企业官网建设流程全解析

工程建设信息网站,开发工具有哪些,邢台123最新招聘信息,开发一套网站价格本文从前端开发角度全面介绍AI Agent开发所需知识#xff0c;包括LLM大语言模型基础、Prompt Engineering提示词工程、LangChain.js工具链使用、RAG检索增强生成技术、Agent工作流构建、MCP模型上下文协议以及多模态应用开发。文章详细阐述了各技术要点与实践方法#xff0c;…本文从前端开发角度全面介绍AI Agent开发所需知识包括LLM大语言模型基础、Prompt Engineering提示词工程、LangChain.js工具链使用、RAG检索增强生成技术、Agent工作流构建、MCP模型上下文协议以及多模态应用开发。文章详细阐述了各技术要点与实践方法助力前端开发者掌握AI Agent全栈开发能力构建智能化应用适应人工智能时代的技术需求。开始AI 刚开始出现的时候就是一个 chatbot 聊天对话框后来逐步增加功能可以连网、可以配置 tools 和 MCP 再到 Agent 自定义工作流。有了 Agent 就可以把 AI 应用到各个真实的业务场景中这是一个逐步进化和落地的过程。例如我们程序员最熟悉的 AI 编程就是一个 AI Agent 很好的落地就在这 1 年之间已经广泛应用。Dify 和 Coze 等平台可以直接手动定义工作流配置出一些个性需求的 AI Agent 并发布使用。8 月底国家颁布了“人工智能”的行动意见无论是中国还是世界的 AI 应用将会在未来 10 年内持续发展遍地开花。我个人也会继续在 AI Agent 领域继续深耕把我擅长的面试、刷题、简历、教程等领域全部 AI 赋能使用 AI 增加效率以更快捷的服务于更多用户。本文站在前端开发人员角度介绍开发 AI Agent 智能体所需要掌握的知识范围供大家参考。LLMAI 的基础是 LLM 大语言模型例如现在大家熟知的 ChatGPT Gemini Claude Deepseek Qwen Grok Llama 等。我们常见的使用方式是在线调用它们的 API 可能要付费购买 token当然也可以本地部署内网使用。LLM 是什么呢当前所有 LLM 的核心简单理解就是预测下一个词。LLM 不是“聪明”也不能理解人话而是“被喂了整个互联网数据然后疯狂**「补全」**”。你设计得越好它补全得越准。LLM 参数就是“记忆单元”像人的神经元参数越多训练成本大、运行成本大也就越“聪明”补全的越准。例如你的输入是“猴子喜欢吃”LLM 会在自己海量的训练数据中计算找到一个列表其中“香蕉”的概率最大它就返回“香蕉”。包括写诗、写代码、画图也是根据 prompt 输入来补全内容只不过不是一个词而是海量数据训练出来的一个结构化输出。包括 Agent 和 tool 也是一种“补全”根据 prompt 去猜测使用哪些 tools 每个 tool 都有描述、参数结构LLM 的两种交互方式Completion 模式纯文本补全 GPT-3 —— 现在基本不用了Chat 模式对话形式输入消息列表输出新内容 GPT-3.5/4MoE 混合专家模式拆分多个子 LLM 总的太大了参数太多了每次只激活其中几个这样运行成本低。 模型微调也是调整其中很少一部分参数改变它的预测取向。Prompt EngineeringAI 的生成内容和质量是严重依赖于 prompt 提示词的你给出的提示词模糊它生成的就一定是模糊的答案。例如我们在使用 Cursor 时一般要写一个 cursor rule 文件规范代码标准这就是提示词的一部分。严格来说Prompt Engineering 提示词工程 并不是什么技能它就是一些沟通方式很容易理解我们可以通过提示词来约束用户的提问如 github copilot 只专注于编程领域问其他问题它不回答。还可以通过 CoT 思维链模式引导大模型按照我们的思路去思考。还可以规范 AI 的输出格式或让 AI 做出一些判断和选择。在实际开发过程中每次调用 AI 请求我们都会认真思考提示词该如何写甚至会使用 AI 写提示词或者在线生成提示词。并不是用户输入什么就原本的传给 AI 接口要做很多包装和转述。LangChian.jsLangChain.js 是前端人员使用 Nodejs 开发 AI 应用的首选它的 LangGraph 可以自定义 Agent 工作流它的 LangSmith 跟踪和分析 Agent 运作流程。LangChain 是一个非常好的开发生态。我此前写过几篇 LangChain 相关的文章可作为学习参考30 行代码 langChain.js 开发你的第一个 Agent使用 langChain.js 实现 RAG 知识库语义搜索使用 langChian.js 实现掘金“智能总结” 考虑大文档和 token 限制RAGRetrieval-Augmented Generation 检索增强生成这是 AI 搜索资料辅助生成答案的有效方式。它的核心步骤是1. 把资料拆分为向量格式存储在向量数据库2. 用户提问时去向量数据库检索相关答案3. 把这些相关答案发送给 AI 配合一起生成最终答案。具体案例可参考我写的博客 使用 langChain.js 实现 RAG 知识库语义搜索对于前端开发人员不太好理解的就是 Vector 向量。Vector 向量就是坐标。生活中常见的有二维、三维坐标方便计算距离。而我们可以把一段文本、图片等转换为多维几百维度坐标float 数组两个坐标的距离如欧氏距离、余弦相似度就是两段文本或图片的相似度。Elastic Search 可实现搜索引擎但它只是关键词匹配例如“教程”关键词匹配不到“课程”它是严格的文字匹配。而向量就能匹配到它是相似度匹配语义搜索。PS.现在 elastic cloud 也有向量存储。Vector store 向量存储技术选型开发阶段用 Chroma部署后切换为 Pinecone 或 Supabase 都有免费试用额度。AgentAgent 是一个综合体它主要包含LLM 大模型负责思考和生成内容一个 Agent 可以有多个 LLM 不同节点配置不同的 LLMworkflow 工作流定义节点、方向、判断以实现 Re-Act 让 AI Agent 自行判断逻辑tools 工具调用外部的服务例如搜索、查询数据库等memory 记忆和存储记录当前对话和用户的关键信息下图是 Flowise 类似于 Dify 和 Coze给出的一个 RAG Agent 工作流配置的示例。MCPModel Context Protocol 模型上下文协议是规定大模型参数和调用的一种协议让 AI 可统一调用第三方的服务。当前我们谈 AI MCP 主要是说各个 MCP server 能够提供的能力例如我之前的文章编程常用的 MCP Server用自然语言写代码 总结了编程常见的 MCP server 。还有我们也要能自己开发 MCP server 以及开发 client 去调用 server 要有这方面的能力可参考我的博客 Nodejs Deepseek 开发 MCP Server 和 Client 踩坑记录多模态现在的 AI 应用不仅仅是文字聊天你可以可以上传图片、PDF、word、甚至音频和视频都可以传给 AI 大模型进行处理。同时AI 大模型也可以生成图片、PDF、音频和视频。即现在的 AI 应用要支持多模态。AI 生成的非文字内容往往通过 Artifact 形式展示。例如使用 Claude 生成一个 HTML 网页它在右侧直接展示了网页渲染效果并且还支持发布上线。不同的 AI 大模型擅长不同的模态形式也有不同的 API 调用方式和参数的写法。其他AI Agent 还在发展之中还有更多的技术需要学习和实践后面我会逐步分享Multi-agent 多智能体架构A2A 协议Agent 和 Agent 之间的通讯协议Context Engineering 上下文工程AG-UI 协议Agent 和 UI 的通讯协议AI时代未来的就业机会在哪里答案就藏在大模型的浪潮里。从ChatGPT、DeepSeek等日常工具到自然语言处理、计算机视觉、多模态等核心领域技术普惠化、应用垂直化与生态开源化正催生Prompt工程师、自然语言处理、计算机视觉工程师、大模型算法工程师、AI应用产品经理等AI岗位。掌握大模型技能就是把握高薪未来。那么普通人如何抓住大模型风口AI技术的普及对个人能力提出了新的要求在AI时代持续学习和适应新技术变得尤为重要。无论是企业还是个人都需要不断更新知识体系提升与AI协作的能力以适应不断变化的工作环境。因此这里给大家整理了一份《2026最新大模型全套学习资源》包括2026最新大模型学习路线、大模型书籍、视频教程、项目实战、最新行业报告、面试题等带你从零基础入门到精通快速掌握大模型技术由于篇幅有限有需要的小伙伴可以扫码获取1. 成长路线图学习规划要学习一门新的技术作为新手一定要先学习成长路线图方向不对努力白费。这里我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。2. 大模型经典PDF书籍书籍和学习文档资料是学习大模型过程中必不可少的我们精选了一系列深入探讨大模型技术的书籍和学习文档它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。书籍含电子版PDF3. 大模型视频教程对于很多自学或者没有基础的同学来说书籍这些纯文字类的学习教材会觉得比较晦涩难以理解因此我们提供了丰富的大模型视频教程以动态、形象的方式展示技术概念帮助你更快、更轻松地掌握核心知识。4. 大模型项目实战学以致用当你的理论知识积累到一定程度就需要通过项目实战在实际操作中检验和巩固你所学到的知识同时为你找工作和职业发展打下坚实的基础。5. 大模型行业报告行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。6. 大模型面试题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我们将提供精心整理的大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。为什么大家都在学AI大模型随着AI技术的发展企业对人才的需求从“单一技术”转向 “AI行业”双背景。企业对人才的需求从“单一技术”转向 “AI行业”双背景。金融AI、制造AI、医疗AI等跨界岗位薪资涨幅达30%-50%。同时很多人面临优化裁员近期科技巨头英特尔裁员2万人传统岗位不断缩减因此转行AI势在必行这些资料有用吗这份资料由我们和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。大模型全套学习资料已整理打包有需要的小伙伴可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】