我观察身边人们使用 AI 分为四个层次：

下面的比例是个人体会，仅用于自我定位。

1. 初级（约 65%，AI 使用率 ≈ 15%）
   把 AI 当聊天与搜索：日常问答、资料查询、摘要/润色、续写等。
2. 中级（约 20%，AI 使用率 ≈ 30%）
   会根据不同模型的优缺点“对号入座”，并开始使用一些辅助工具。
   工具本质上分三类：

• 转接大模型：如“代聊”类小工具，本质是「提示词 + 大模型」。
• 垂直RAG知识库 + 大模型：如法律、医疗等领域模型/知识库。
• AI 智能体（Agent）：如 Cursor、Perplexity，通常由「一个或多个大模型 + 提示词 + RAG 知识库」组成。

3. 中高级（约 15%，AI 使用率 ≈ 70%）
   能自制 AI Agent 做自动化；管理知识与技艺；编写系统提示词提升回答质量。

4. 高级（约 5%）
   能进行微调/训练，把模型与业务深度结合，做端到端系统。

   本文主要针对第 2、3 层且愿意投入时间学习的读者。授人以鱼不如授人以渔；任何忽视学习成本与效用的“神工具”教程都是不负责任的。

---

先理清几个关键概念

1. 如何把大象放进冰箱？——拆解任务

理解 AI 工具，首先要理解“任务拆解”。人类直觉的一步，在 AI 里往往要拆成多步：
1）从知识库提取“大象/冰箱”的图文；
2）识别与定位；
3）打开冰箱门；
4）把大象放进去；
5）关门。
任何环节都可能出错：记忆缺失、调用工具失败、数据传输错误……这些都是当前许多 Agent 会遇到的真实问题。

2. 聊天模型，还是推理模型？

大模型大致有两类能力取向：

• Chat（对话/知识问答）：擅长交流、检索式回答与整理。

• Reasoning（推理/规划）：擅长多步推理、工具选择与任务分解。
  多数厂商会同时提供面向聊天与推理的不同模型版本。

  AI Agent智能体需要用推理模型

3. MCP 是什么？为什么重要？

MCP（Model Context Protocol）是近半年在社区里热起来的概念，用于标准化“模型如何安全地发现与调用工具/资源”，可理解为给模型一个统一的 USB-C 接口。它在如何“接入更多真实世界能力”上很关键。现有的应用程序都可以包装成mcp接入到大模型，关键看是否有合作关系。

---

图中prompt和记忆大都是内置在模型或者工具里的，不开发智能体则不用了解。

那么，Agent 如何连接工具的？常见的三种方式：
1）MCP：大模型调用各种打包成mcp接口的工具；
2）API：自行封装接口，适用于自建agent（门槛较高）；
3）内置工具：平台托管（数量有限，比如chatgpt就只有10来个工具调用）。

就效用和学习成本来说，我强烈推荐 “大模型 + MCP” 的方式：

• 目前最好用的是 Claude + MCP 调用各种工具执行命令；
• 国产替代可考虑 TRAE 或者 Curser +MCP

---

我用「大模型 + MCP」在做什么？

1. 控制 Mac/Windows 做自动化（注意隐私与权限）
   执行系统与常见应用的自动化，解放双手：批量新建/查找/删除/整理文件、配置运行环境、设置日历提醒、编写脚本与小程序等。第三方应用若无直连接口，可结合自动化/脚本完成。
2. 提高检索与“联网”质量
   聊天大模型下面的联网功能并不像大家想的那样可以搜索到全网所有的信息，可以说大部分的信息是搜索不到的，所以才会出现答案不如意的情况。如小红书、抖音（只有豆包能搜）、公众号（只有元宝能搜）、淘宝、地图、学术数据库等都是抓取不到的。
   而借助 MCP 生态可打通更多检索通道：如 Google Scholar MCP、高德地图 MCP、自动化控制浏览器 MCP、爬虫 MCP 等。
3. 协助使用复杂专业工具

• Word MCP：格式规范与版式批量化；
• Excel MCP：公式/脚本/算法辅助；
• Obsidian MCP：知识库整理与反向链接维护；
• Zotero MCP：文献管理与引用；
• Figma MCP：原型与界面辅助设计，
• n8n MCP: 协助开发智能体。

4. 拥有“可迁移”的长期记忆
   大模型的长期记忆问题一直没有得到很好的解决，可能记忆最优的还是Chatgpt。那如何在任何模型和IDE工具里（TRAE就是这类工具）都拥有长期记忆呢？可以使用memory mcp或者openmemory mcp。
5. 低门槛使用开源成果
   借助 GitHub MCP，可搜索开源项目，并结合其他 MCP 自动完成下载、安装、配置与上手教学，显著降低尝试成本，打开新世界大门。

AI大模型从0到精通全套学习大礼包

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

只要你是真心想学AI大模型，我这份资料就可以无偿共享给你学习。大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！

如果你也想通过学大模型技术去帮助就业和转行，可以扫描下方链接👇👇
大模型重磅福利：入门进阶全套104G学习资源包免费分享！

01.从入门到精通的全套视频教程

包含提示词工程、RAG、Agent等技术点

​

02.AI大模型学习路线图（还有视频解说）

全过程AI大模型学习路线

​

03.学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

04.大模型面试题目详解

05.这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

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，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌，构建起"前沿课程+智能实训+精准就业"的高效培养体系。

课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！

应届毕业生‌：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓