学习路线

1. 大模型基础（LLM）

    ↓

2. Prompt工程

    ↓

3. Spring AI

    ↓

4. Function Calling

    ↓

5. RAG

    ↓

6. 向量数据库（Milvus）

    ↓

7. MCP

    ↓

8. Agent（OpenClaw）

    ↓

9. AI Workflow（Dify/n8n）

概念

1. 基础层：大模型（LLM）
   LLM（Large Language Model，大语言模型）是目前 AI 应用的核心。
   

2. 多模态（Multimodal）
   多模态 = AI 能处理多种数据类型。
   

3. Agent（智能体）
   Agent = 大模型 + 工具 + 自动执行
   

4. MCP
   MCP（Model Context Protocol）
   可以理解成：
   AI领域的USB接口
   作用：
   让 AI 统一调用外部系统。
   
   
   
   
   

5. RAG
   RAG（Retrieval Augmented Generation）
   中文：
   检索增强生成
   解决问题：
   大模型不知道你的企业知识
   
   
   
   
   

6. Embedding（向量）
   把文字转换成数字向量。
   

7. 向量数据库

8. Prompt（提示词）

9. Function Calling（工具调用）
   让 AI 调用程序。
   

10. AI Workflow（工作流）
    把多个 AI 节点串起来。
    

11. AI 开发框架

rules和skills