当前位置：首页 > news >正文

一文明白AI、AIGC、LLM、GPT、Agent、workFlow、MCP、RAG概念与关系

news 2025/7/15 11:33:30

1. 大模型基本概念

1.1 AI(Artificial Intelligence,人工智能)

1.2 AIGC（AI-Generated Content，人工智能生成内容）

1.3 LLM（Large Language Model，大语言模型）

1.4 GPT（Generative Pre-trained Transformer，生成式预训练模型）

1.5 Agent（智能代理）

1.6 WorkFlow（工作流）

1.7 MCP（Model Control Plane，模型控制平面）

1.8 RAG（Retrieval-Augmented Generation，检索增强生成）

2 关系

2.1 AI/LLM/GPT关系：

2.2 Agent/workFlow/MCP/RAG关系：

引言：AI、大语言模型(LLM)、Agent、MCP、RAG等各种概念层出不穷，若不深入了解，记忆混淆，本文会详细讲解这些概念和它们之间的关系

1. 大模型基本概念

1.1 AI(Artificial Intelligence,人工智能)

人工智能（Artificial Intelligence，AI）是一门研究如何使计算机具备智能的科学与工程领域。它涵盖了许多不同的技术和方法，旨在使计算机能够模拟和执行人类智能活动，如学习、推理、理解语言等。

1.2 AIGC（AI-Generated Content，人工智能生成内容）

它指的是利用人工智能技术（尤其是大模型，如GPT、Stable Diffusion等）自动生成文本、图片、音频、视频等多种内容。

1.3 LLM（Large Language Model，大语言模型）

LLM代表“大型语言模型”（Large Language Model），是一个广义的术语，它指的是能够理解和生成自然语言的模型。LLM模型利用深度学习技术，通过对大规模文本数据进行预训练和微调，获得语言理解和生成的能力。专注于处理和理解自然语言文本。

1.4 GPT（Generative Pre-trained Transformer，生成式预训练模型）

一种使用深度学习技术训练的自然语言处理模型。GPT模型的核心是Transformer架构。

1.5 Agent（智能代理）

能自主感知环境、决策并执行任务的AI程序，通常基于LLM驱动。规划（Planning）：拆解目标为子任务（如AutoGPT）。工具调用（Tool Use）：使用API、数据库、搜索引擎等（如ChatGPT Plugins）。记忆（Memory）：短期（对话上下文）和长期（向量数据库）。

1.6 WorkFlow（工作流）

将复杂任务分解为有序步骤的自动化流程，可能跨多个模型或工具。

1.7 MCP（Model Context Protocol，模型上下文协议）

管理和调度AI模型的中间件系统，关注资源分配和模型生命周期

1.8 RAG（Retrieval-Augmented Generation，检索增强生成）

结合外部知识检索和LLM生成的混合方法，解决LLM知识静态问题（如回答最新新闻）。

流程：检索：从数据库/文档中查找相关片段（如Elasticsearch）。增强：将检索结果作为上下文输入LLM。生成：LLM输出最终答案。

2 关系

2.1 AI/LLM/GPT关系：

人工智能(AI)是一个大的领域，LLM(大语言模型)是其中的一个子领域，而GPT(生成式预训练模型)是LLM的一种具体实现，DeepSeek模型也是LLM的一种实现。LLM的目标是处理自然语言，而人工智能涵盖了机器视觉、机器学习等。

2.2 Agent/workFlow/MCP/RAG关系：

Agent是“执行者”：自主调用工具完成任务，依赖MCP提供的模型和WorkFlow定义的步骤。
MCP是“资源管家”：确保模型高效运行，支撑Agent和WorkFlow的需求。
WorkFlow是“流程设计师”：编排Agent、RAG等组件的协作顺序。
RAG是“知识扩展包”：为Agent或WorkFlow中的LLM提供实时知识支持。

技术	角色	依赖项	输出目标
LLM	基础推理与生成	算力、训练数据	文本/代码
RAG	知识实时扩展	检索系统+LLM	可信答案
Agent	任务执行者	LLM+工具库	动作决策
WorkFlow	流程编排	多个Agent/模型	端到端结果
MCP	资源调度中枢	分布式系统	高可用服务
AIGC	应用层输出	以上所有	多媒体内容