# 6616AI

> 6616AI 是 AI 时代的入口 —— 上千款 AI 工具一站直达，按「你想做什么」找到最好用的 AI，每天更新。

本站欢迎 AI 爬虫与大模型引用本站内容（注明出处即可）。

## AI 知识库
### 学AI的这些知识点
- [001｜Agent 不是只会聊天：企业 Agent 的 6 种入口形态](https://gongju.ai881.com/ai-notes/ai-knowledge-notes/agent-is-not-just-chat): 很多人对 Agent 的理解停留在聊天机器人+工具调用。但企业里真正值钱的 Agent，入口往往不是对话。
- [002｜设计一个 Agent 的六要素：从需求到系统架构](https://gongju.ai881.com/ai-notes/ai-knowledge-notes/design-agent-six-elements): Agent 不是 prompt 越复杂越好，而是要把角色、目标、工具、步骤、约束、输出格式这六件事说清楚。
- [003｜RAG 到底在做什么：从向量检索到 Agent 知识库](https://gongju.ai881.com/ai-notes/ai-knowledge-notes/rag-what-and-how): RAG 不是让 LLM 变聪明，而是给 LLM 一个可控的资料来源。
- [004｜LangGraph 入门：多 Agent 工作流框架](https://gongju.ai881.com/ai-notes/ai-knowledge-notes/langgraph-intro): LangGraph 是 LangChain 团队出的多 Agent 工作流框架，它把状态、节点、边三件事封装好，让复杂 Agent 系统变得清晰。
- [005｜主流多 Agent 框架对比：LangGraph / CrewAI / AutoGen / LlamaIndex](https://gongju.ai881.com/ai-notes/ai-knowledge-notes/multi-agent-framework-comparison): LangGraph、CrewAI、AutoGen、LlamaIndex Workflows 这四个框架各有定位，选错框架会让项目后期很痛苦。
- [006｜Agent Memory 设计：让 Agent 有记性](https://gongju.ai881.com/ai-notes/ai-knowledge-notes/agent-memory-design): Memory 让 Agent 不只是单次推理，而是能记住上下文、用户偏好和历史事实。短期记忆管一次对话，长期记忆管跨会话。
- [007｜Agent 面试高频问题串讲](https://gongju.ai881.com/ai-notes/ai-knowledge-notes/agent-interview-qa): 从基础概念到设计能力、工具调用、记忆、推理、工程落地，把 Agent 面试中最常被问到的问题串一遍。

### Agent 系统面试通关
- [001｜Function Calling 原理：LLM 怎么调用外部工具](https://gongju.ai881.com/ai-notes/agent-system-interview/function-calling-principle): Function Calling 是 Agent 调用工具的核心机制。掌握它，才能理解 LLM 如何从'只会说话'变成'能办事'。
- [002｜ReAct / CoT / ToT / Plan-and-Execute：Agent 推理模式对比](https://gongju.ai881.com/ai-notes/agent-system-interview/agent-reasoning-patterns): Agent 的推理模式决定了它怎么分解问题、怎么调用工具、怎么修正错误。面试最爱问它们之间的区别。
- [003｜MCP 协议：模型上下文协议如何统一工具生态](https://gongju.ai881.com/ai-notes/agent-system-interview/mcp-protocol): MCP 是 Anthropic 推出的开放协议，让模型可以统一访问文件、数据库、API 等上下文。2024-2025 面试新热点。
- [004｜RAG 评估与优化：从指标到工程的完整链路](https://gongju.ai881.com/ai-notes/agent-system-interview/rag-evaluation-optimization): RAG 不是接个向量库就完了。评估要拆检索和生成，优化要端到端思考。这是面试最爱考的工程题。
- [005｜Agentic RAG：让检索过程也能自主决策](https://gongju.ai881.com/ai-notes/agent-system-interview/agentic-rag): Agentic RAG 让 RAG 不再是一条静态流水线，而是能根据中间结果决定下一步检索什么的智能系统。
- [006｜GraphRAG：知识图谱如何让 RAG 更具推理能力](https://gongju.ai881.com/ai-notes/agent-system-interview/graphrag): GraphRAG 把文档抽取成知识图谱，让 RAG 能回答需要关系推理的问题。微软主推，面试高频。
- [007｜长上下文与 RAG 结合：什么时候该检索，什么时候该全文](https://gongju.ai881.com/ai-notes/agent-system-interview/long-context-vs-rag): 大模型上下文越来越长，但 RAG 不会消失。关键是理解它们各自适合什么场景，以及如何组合。
- [008｜Agent 项目工程化：代码组织、测试、部署](https://gongju.ai881.com/ai-notes/agent-system-interview/agent-engineering): Agent 项目怎么写代码、怎么组织、怎么上线，这是面试里考察工程能力的关键。
- [009｜Agent 测试、监控与可观测性：LangSmith 和 LangServe](https://gongju.ai881.com/ai-notes/agent-system-interview/agent-testing-monitoring): Agent 上线后必须能看得见、测得准、控得住。LangSmith 和 LangServe 是 LangChain 生态里常用的两个工具。
- [010｜Agent 安全：提示词注入与越狱防御](https://gongju.ai881.com/ai-notes/agent-system-interview/agent-security): Agent 能调用工具，意味着被攻破后危害更大。安全是企业落地 Agent 的底线。
- [011｜数据分析 Agent 完整项目设计](https://gongju.ai881.com/ai-notes/agent-system-interview/data-analysis-agent-project): 结合你 7 年数据仓库经验，把数据分析 Agent 设计成一个完整项目，是面试里最自然的切入点。
- [012｜Agent 面试项目经验包装与简历写法](https://gongju.ai881.com/ai-notes/agent-system-interview/agent-interview-packaging): 会设计和会表达是两件事。最后这一步，把前面所有内容包装成面试能说的项目经验。

### AI 名词百科
- [什么是大模型？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-llm): 大模型是用海量文字训练出来的 AI 程序，能听懂人话、写文章、回答问题，ChatGPT、豆包背后都是它。
- [什么是 token？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-token): token 是大模型处理文字的最小单位，AI 按 token 计费，理解它就理解了 AI 的'计价单位'。
- [什么是提示词（Prompt）？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-prompt): 提示词就是你发给 AI 的指令。同一个 AI，提示词写得好坏，得到的结果天差地别。
- [什么是 AI 幻觉？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-hallucination): AI 幻觉指大模型一本正经地编造错误信息。它不是 bug 而是原理决定的，学会核查是用 AI 的必修课。
- [什么是 AI Agent（智能体）？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-agent): Agent 是会自己拆解任务、调用工具、连续干活的 AI，从'问一句答一句'升级成'交代一件事它办完'。
- [什么是多模态？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-multimodal): 多模态指 AI 不仅能处理文字，还能看图、听声音、看视频。拍照问 AI'这是什么'就是多模态。
- [什么是开源模型？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-open-source-model): 开源模型是公开下载、可自己部署的大模型，DeepSeek、Llama 是代表。它让企业和个人不必依赖大厂接口。
- [什么是 AI 搜索？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-ai-search): AI 搜索是'先搜网页再用大模型总结成答案'的新搜索方式，代表产品有 Perplexity、秘塔、豆包搜索。
- [什么是上下文窗口？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-context-window): 上下文窗口是 AI 一次对话能'记住'的内容上限，超出就会忘记前面说过的话。
- [什么是 RAG（检索增强生成）？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-rag): RAG 是让 AI 先去查资料再回答的技术，解决大模型知识过时、容易乱编的问题。
- [什么是模型微调？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-fine-tuning): 微调是用自己的专业数据继续训练通用大模型，让它变成某个行业的专家。
- [什么是 MCP（模型上下文协议）？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-mcp): MCP 是让 AI 连接外部工具和数据的通用接口标准，就像给 AI 装上可以随意更换的插件手臂。
- [什么是 AIGC？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-aigc): AIGC 指由 AI 生成的内容，包括文章、图片、视频、音乐——AI 从读懂内容进化为创造内容。
- [什么是机器学习？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-machine-learning): 机器学习是让计算机从数据中自动总结规律的技术，是 AI 的核心基础，大模型也是它的一种。
- [什么是深度学习？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-deep-learning): 深度学习是用多层神经网络处理复杂数据的机器学习方法，是今天 AI 爆发的直接推手。
- [什么是神经网络？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-neural-network): 神经网络是模仿大脑神经元连接方式设计的数学模型，是深度学习和大模型的底层基础。
- [什么是模型参数量（7B、70B 是什么意思）？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-parameters): 参数量是衡量 AI 模型大小的指标，7B 表示 70 亿个参数，参数越多模型通常越强但越耗算力。
- [什么是训练和推理？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-training-inference): 训练是让 AI 从数据中学习的过程，推理是训练好的 AI 实际回答问题的过程，两者成本和场景完全不同。
- [什么是算力？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-computing-power): 算力是训练和运行 AI 所需的计算能力，GPU 是核心载体，也是中美 AI 竞争的关键焦点。
- [什么是温度参数（Temperature）？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-temperature): 温度是控制 AI 回答随机性的旋钮，调高了更有创意、调低了更严谨，写代码用低温，写诗用高温。
- [什么是向量和向量数据库？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-vector-database): 向量是把文字意思转换成数字坐标的方式，向量数据库让 AI 能快速找到语义相似的内容，是 RAG 的核心基础。
- [什么是 AGI（通用人工智能）？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-agi): AGI 是能像人类一样在任何领域自主学习和解决问题的 AI，目前还没到达，但争议何时到来从未停止。
- [什么是提示词工程？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-prompt-engineering): 提示词工程是系统研究如何写出更好指令来控制 AI 输出质量的方法论，是普通人最容易掌握的 AI 技能。
- [什么是 GPU？英伟达为什么这么重要？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-gpu): GPU 是最适合 AI 计算的芯片，英伟达凭借技术和生态垄断了 AI 训练市场，成为这轮 AI 热潮最大受益者。
- [什么是模型蒸馏？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-distillation): 模型蒸馏是让小模型向大模型学习、压缩能力的技术，让手机等低算力设备也能跑出接近大模型的效果。
- [什么是 AI 对齐和安全？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-ai-alignment): AI 对齐是研究如何让 AI 的行为符合人类价值观和意图的领域，目标是避免强大 AI 做出有害或失控的事。
- [什么是 Transformer？](https://gongju.ai881.com/ai-notes/ai-terms/what-is-transformer): Transformer 是 2017 年提出的神经网络架构，是几乎所有大模型的基础，它靠'注意力机制'理解词与词之间的关系。
- [大模型竞技场（LMArena）是怎么给 AI 排名的？](https://gongju.ai881.com/ai-notes/ai-terms/benchmark-lmarena): LMArena 让真人匿名对比两个 AI 的回答并投票，用类似国际象棋等级分的方式算出排名，是目前最能反映“用起来顺不顺”的榜单。
- [MMLU 是什么？为什么顶级 AI 都考 90 分以上了](https://gongju.ai881.com/ai-notes/ai-terms/benchmark-mmlu): MMLU 是一套覆盖 57 个学科的多选知识题考试，曾是衡量 AI 知识面的标准测试，但顶级模型已普遍超过 90 分，考试本身快"饱和"了，区分度越来越低。
- [GPQA：专家都做不出、还搜不到答案的博士级考题](https://gongju.ai881.com/ai-notes/ai-terms/benchmark-gpqa): GPQA 是一批博士级别的物理、化学、生物难题，设计时特意确保连专家都不能轻松答对、靠搜索引擎找不到答案，专门考验 AI 的真正推理能力。
- [SWE-bench：让 AI 修真实的程序 Bug](https://gongju.ai881.com/ai-notes/ai-terms/benchmark-swe-bench): SWE-bench 从真实的开源代码仓库里取出 Bug 工单，让 AI 写出能通过测试的补丁，是目前最贴近真实编程工作的 AI 能力测试。
- [AIME：用奥数竞赛题考 AI 的数学推理](https://gongju.ai881.com/ai-notes/ai-terms/benchmark-aime): AIME 是美国高中数学邀请赛的竞赛题，每道题都需要多步严谨推导才能得出答案，是检验 AI 数学推理能力的经典测试，顶级推理模型已接近满分。
- [综合智能指数：把十几项考试揉成一个分数](https://gongju.ai881.com/ai-notes/ai-terms/benchmark-intelligence-index): Artificial Analysis 把 MMLU、GPQA、AIME 等多项测试的结果加权汇总，算出一个 0-100 的"综合智能指数"，方便横向比较不同 AI 的整体能力，但"一个分数"也有明显局限。
- [跑分高就一定好用吗？看懂 AI 排行榜的 5 个常识](https://gongju.ai881.com/ai-notes/ai-terms/benchmark-literacy): AI 榜单更新极快、分数会饱和、贵不一定适合你、中文场景和英文榜单可能对不上——看排行榜之前，先了解这 5 个常识，才不会被数字牵着鼻子走。
- [2026 我该用哪个 AI？按场景帮你选](https://gongju.ai881.com/ai-notes/ai-terms/which-ai-to-choose): 从日常聊天、写作、编程到画图、长文档处理，按你的实际使用场景一一给出推荐，帮你找到最适合自己的 AI 工具。
- [AI 都在考什么题？六大评测真题大赏](https://gongju.ai881.com/ai-notes/ai-terms/benchmark-sample-questions): 排行榜上那些分数背后，AI 到底做什么题？这里搬来 MMLU、GPQA、SWE-bench、AIME、HumanEval、LMArena 六大评测的真实样例题，让你亲眼看看——这题，你做得出来吗？