夜雨聆风面对铺天盖地的AI新闻——ChatGPT、DeepSeek、Agent智能体、MCP协议——很多人会困惑：这些概念之间到底是什么关系？
这篇文章从底层到顶层，用一张全景图 + 六个层次，帮你建立完整的AI认知框架。
· · ·
▲ 图1：AI技术栈六层架构全景图
· · ·
第 1 层
基础设施 —— AI 大厦的地基
这是整个AI技术栈最底层的物理载体
💡 这就像是建化工厂之前，先要平整土地、铺设管网、接通水电
▲ 表1：AI基础设施四大要素
· · ·
第 2 层
算力 —— AI 的发动机
算力是AI的"燃料"，没有它模型训练和推理都无从谈起
▲ 表2：主流AI算力芯片对比
• 训练算力：GPT-4级别模型训练需要上万张H100跑数月
• 推理算力：模型对外提供服务时计算，比训练轻量但需低延迟
• 分布式训练：将模型拆分到数千张GPU上并行计算
· · ·
第 3 层
模型服务平台（MaaS）
连接算力和模型的中间层，像云计算一样按需取用模型
MaaS = Model as a Service（模型即服务）——就像云计算让我们不需要自建机房，MaaS让我们不需要自己训练模型，直接通过API调用即可。
• API网关：将模型封装成RESTful API，按Token量计费
• 推理加速：通过量化(INT8/INT4)、蒸馏、KV-Cache等技术降低推理成本和延迟
• 模型管理：版本控制、A/B测试、微调(Fine-tuning)、评测管理
• 安全合规：内容审核、数据脱敏、权限控制
国内代表平台：百炼（阿里）、百度智能云、腾讯混元、火山方舟
· · ·
第 4 层
模型 —— AI 的大脑
这是技术栈的核心，直接决定AI的能力上限
4.1 大语言模型（LLM）
最广为人知的AI形态，通过海量文本训练获得理解和生成能力。
▲ 表3：主流大语言模型对比
4.2 多模态模型
不限于文本，能理解和生成图像、音频、视频。
• 文生图：DALL-E、Midjourney、Stable Diffusion
• 文生视频：Sora、可灵、Runway
• 文生3D：Meshy、TripoSR
4.3 推理模型
强调"思考过程"而非直接输出答案，在内部先推演再回答——质量更高但速度更慢。
• 使用 Chain-of-Thought（思维链）逐步推理
• 代表：OpenAI o1/o3、DeepSeek-R1
• 适合数学、编程、逻辑等需要严密推理的场景
4.4 嵌入模型（Embedding）
将文本/图片转化为向量，是RAG（检索增强生成）的基础——让模型能"查阅"外部知识库，而不是只靠训练时的记忆。
· · ·
第 5 层
智能体（Agent）—— AI 的行动力
如果说模型是"大脑"，Agent就是"有手有脚的身体"
Agent = 大模型 + 记忆 + 规划能力 + 工具使用
能自主完成复杂任务的智能体
▲ 图2：Agent核心工作原理
多智能体系统
• 一个Agent负责搜索资料
• 一个Agent负责撰写报告
• 一个Agent负责审核校对
· · ·
第 6 层
应用与能力扩展
⭐⭐⭐ 这是与你日常工作最直接相关的一层 ⭐⭐⭐
📌 6.1 AI原生应用
ChatBot：通用对话助手
Copilot：嵌入具体场景的智能副驾（GitHub Copilot写代码、Office Copilot写文档）
AI Agent平台：可定制业务流程的智能体平台
🔧 6.2 Skills（技能）
Skills是Agent的"专业能力模块"——
一个全科医生（通用AI）有基本诊疗能力，但遇到心脏病时需要心内科专家（Skill）。Skill就是为特定领域注入专业知识和工作流程的模块。
在WorkBuddy生态中：docx处理Word文档、pptx生成演示文稿、xlsx处理电子表格、business-requirement-spec编写需求规格说明书……Skills让通用Agent加载现成的专业模块。
🔌 6.3 MCP（Model Context Protocol）
MCP是AI应用的"USB接口"——
传统：每个AI应用为每个外部系统单独开发连接器 → N×M工作量
MCP：统一协议，AI应用支持MCP，外部系统提供MCP Server → N+M工作量
你正在使用的腾讯文档连接器就是一个MCP Server——它让WorkBuddy能直接操作腾讯文档、智能表格、幻灯片。
⚡ 6.4 自动化与工作流
Automation：定时触发或事件驱动的AI任务
工作流引擎：将多个Agent + Skill + MCP串联为端到端业务流程
Cron任务：按时间表执行的定期任务
· · ·
总结：一张表理清全貌
▲ 表4：六层架构总结对照表
最需要关注的是第五层和第六层——如何用 Agent + Skills + MCP 组合来解决实际的业务问题，以及如何评估不同模型能力来支撑业务需求。底层的基础设施和算力，更多是技术架构师和云平台团队的关注范畴。
AI不是替代人，而是让人做更有价值的事
先理解，再驾驭。
🤔 你觉得哪一层对你的工作影响最大？
欢迎在评论区聊聊你的看法
本文就是AI生成的哈哈哈
