wiki/简历AI技术讲解.md

张德海简历中 AI 相关技术讲解

以下按简历中出现的 AI 技术领域，逐一进行深入讲解。

---

1. Agent 智能体

是什么

Agent（智能体）是能够自主感知环境、制定计划、调用工具、执行多步任务的 AI 程序。与传统的"一问一答"式聊天机器人不同，Agent 具备自主决策能力——它会在执行过程中自我反思、调整策略，遇到错误时自动重试或换方案。

核心架构

用户输入 → Agent 大脑(LLM) → 思考(Reasoning) → 选择工具(Tool Selection) → 执行(Action) → 观察结果(Observation) → 继续思考或输出最终答案

这是一个ReAct（Reasoning + Acting）循环，Agent 在这个循环中反复迭代，直到完成任务或达到终止条件。

简历中的对应实践

• 自主决策 Agent：让 LLM 不只是回答问题，而是像一个员工一样去完成一件完整的任务（例如"帮我分析上季度供热能耗异常并出报告"）
• 多 Agent 协作：多个 Agent 像团队一样分工——一个负责任务拆解与分发，多个执行 Agent 并行工作，再由汇总 Agent 整合结果。冲突仲裁机制解决多个 Agent 结论不一致的问题
• Function Calling / Tool Use：Agent 通过调用外部 API/工具来与真实世界交互——查数据库、发邮件、调摄像头、控制设备
• 上下文管理与会话记忆：维护长对话的上下文窗口，通过摘要、压缩、向量记忆等技术让 Agent 记住之前的交互
• 安全护栏（Guardrails）：限制 Agent 的行为边界——不能删除生产数据、不能发送未经审核的外部邮件、预算上限控制等

---

2. Skills 编排系统

是什么

Skills 编排是将业务能力封装为独立的、可插拔的"技能模块"，由 LLM 根据用户意图自动路由到对应的 Skill 去执行。

与 Agent 的关系

Agent 智能体（大脑/决策层）
    ├── Skill 1: 数据查询（查 MySQL/时序库）
    ├── Skill 2: 报表生成（生成 PDF/Excel）
    ├── Skill 3: 消息推送（企业微信/邮件/短信）
    ├── Skill 4: 审批流程（调用 OA 接口）
    ├── Skill 5: 视频分析（调用 YOLO 模型）
    └── Skill 6: 能耗预测（调 ML 模型）

Agent 负责理解意图 + 决策调度，Skills 负责具体执行。

简历中的对应实践

• 可插拔 Skills 框架：新业务能力以 Skill 插件形式注册，支持热加载——不停机就能上线新能力
• LLM 自动路由与编排：用户说"查一下天津项目上个月的能耗情况"，Agent 自动识别需要调用"数据查询 Skill"→"能耗预测 Skill"→"报表生成 Skill"，并按正确顺序编排执行
• 行业定制 Skill：医疗 DRGs（疾病诊断相关分组）分析、供热能耗预测等垂直领域 Skill

---

3. RAG 知识库（检索增强生成）

是什么

RAG（Retrieval-Augmented Generation）是让 LLM 先检索相关文档，再基于检索结果生成回答的技术。它解决了 LLM 的两大痛点：

• 知识截止日期：模型训练数据有截止时间，不知道最新信息
• 幻觉问题：没有知识支撑时容易编造，RAG 让回答有据可查

完整 Pipeline

文档摄入 → 解析(PDF/Word/HTML) → 文本分块(Chunking) → Embedding向量化 → 存入向量数据库
                                                                              ↓
用户提问 → Embedding向量化 → 向量相似度检索 → 召回Top-K相关文档块 → 拼入Prompt → LLM生成回答

简历中的对应实践

• 向量数据库：

  • Milvus：开源分布式向量数据库，适合大规模生产环境，支持十亿级向量检索
  • Chroma：轻量级向量数据库，适合原型开发和小规模场景
  • FAISS：Meta 开源的向量相似度搜索库，纯算法层面，GPU 加速

• 混合检索（Hybrid Search）：同时使用语义检索（向量相似度）+ 关键词检索（BM25/Elasticsearch）+ 元数据过滤（按日期、分类、来源筛选），取长补短，提升召回精度

• 实际场景：

  • 制度问答：员工问"年假怎么算"，RAG 从公司制度文档中检索→给出准确条款
  • 民政 AI 客服：市民问低保申请条件，从民政知识库检索婚姻/低保/养老/残疾/殡葬政策
  • 合同审查：上传合同→检索相关法规和先例条款→AI 标注风险项
  • 辅助诊断：输入病症描述→检索相似病例和诊疗指南→辅助医生决策

---

4. Function Calling / Tool Use

是什么

让 LLM 输出结构化的函数调用请求，而不是自然语言，从而实现与外部系统的精确对接。

工作原理

用户: "帮我查一下张三的社保缴纳记录"
        ↓
LLM 输出（JSON格式）:
{
  "function": "query_social_security",
  "parameters": {
    "name": "张三",
    "date_range": "2024-01-01~2024-12-31"
  }
}
        ↓
业务系统执行 → 返回结构化结果 → LLM 用自然语言呈现给用户

与传统 API 调用的区别

传统方式是"if-else 意图识别 + 槽位填充"，覆盖有限。Function Calling 让 LLM 自主决定要不要调函数、调哪个函数、用什么参数，灵活度大幅提升。

---

5. Prompt Engineering

是什么

提示工程——设计、优化和管理 LLM 的输入提示，以引导模型产出期望的输出。这是一个工程化的过程，不是简单的"写好提示词"。

关键技术

技术	说明
Few-shot Prompting	在 Prompt 中给出几个示例，让模型学会输出格式和风格
Chain-of-Thought	要求模型"一步步思考"，显著提升推理任务准确率
System Prompt 设计	设定角色、行为约束、输出格式等系统级指令
Prompt 模板化	类似代码模板，变量替换 + 条件分支，工程化管理
Prompt 优化与 A/B 测试	不同 Prompt 效果对比，迭代优化
Token 预算控制	平衡上下文长度与成本，摘要压缩、动态裁剪

---

6. AI Coding 工具链

Claude Code

Anthropic 出品的终端原生 AI 编程助手，运行在命令行环境中：

• 可以直接读写文件、执行 Shell 命令、操作 Git，不只是"建议代码"
• 支持 Agent 模式：给定任务自主规划步骤、执行、验证
• 支持 MCP 协议接入外部工具和数据源
• 支持 Hooks 机制在特定事件触发自定义逻辑
• 本项目（知识库 wiki）大量使用 Claude Code 进行开发

GitHub Copilot

微软/GitHub 的 AI 编程助手，深度集成在 IDE（VS Code / JetBrains）中：

• 代码补全：根据上下文实时建议下一行/下一段代码
• Chat 面板：在 IDE 内对话式编程
• Agent 模式：Copilot 自主规划多文件编辑、运行终端命令
• 代码审查：PR 级别的 AI Review

Cursor

基于 VS Code 深度定制的 AI-first IDE：

• 全文件上下文感知：不只是当前文件，而是整个项目
• Composer：多文件协同编辑
• Apply 模式：AI 提出的修改可直接应用到代码
• Rules 系统：项目级/用户级行为约束

Windsurf

Codeium 出品的 AI IDE（原 Windsurf Editor）：

• Cascade：流式 AI 交互，边生成边应用
• 强调实时协作和上下文保持

Aider

开源命令行 AI 编程工具：

• Git 原生：每次修改自动 commit，形成干净的变更历史
• 多模型支持：可对接 OpenAI、Anthropic、本地模型
• 地图文件（Map）：生成仓库结构图帮助 LLM 理解项目
• 多文件编辑：一次对话可修改多个文件

AI 代码审查 & 自动测试生成

• AI Code Review：在 PR/MR 阶段由 AI 自动审查代码质量、安全漏洞、性能问题
• 自动测试生成：AI 分析代码逻辑自动生成单元测试、集成测试用例，提升覆盖率

---

7. AI 视觉（计算机视觉）

YOLO（You Only Look Once）

实时目标检测算法，核心特点：

• 单次推理：一次前向传播同时完成目标定位 + 分类，速度极快
• 版本迭代：YOLOv5 → YOLOv8 → YOLOv10/YOLO11，精度和速度持续提升
• 实际场景：视频监控中的人/车/物检测、安防异常行为识别

简历中的应用

• 视频智能识别：对接 GB/T 28181 国标视频流，实时分析监控画面
• 自定义模型训练部署：针对特定场景（如供热站仪表读数、工地安全帽检测）训练专属模型
• 视频融合平台：国标视频接入 + AI 识别叠加，形成智能安防方案

---

8. LangChain

是什么

LangChain 是 LLM 应用开发框架，提供标准化的链（Chain）、Agent、工具（Tool）、记忆（Memory）、**检索器（Retriever）**等抽象。

核心组件

# LangChain 的核心抽象
from langchain.chains import LLMChain
from langchain.agents import AgentExecutor, create_react_agent
from langchain.tools import Tool
from langchain.memory import ConversationBufferMemory
from langchain.vectorstores import Milvus

# Chain: 将多个步骤串联
chain = prompt | llm | output_parser

# Agent + Tools: 让 LLM 学会用工具
agent = create_react_agent(llm, tools, prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools)

作为框架，它统一了不同 LLM 提供商（OpenAI/Anthropic/本地模型）的接口，简化了 RAG、Agent 等模式的实现。

---

9. MCP 协议（Model Context Protocol）

是什么

Anthropic 推出的开放标准协议，定义了 AI 模型与外部工具/数据源之间的统一通信方式。可以理解为"AI 世界的 USB-C 接口"。

架构

AI 应用（Host）
    ↓ MCP 协议
MCP 客户端（Claude Code / Cursor 等）
    ↓ JSON-RPC over stdio/SSE
MCP 服务器（工具提供方）
    ├── 数据库 MCP Server → PostgreSQL / MySQL
    ├── 文件系统 MCP Server → 本地文件
    ├── API MCP Server → GitHub / Jira / Slack
    └── 自定义 MCP Server → 企业内部系统

意义

在 MCP 之前，每个 AI 工具都要单独对接每个外部系统（M×N 的集成复杂度）。MCP 标准化后，工具只需实现一次 MCP Server，所有支持 MCP 的 AI 应用都能使用（M+N 的复杂度）。

---

技术组合全景

简历中的 AI 能力不是孤立的，它们在实际项目中形成一条完整链路：

┌─────────────────────────────────────────────────────┐
│                    应用层（场景）                       │
│  智能客服 │ 制度问答 │ 合同审查 │ 能耗预测 │ 视频安防    │
└─────────────────────────────────────────────────────┘
                          ↑
┌─────────────────────────────────────────────────────┐
│                  Agent 智能体层（决策）                 │
│  意图识别 → 任务规划 → Skills路由 → 多Agent协作        │
│  Function Calling / Tool Use                         │
└─────────────────────────────────────────────────────┘
                          ↑
┌─────────────────────────────────────────────────────┐
│              Skills 编排层（执行）                      │
│  数据查询 │ 报表生成 │ 消息推送 │ 审批流 │ 视频分析       │
└─────────────────────────────────────────────────────┘
                          ↑
┌─────────────────────────────────────────────────────┐
│                 知识/数据层（支撑）                      │
│  RAG知识库(Milvus/Chroma) │ 向量检索 │ 混合检索         │
│  时序数据库 │ 业务数据库 │ 文档Pipeline                  │
└─────────────────────────────────────────────────────┘
                          ↑
┌─────────────────────────────────────────────────────┐
│              基础设施层                                │
│  LLM API │ Prompt Engineering │ LangChain           │
│  AI Coding工具链 │ MCP协议 │ 模型训练/部署             │
└─────────────────────────────────────────────────────┘

这套体系的核心思路是：让 AI 不只是"聊天"，而是真正能干活——查数据、调系统、出报告、审合同、看监控。这也正是简历中反复强调的"AI 应用落地"的含义。