算量，同时还要区分算力的概念。

参数规模 单位是 B，Billion 的缩写，1B = 10 亿。比如 7B 模型就是 70 亿参数，235B 就是 2350 亿参数。
训练数据集规模 大语言模型的训练数据用 token 衡量，token 就是文字切分后的最小单位。
- 1B token = 10 亿个文字碎片
- 1T token = 1 万亿个文字碎片现在主流大模型的预训练数据，基本都是几十 T token 的量级。
计算规模（FLOPs） 注意这里是带小写 s 的 FLOPs，全称是浮点运算次数，用来衡量训练一个模型总共算了多少次数学题，是「总量」的概念。单位常用 EFLOPs，1EFLOPs = 10 的 18 次方次运算。顶尖大模型的训练计算量通常在 EFLOPs 级别，这个数据厂商一般不公开。计算规模和硬件无关，只描述模型训练的理论总计算量。
算力（FLOPS） 这里的 S 是大写，意思是每秒浮点运算次数，衡量的是硬件算得有多快，是「速度」的概念。常用单位是 TFLOPS（每秒万亿次）、PFLOPS（每秒千万亿次）。这里大家注意：描述算力一定要标注浮点数精度，比如 FP32、TF32，因为同一张显卡不同精度下的算力差很多。比如英伟达 B200 显卡，TF32 精度下单卡算力是 2.5PFLOPS，而 FP32 精度下是 80TFLOPS，差距非常大。这里给大家总结一下，四个概念不要搞混：

模型参数有多少，用 B 做单位；
训练数据有多少，用 T token 做单位；
训练总共算了多少，用 FLOPs 做单位；
显卡算得有多快，用 FLOPS 做单位。

1.1.4 大模型的分类

我们从两个维度给大模型分类。

维度一：按功能 / 输出形态分

生成式模型

最常见的一类，输入上下文，输出新的内容，可以是文字、图片、视频。用途：对话、推理、画图、写代码。例子：GPT、DeepSeek、Qwen、DALL・E。

嵌入模型（向量表征模型）

输入文字 / 图片，输出一串固定长度的数字向量，不生成新内容。用途：语义搜索、RAG 知识库检索、判断两段内容的相似度。例子：BGE 系列、Qwen3-Embedding。 3. 重排序模型

输入一个问题和一堆文档，给每个文档打相似度分，用来做精排。用途：RAG 的第二阶段，先粗筛出几十条，再用它选出最相关的几条。例子：BGE-Reranker、Qwen3-Reranker。 4. 分类器 / 判别模型

输入内容，输出类别标签或者是 / 否的判断。用途：意图识别、内容审核、任务路由。一般是微调后的小模型，比如基于 BERT 微调的分类模型。

维度二：生成模型按模态分

首先说什么是模态：简单理解就是信息的形式，文字、图片、音频、视频都是不同的模态。

如果没有特别说明，我们平时说的「大模型」，默认指的是大语言模型。

大语言模型（LLM）

输入文本，输出文本。能力：对话、写作、推理、代码生成。例子：Qwen3、DeepSeek-V3、GPT 的语言模块。补充一句：ChatGPT、Gemini 这种是完整的 AI 产品，不是单一模型，它们是以大语言模型为核心，同时集成了图像理解、生成等能力。

多模态理解模型

输入文本 + 图片 / 音频 / 视频，输出文本。能力：看图说话、PDF 文档理解、视频内容总结。例子：Qwen3-VL、GPT 的图片理解模块。 3. 多模态生成模型

输入文本 / 图片，输出图片、视频、音频。细分有文生图、文生视频、文生语音。例子：Stable Diffusion（画图）、Sora（生成视频）、VALL-E（生成语音）。

1.1.5 AIGC 和 AGI

这两个词大家经常听到，我们明确区分一下。

AIGC 全称是人工智能生成内容，简单说就是用 AI 生成内容。所有 AI 写文案、画图、做视频、配音，都属于 AIGC 的范畴，它是一类技术和应用的统称。
AGI 全称是通用人工智能，指拥有和人类一样通用认知能力的 AI：能自主学习、能举一反三、能解决各种陌生领域的问题，甚至能自主发现问题、制定策略。目前 AGI 还没有实现，现在的大模型离真正的通用人工智能还有很远距离，尤其是复杂决策、和物理世界交互这类任务，AI 还做不到。

一句话总结：AIGC 是现在就能用的 AI 生产工具，AGI 是未来的终极目标。

1.1.6 大模型的开源和闭源

大模型由四部分组成：模型权重（参数）、训练代码、推理代码、训练数据集。

和传统软件开源不一样，大模型的「开源」，主要是指公开模型权重，可能附带推理代码；而训练代码和训练数据集一般不公开，属于厂商的核心机密。

开源模型 权重公开，大家可以下载到本地运行、二次修改、微调。代表：DeepSeek 系列、Qwen 通义千问系列、Llama 系列。
闭源模型 权重不公开，只能通过官方网页或者 API 调用，不能本地部署。代表：GPT 系列、Gemini 系列、Claude 系列。

1.2 大语言模型的架构演进

接下来我们聊一聊，现在的大模型为什么都用 Transformer 架构，它是怎么一步步发展过来的。首先明确一个大方向：NLP 也就是自然语言处理技术，从最早的规则系统，到统计方法，到传统机器学习，再到深度学习。在深度学习之前，核心是特征工程：专家手动设计要提取的特征，告诉模型「你要看什么」。进入深度学习时代，核心变成了表示学习：模型自己从数据里学习特征，自己判断「该关注什么」。现代大模型，都属于表示学习的范畴。深度学习的文本模型，经历了从 RNN 到 LSTM、GRU，再到 Seq2Seq+Attention，最后到 Transformer 的演进过程。我们一个个看。

1）RNN 循环神经网络

核心思路：一个字一个字地读句子，每读一个字，就结合之前的内容更新一次理解。

它有两个致命问题：

长文本记不住：句子太长的话，最开头的内容传着传着就没了；
不能并行计算：必须等前一个字算完，才能算下一个字，训练特别慢。

2）LSTM 长短期记忆网络

在 RNN 的基础上做了优化，加了记忆单元和三个门控机制，像给模型加了个「记事本」，一定程度上缓解了忘事的问题。

但问题也很明显：

参数变多了，计算量更大；
最核心的两个问题没解决：还是不能并行计算，特别长的文本还是会忘。

3）GRU

在 LSTM 基础上简化，把门从三个减成两个，参数更少，速度快了一点。

但本质还是 RNN 的底子，串行、长依赖差的老问题依然存在。

4）Seq2Seq

就是编码器 + 解码器的结构，专门用来做输入输出都是序列的任务，比如翻译、摘要。

它的问题是：编码器会把整句话压缩成一个固定长度的向量，就像一个细瓶颈，长句子的信息大量丢失；而且解码器生成每个词的时候，不能灵活关注源句里不同的部分。

5）Seq2Seq+Attention

为了解决上面的问题，加入了注意力机制：解码器生成每个词的时候，可以动态地从编码器的所有内容里挑重点看，不用只依赖一个压缩后的向量。

效果确实好了很多，但底层还是 RNN，串行计算、长文本的老问题还是没根除。

6）Transformer

2017 年谷歌发表了论文《Attention Is All You Need》，提出了 Transformer 架构。

它彻底扔掉了 RNN，完全用注意力机制来建模文字之间的关系。它沿用了编码器 + 解码器的整体结构，编码器有自注意力层和前馈层，解码器多了一个交叉注意力层。

为什么 Transformer 能成为大模型的标准架构？

三个核心原因：

支持并行计算，训练效率极高

一整句话可以同时计算，不用一个字一个字等，训练速度直接提升了几个量级，这才能支撑超大规模的模型训练。 2. 全局依赖，长文本建模能力强

任意两个字之间都能直接建立联系，不用一步步传递，再长的文本也能捕捉到远距离的关联。 3. 可扩展性好

只要堆参数、堆数据、堆算力，模型效果就能稳定提升，没有明显的天花板。这一点至关重要，让大家愿意持续投入把模型做大。

为什么现代大语言模型都是 Decoder-Only（仅解码器）架构？

Transformer 有三条技术路线：仅编码器、编解码、仅解码器。

仅编码器：擅长给文本做表征，适合分类、匹配任务，不适合生成内容；

编解码：输入输出界限分明，适合翻译这类任务，但参数利用率低；

仅解码器：核心是自回归生成，天生就适合逐字输出内容。

大家最终都选 Decoder-Only，有三个原因：

更适合自由对话和连续生成，不用硬切输入输出，使用更自然；
参数利用率更高，所有参数都用来做生成建模，性价比更高；
普适性好，几乎所有 NLP 任务都能转成「预测下一个 token」的生成任务，通用能力强。所以现在我们用的主流大语言模型，全都是 Decoder-Only 架构。

它的工作流程很简单：输入文字切成 token，转成向量，进模型算出下一个字的概率，选一个字追加回去，再算下一个，循环往复，直到生成结束。

1.3 大语言模型的训练范式

现在训练大模型，已经有了一套标准流程，叫「预训练 + 后训练」。后训练又分成 SFT 监督微调和 RLHF/RLAIF 偏好对齐两个阶段。

我们可以把它理解成 AI 的「上学三部曲」。

1）第一阶段：预训练 —— 读万卷书，学语言

这一阶段，给模型喂海量的全网文本，用「预测下一个 token」的方式训练。训练完之后，模型拥有了完整的语言能力，懂语法、有知识、会文字接龙，但它不会跟人对话，也听不懂指令。比如你问「下雨要带什么」，它可能接「东西」，而不是回答「带雨伞」，因为它只会顺着往下接话，不知道要回答用户的问题。

2）第二阶段：SFT 监督微调 —— 学指令，懂对话

在预训练模型的基础上，用少量高质量的人工标注问答数据继续训练，教模型怎么听懂人类指令、怎么正常对话。训练完之后，你问「下雨带什么」，它就会正确回答「带雨伞」了。但 SFT 有个短板：它是靠模仿样例学习的，安全边界不稳。如果用户绕着弯诱导，比如用「做安全培训」当借口问木马代码，模型很容易被套出违规内容。

3）第三阶段：RLHF/RLAIF—— 对齐偏好，懂好坏

SFT 只是让模型「会回答」，但不知道「哪个回答更好、更安全」。 RLHF 就是人类反馈强化学习：给模型同一个问题的多个答案，让人来打分排序，告诉模型哪个好、哪个差，用这个偏好数据训练奖励模型，再用强化学习的方式优化大模型。 RLAIF 就是把打分的人换成 AI，降低人工成本。经过这一步之后，模型的输出会更符合人类偏好：

安全上：面对多轮诱导也能守住边界，不容易生成违规内容；
有用性上：回答更具体、更有操作性，不是泛泛而谈的空话。这里给大家对比一下 SFT 和 RLHF 的效果差异：同样是用户问「睡 8 小时还是累」，SFT 可能只会说「影响因素很多，建议规律作息，不行看医生」，很正确但没用；而 RLHF 优化后的模型，会告诉你可能是深睡眠不足，常见原因有哪些，怎么观察判断，给出具体的行动建议。

1.4 大模型算力基础设施

大模型是算力堆出来的，我们来了解一下背后的硬件基础。

1.4.1 核心计算芯片

1）CPU 中央处理器

电脑的通用大脑，擅长处理复杂的串行任务，什么都能干，但什么都干得不算特别快。它只有少量强大的计算单元，用来做 AI 训练效率极低。

2）GPU 图形处理器（显卡）

本来是用来做图形渲染的，后来发现它有海量的小计算单元，特别适合并行计算，完美适配深度学习的矩阵运算。现代 GPU 还专门加了 Tensor Core 张量核心，专门加速 AI 计算，效率大幅提升。现在 90% 以上的大模型，都是在英伟达的 GPU 上训练的，核心原因不只是硬件强，更是它的 CUDA 生态完善。

3）NPU 神经网络处理器

也叫 AI 加速器，是专门为神经网络设计的芯片，砍掉了没用的通用计算单元，只保留 AI 需要的矩阵、向量、标量计算单元。牺牲通用性，换来 AI 任务上的更高性能和更低功耗。代表：华为昇腾、寒武纪。

4）TPU 张量处理器

谷歌自研的专用 AI 芯片，属于 NPU 的一种，专门适配自家的 TensorFlow 框架，谷歌的 Gemini 模型就是在 TPU 上训练的。给大家总结一下演进逻辑：

CPU → 通用但慢传统 GPU → 并行强，适合科学计算和早期 AI 现代 GPU → 加了 AI 专用单元，是现在的主流 NPU/TPU → 纯 AI 专用，性能功耗比更高

1.4.2 内存和显存

内存（RAM）：给 CPU 用的临时存储空间。
显存（VRAM）：给 GPU 用的专用内存，存模型参数、中间计算结果。高端计算卡一般用 HBM 显存，带宽特别大；普通游戏卡用 GDDR 显存。

1.4.3 训练和推理的硬件瓶颈

大家常说「算力不够」，其实不只是计算速度不够，很多时候是显存不够、通信太慢。

训练阶段的瓶颈，优先级从高到低：

显存容量：第一瓶颈。训练时不仅要存模型参数，还要存梯度、优化器状态、中间激活值，显存占用是参数本身的好几倍。显存不够就会「爆显存」，数据要卸到内存甚至硬盘，速度暴跌。
多卡通信：模型太大单卡装不下，就要拆分到多卡，这时候卡之间的数据传输速度就成了瓶颈。
算力：显存够、通信也快的时候，才是纯算力瓶颈。模型越大，训练越吃算力。

推理阶段的瓶颈

推理就是用户正常调用模型生成回答的过程。这里有个关键技术叫KV Cache：把之前生成内容的注意力计算结果缓存起来，不用每次都重新算，用来加速。推理的瓶颈主要是：

显存容量：要存模型参数和 KV Cache；
显存带宽：逐字生成的时候，每次都要从显存读整个模型，计算单元其实在等数据，带宽不够就慢；
算力：刚输入提示词的预填充阶段，计算量大，算力是瓶颈。

1.4.4 CUDA：英伟达的护城河

CUDA 是英伟达的并行计算平台和软件生态，提供了一整套开发、调试、优化工具。

英伟达的领先，不止是硬件参数强，更重要的是 CUDA 生态把硬件的理论算力真正转化成了可用性能，能发挥出硬件 90% 以上的实力。其他厂商的显卡就算硬件参数追上，软件生态差很远，实际 AI 训练效率还是比不过英伟达。

第 2 章大模型的工程实现

好，基础理论部分讲完了。接下来我们讲第二部分：大模型怎么落地成可用的应用。从工程角度，大模型的落地主要有五种方案，按复杂度从低到高分别是：

提示词工程、RAG 检索增强生成、微调、续训、智能体开发。我们一个个来讲。

2.2 提示词工程

这是最简单、零成本的落地方式，也是所有方案的基础。

2.2.1 基本概念

提示词（Prompt）：你给大模型输入的内容，用来描述任务、给上下文、定要求。

提示词就像考试的题目，有题目模型才能作答。

提示词工程：通过系统化地设计、优化提示词，让模型稳定输出高质量的结果。为什么要优化提示词？

就像你去看病，只说「我不舒服」，医生很难判断；你把症状、时长、诱因说清楚，医生才能给出准确的诊断。提示词越清晰，模型输出越靠谱。

2.2.2 提示词五要素

写提示词没有绝对的标准格式，但工程上总结了五个核心要素，覆盖到了，效果一般都不会差。分别是：角色 / 任务、上下文、输入数据、输出要求、约束。

角色 / 任务 告诉模型「你是谁、要干什么」。给角色是为了限定模型的视角和表达方式，比如「你是一名资深数据分析师」，模型就会自动用数据分析的框架和话术来回答。任务是明确核心目标，避免模型跑偏。
上下文

补充背景信息、参考资料、历史对话摘要，给模型足够的信息支撑。这一项不是必须的，没有额外背景可以省略。 3. 输入数据 用户当前的提问、或者要处理的原始素材，是模型加工的对象。 4. 输出要求 规定输出长什么样，关注形式和结构。比如：用表格输出、分几点、包含哪些字段、字数多少、什么风格。这里加一个示例，效果会特别好，模型对格式的遵循度会大幅提升。 5. 约束划定模型的行为边界。比如：只能用给定资料、不能编造信息、不允许输出违规内容、信息不足时要明确说明。小技巧：用 #、-、* 这些符号标记关键部分，模型会更关注这些内容，指令遵循效果更好。

2.2.3 多轮对话的消息结构

如果是通过 API 调用大模型，我们会把对话内容分成三类角色，这是行业通用的规范：

System（系统提示词）：全程不变的规则，角色、任务、输出要求、约束都放这里。一个对话一般只有一条。

User（用户消息）：用户的提问和输入。

Assistant（助手消息）：模型的历史回答。这么设计的好处是：稳定的规则只传一次，不用每轮都发，省 token，而且输出更稳定。模型本身是没有记忆的，要实现多轮对话，就要把历史对话全部塞进去，每轮新增一条用户消息和一条助手消息。

2.2.4 提示词模板

提示词模板就是把提示词里固定的部分留下来，变化的部分做成占位符，运行的时候自动填充变量。比如{persona}填角色，{input_data}填输入内容。它的作用是复用，不用每次都重写整段提示词，代码里批量调用特别方便。一般在 LangChain 这类框架，或者 Dify、Coze 这类平台里用得比较多。

2.2.5 提示词工程的边界

提示词不是万能的，这几种情况它就搞不定：

参考资料太多：超过了模型的上下文窗口，塞不下，这时候要用 RAG。
多步骤复杂任务：比如写完整的小说大纲，要分好多步，模型一次生成容易跳步、漏项，这时候要用 Agent 智能体。
指令遵循 / 风格要求极高：比如要完全模仿某个人的说话风格，提示词描述不清楚，给几个例子也没用，这时候要用微调。
缺领域专业知识：比如非常细分的行业术语和流程，模型根本没学过，提示词补不过来，这时候要用续训。

实操：提示词工程工具与配置

2.3 RAG 检索增强生成

2.3.1 什么是 RAG

RAG 全称检索增强生成，简单说就是给大模型外挂一个专属知识库。

用户提问的时候，先去知识库⾥搜相关的资料，再把问题和搜到的资料一起发给大模型，让模型基于资料回答问题。它的完整流程是：

准备阶段：把文档切成小块 → 用嵌入模型转成向量 → 存进向量数据库
使用阶段：用户提问 → 把问题转成向量 → 从向量库搜最相似的几段内容 → 把内容和问题拼起来发给大模型 → 生成答案

2.3.2 什么时候用 RAG

核心就是模型缺信息的时候用：

需要最新信息，比如当天的新闻、实时数据；
需要用私有数据，比如公司内部制度、产品文档，这些模型训练的时候没见过。 RAG 的优势是不用改模型，成本低，资料更新方便，是企业落地知识库问答的首选方案。

2.4 微调

2.4.1 什么是微调

在已经训练好的基础大模型上，用你的专属数据，按照 SFT 的方式再训练一小段，让模型适配你的特定需求。

2.4.2 什么时候用微调

两种场景：

提示词怎么调效果都不好，比如指令遵循差、风格话术不对；
有些知识每次都要放提示词里，太长了费钱，还容易超上下文窗口，可以微调把知识固化到模型里。

2.4.3 微调的两种方式

全参微调：更新模型所有参数。效果好，但耗显存、成本高，大模型一般不用。
PEFT 高效微调：冻结模型绝大部分参数，只训练一点点新增的参数。成本低、速度快，一张消费级显卡就能微调 7B 模型，是现在的主流方案。注意：微调要有足够的数据，数据太少容易过拟合，就是死记硬背训练集，新问题就不会了。

2.5 续训

2.5.1 什么是续训

在基础大模型上，用和预训练一样的「预测下一个 token」的方式，继续训练。和微调不一样，微调是教它「怎么回答」，续训是补「底层知识」。

2.5.2 什么时候用续训

当模型完全看不懂你的行业语言，对整个领域的知识系统性缺失，微调也救不了的时候，用续训。比如半导体、医疗这种非常专业的垂直领域，模型连术语都不懂，就需要用海量领域文本先续训补知识，再微调做任务。续训对数据量和算力的要求，比微调高一个数量级，成本很高，一般只有大厂才会做。

2.6 智能体（Agent）开发

2.6.1 什么是智能体

简单说，智能体就是会思考、会用工具、能自己分步完成复杂任务的 AI 系统。

它以大模型为大脑，配上记忆、工具、规划能力，能自己把复杂任务拆成一步步，调用工具去完成。一个完整的智能体有四个要素：

行动：必须有的，能对外产生动作；
工具：几乎都有，比如搜索、计算器、代码执行、数据库查询；
规划决策：复杂任务需要，拆分子目标、分步执行；
记忆：可选，短期记忆是对话历史，长期记忆存在向量数据库里。

2.6.2 什么时候用智能体

当其他方案都搞不定的时候，就考虑智能体。比如需要多步推理、需要调用外部工具、流程复杂多变的场景。它是五种方案里复杂度最高、能力最强的。

2.6.3 工具调用的两种方式

工具调用是智能体的核心，现在主要有两种实现方式。

1）Function Call（函数调用）

这是现在主流大模型都支持的能力。流程是：用户提问 → 模型判断要不要用工具、用哪个工具、传什么参数 → 程序执行工具拿到结果 → 把结果和对话再发给模型 → 模型整理出最终答案。它的缺点也很明显：

每个工具都要自己写描述，和业务绑定，很难复用；
不同厂商的规范不一样，换模型就要改一遍，维护麻烦；
工具描述写不好，模型就容易调错。

2）MCP 模型上下文协议

这是 2024 年底 Anthropic 提出来的新标准，可以理解成 AI 界的 USB-C 接口。它把工具做成独立的 MCP 服务器，只要支持 MCP 协议的 AI 应用，都能直接用这些工具，即插即用。相比 Function Call，它的优势很明显：

工具一次开发，到处能用，复用性强；
工具实现和模型适配分开了，不用每个模型都写一遍描述；
公开的 MCP 工具经过社区检验，更规范、更可靠。现在已经有很多现成的 MCP 工具，比如网页抓取、搜索、文件操作等等，直接拿来就能用。

实操：MCP 配置教程

2.6.4 工作流（Workflow）

工作流可以理解成「固定版的智能体」。

它把任务拆解成固定的步骤，按预设的流程一步步执行，不能自己随机应变。好处是稳定性高、结果可控、可解释性强，适合流程固定、规则明确的场景。和 Agent 的区别就是：Agent 灵活，能处理不确定的任务；工作流固定，稳定可靠。

2.6.5 开发方式

不管是智能体还是工作流，都有两种开发路径：

在线平台开发：比如 Dify、Coze，可视化拖拽，上手快，不用写太多代码，适合快速验证需求。
基于框架开发：比如 LangChain，自由度高，能做复杂定制化的功能，但难度也更高。

最后总结

最后我们串一下五种落地方案的选择逻辑：

简单任务、要求不高：先用提示词工程，成本最低；
缺外部知识、私有资料：加 RAG；
要固定风格、提升指令遵循：做微调；
系统性缺行业知识：考虑续训；
多步骤、要调用工具、流程复杂：上智能体 / 工作流。实际项目中，遵循「能简单就不复杂」的原则，优先用低成本的方案，不行再升级。