天天听 MCP、RAG、Agent、微调？大模型圈最火的那些词，一篇讲透
大模型圈最火的那些词，一篇讲透——MCP · ReAct · Agent Loop · Fine-tuning 全图解从聊天机器人到会“动手干活”的 Agent，这两年大模型圈冒出一堆新词：MCP、ReAct、Agent Loop、Fine-tuning、RAG……看着都眼熟，连
面了六个 Agent 岗，RAG 一问就露馅：这 8 个问题，撑不过三轮追问
写在前面上午面了六个 Agent 应用开发岗。简历清一色写得很满：LangGraph、MCP、RAG、多智能体、记忆系统……关键词基本全覆盖。但一聊到 RAG 的落地细节，大部分人撑不过三轮追问。
知识库与 RAG：怎么把 Agent 变成懂你业务的“老员工”？
一个让人血压升高的“瞎编”现场你花了一周时间，用 Coze 或 WorkBuddy 捏了一个“公司行政客服 Agent”。你把它发到了公司群里，得意地向老板汇报：“以后大家关于报销、请假、制度的问题，直接问它就行了！
让 Agent 读 300 份检测报告：本地 RAG 一行命令接入试验知识库
一、先说痛点：300 份报告，AI 读不过来的那部分上一期把 MCP 网关接上了，数据查得动了。这期要解决更头疼的问题：报告本身。我手上一个微电机试验项目，一年下来 300 多份检测报告，PDF、Word、表格三种格式都有，散在本地目录里。
面了六个 Agent 岗，RAG 一问就露馅：这 8 个问题，撑不过三轮追问
AI产品经理认证考纲里为什么必须有 RAG 和 Agent？
翻看七八份AI产品经理认证材料，我发现一个很普遍的矛盾：考试考点，往往和一线项目的真实难点脱节。选择题好出题、方便背诵的内容，很少是项目真正翻车的根源。大模型基础原理、Prompt技巧，背起来容易，考题也好设计。但落地项目里，几乎没人栽在这两件事上。
MCP、RAG、Skills、Agent，一个比喻讲透
最近这几个月，有几个词快把我砸晕了。招人要求上写"熟悉 RAG，有 Agent 开发经验优先"，技术群里有人甩"MCP 生态"，AI 课的广告更狠，说不懂 Skills 就要被淘汰。我一度以为，自己这个在小城市写代码的人，已经被时代甩开了。
私有AI实战20：Agent接入本地RAG，让知识库真正参与任务执行
跟着前面的文章，其实我们已经做了不少工作。本地大模型可以运行了，RAG知识库可以检索文档了，BM25和向量混合检索也有了，Reranker能够重新排列候选资料，Ragas可以评测知识库效果，LangGraph还解决了Agent多步骤执行、人工审批和状态恢复的问题。
RAG、Agent和AI工作流有什么区别？从基础应用到企业AI工程的能力
「RAG解决“依据什么回答”，Agent解决“如何选择行动”，AI工作流解决“任务按什么流程完成”。」 三者并不是互相替代的产品：一个客户分析系统，可以用RAG查找制度，让Agent调用查询和计算工具，再通过工作流安排数据检查、报告生成与人工审批。
刚接触AI时最容易听懵的12个词，Token、Agent到底是什么意思？
前阵子看一些 AI 创作交流群里的聊天，我发现一个挺有意思的现象：大家聊得热火朝天，隔三差五就冒出几个新词。什么 AIGC、Token、Agent，还有人说自己在做 RAG 知识库。这些词单独看，好像也不难，可放在一起，刚接触 AI 的人还真不一定能跟上。