大模型教程

AI Agent（智能体）是近年来人工智能应用的重要突破之一，它让大型语言模型不仅能“对话”，还能“行动”——调用工具、规划任务、与环境交互，实现更复杂的自主智能系统。

今天要深入剖析的 MCP（Model Context Protocol）驱动的智能体化RAG系统，正是为了根治这一痛点而生。它的革命性不在于增加了多少新工具，而在于赋予了AI一个“工具选择大脑”。

知识库，就是让AI学会你说的话、懂你的业务；而个人本地知识库，则是把散落的记忆变成可检索的“第二大脑”——安全、私密、专属，帮你对抗遗忘，释放思考潜能。

嘿，各位 AI 爱好者！如果您曾觉得自己的 AI 项目陷入基本的聊天机器人和过度炒作的 LLM 循环，那就准备好了吧。今天，我们要深入探索 MCP 的狂野世界——对于新手来说，这就是 模型控制协议。

智能体的应用涵盖专业领域问答、资讯整理、角色扮演等场景，极大地提升了用户体验与工作效率。借助智能体开发平台，用户可以轻松打造定制化AI应用，推动AI技术在各领域的广泛应用与深度融合。

今天介绍的开源项目 LangChain-Chatchat（原 Langchain-ChatGLM），便是一个旨在解决这一痛点的强大、全面且实用的解决方案。

在RAG检索增强系统中，有一个很重要的概念就是语义相似度检索，其流程根据用户问题先去知识库中检索相关文档，然后再丢给模型做增强。

今天要介绍的RAGFlow，正是一款将前沿RAG与Agent能力深度融合的开源引擎——无论是个人搭建知识库，还是企业级部署，它都能帮你快速将复杂数据转化为生产级AI系统。

推理模型发展正盛，著名 AI 技术博主 Sebastian Raschka 也正在写一本关于推理模型工作方式的新书《Reasoning From Scratch》。