这篇文章不是教程，不是测评，也不是"手把手教你搭建 AI Agent"。
这是一篇反思文。
过去一个月，我写了十几篇技术解析——从 Transformer 的数学原理到 DeepSeek-R1 的推理机制，从 MoE 的稀疏激活到 GRPO 的训练算法。那些文章在回答一个问题：AI 是怎么工作的？
但最近的一些经历让我想写一篇不一样的东西。
我自己也在学 Agent、配 MCP、搭工作流。但学着学着，心里冒出一个挥之不去的问题：我到底要用它来做什么？
每个人关心的方向不同。有人喜欢做应用，有人喜欢研究商业。而我个人，更着迷于 AI 的原理、架构和数学——那些不随热词更替而改变的东西。所以才做了这个公众号，想把自己的思考分享出来，给同路的小伙伴们一些参考。
这篇文章没有标准答案，只是我最近的一些真实想法。
从一个朋友的故事说起
前段时间，一个做产品经理的朋友兴奋地跟我说：“我花了整整一个周末，搭了一个 AI Agent 工作流，自动抓取竞品信息、生成分析报告、发到飞书群里。”
我说：“挺厉害的。然后呢？”
他愣了一下：“然后……然后我发现，报告发出去之后，没有人看。”
我们都笑了。但笑完之后，他说了一句让我想了很久的话：
“我好像花了一个周末，非常高效地做了一件没人需要的事情。”
这就是我写这篇文章的原因。
第一章：一张你需要的地图 🗺️
先理清关系
如果你也被这些词搞晕了，不怪你——我一开始也是。理了一阵，画出了这么一张图：
最外层： 你用的产品——ChatGPT、Claude、豆包、Kimi
中间层： Agent、MCP、RAG、Skills、Coze、Dify——所有热词都在这里
核心层： LLM（大语言模型）——GPT-4、Claude、DeepSeek、Qwen——这是真正的引擎
底层： Transformer 架构、深度学习——几十年积累的数学和工程
看到了吗？所有热词都在中间那一层。 它们不是 AI 本身，它们是 AI 的使用方式。
我不是在贬低它们——使用方式当然重要，很多人在这一层做出了非常优秀的产品。只是从我个人的兴趣出发，我更想搞明白下面两层——引擎是怎么转的。
第二章：那些热词到底是什么？ 🔍
我试着用自己的话解释
这些概念刚开始接触时都挺绕的。我尝试用自己理解的方式重新说一遍，不一定完全准确，但可能更容易消化：
Agent（智能代理）
官方说法：“能自主规划、使用工具、多步骤完成复杂任务的 AI 系统。”
我的理解：本质上是一个 while 循环——反复问 LLM “下一步做什么”，执行完再问，直到任务完成。
不是魔法，不是通用人工智能。是一个循环。但这个循环里的"判断"由 LLM 做，所以它能处理以前需要写无数 if-else 才能覆盖的情况。
MCP（Model Context Protocol）
官方说法：“AI 的 USB-C 接口。”
我的理解：一套 JSON 格式的规范，让 AI 应用和外部工具用同一种"语言"对话。
以前，每个 AI 应用想连数据库，得自己写一套接口。100 个应用 × 50 个工具 = 5000 个接口。MCP 说：大家都按我这个格式来，100 + 50 = 150 个接口就够了。
它解决的是标准化问题，不是技术革命。就像 USB 没有发明数据传输，但它统一了接口。
RAG（检索增强生成）
官方说法：“让 AI 具备实时知识检索能力。”
我的理解：AI 回答前先搜一搜你给它的资料库，然后把搜到的内容和问题一起丢给 LLM。
就像考试时允许翻书。AI 本身的"知识"有截止日期，RAG 让它能查你公司的内部文档、最新的网页内容。
Coze / Dify / FastGPT
我的理解：可视化的 Agent 搭建平台——拖拖拽拽就能把 LLM 和各种工具串起来。
降低了门槛，让不会写代码的人也能做 AI 应用。但它们的能力上限，取决于底层 LLM 的能力上限。
Skills / Function Calling / Tool Use
我的理解：让 LLM 告诉你"我想调用某个函数"的机制。
2023 年叫 Function Calling，2024 年叫 Tool Use，2025 年叫 Skills，再加上 MCP。换了三个名字，本质是同一件事。
第三章：Manus 启示录 💥
一夜爆火
2025 年 3 月，一个叫 Manus 的 AI Agent 产品刷爆了所有科技媒体和朋友圈。创始人季逸超发布了令人震惊的 demo——Agent 自主浏览网页、创建 PPT、搭建网站。邀请码一码难求，全网 FOMO。
三天后，开源社区在 3 小时内做出了替代品 OpenManus，拿到了 5.5 万颗 GitHub 星。
这件事让很多人兴奋，也让我陷入了思考。
三个触及本质的问题
第一个问题：如果 3 小时就能复制，壁垒在哪里？
OpenManus 用 3 小时复制了 Manus 的核心功能。这说明：Agent 的技术壁垒极低。
真正的核心能力——理解、推理、生成——全在底层的 LLM 里。Agent 框架只是一层薄薄的胶水代码。
这不是在贬低 Agent 开发者的工作。 胶水代码的设计可以很精巧，用户体验可以天差地别。但如果有人告诉你某个 Agent 产品有"护城河"——你可以多想一想。
第二个问题：为什么 demo 总是比真实使用好看得多？
所有 Agent 的 demo 展示的都是"一切顺利"的情况——精心挑选的任务、受控的环境、测试过无数次的流程。
真实场景里呢？网页结构突然改版、弹窗挡住了按钮、网络超时、API 返回了意料之外的格式……Agent 会懵。Claude Computer Use 的官方文档自己写着：“延迟可能过高”、“坐标输出可能产生幻觉”。
2024 年的 Devin 也是前车之鉴——号称"世界第一个 AI 软件工程师"，估值 20 亿美元。社区实测后发现，效果远不如宣传。
我不是说这些产品没有价值。 而是说——目前真正能稳定工作的 Agent，都有一个共同点：人在循环里。 开发者能实时审查每一步输出的编程 Agent（Claude Code、Cursor）之所以最成熟，恰恰因为"人类监督"是内建的。
第三个问题：那些花了一个周末搭 Agent 工作流的人，他们解决了什么问题？
回到文章开头那个朋友的故事。他搭了一个完美的自动化流程，但没人看那些报告。
问题不在于 Agent 搭得好不好。问题在于——在搭之前，他没问过自己：这个报告是给谁的？他们需要知道什么？这些信息会影响什么决策？
工具越来越强大，“该用它来做什么"这个问题反而越来越重要了。
第四章：一个让人不安的历史规律 ⏳
如果你经历过互联网时代，这一切似曾相识
现在，让我带你做一次时间旅行：
2000 年代——企业软件的热词是 ESB（企业服务总线）。每个厂商都说：“你需要一个 ESB 来连接所有系统！“公司花了大笔预算采购。后来呢？微服务架构出来了，ESB 没人提了。
2010 年代——热词变成了 SOA（面向服务架构） 和 CORBA。“统一所有服务接口！“后来呢？REST API 出来了，简单到不需要中间件。
2020 年代——AI 的热词是 Agent 框架、MCP、LangChain。“连接 LLM 和你的业务！”
我不是在预言 MCP 或 Agent 框架一定会消失。而是想说——每一代中间件都有它存在的合理性，但它们最终都会被底层平台的进化所吸收。
中间件的生命周期：
新技术出现，与现有系统不兼容
↓
中间件诞生，充当"翻译官"
↓
中间件标准化，成为"热词" ← 我们正在这里
↓
底层平台强大到直接集成中间层功能
↓
中间件被吸收，变得无形
想想看：
- 为什么需要 MCP？因为 LLM 不能直接访问你的数据库。
- 为什么需要 Agent 框架？因为 LLM 不能直接规划和执行多步任务。
- 为什么需要 RAG？因为 LLM 的知识有截止日期。
但如果 LLM 的上下文窗口大到可以装下所有文档呢？ 如果 LLM 原生支持所有工具调用呢？如果 LLM 的推理能力强到可以自主规划复杂任务呢？
那些"中间层"就会像 ESB 一样，安静地退出舞台。
但请注意——我说的是"最终”。 在"最终"到来之前，这些中间层有真实的价值。关键是不要把整个职业生涯押在一个可能只有 3-5 年寿命的中间层上。
第五章：一个更深层的问题 🤔
当技术不再是瓶颈
前面四章是技术梳理。这一章是我自己这段时间一直在想的事。
在学了这么多 AI 技术之后，我越来越感到一个反差：
AI 的工具能力在飞速进步。
它能写代码了、能做 PPT 了、能分析数据了、能搜索信息了、能翻译文档了、能自动回复客户了。
但"该做什么"的能力——这不是 AI 的能力，是人的能力——并没有变化。 甚至，因为执行成本变得越来越低，决策失误的代价反而变大了：AI 会高效地在错误的方向上全速前进。
过去，技术能力是瓶颈。你想做一个网站，得学 HTML、CSS、JavaScript。你想分析数据，得学 SQL、Python。技术限制了你能做什么。
现在，AI 正在消除这些技术瓶颈。但一个新问题浮出水面——一个我们一直假装不存在的问题：
当你可以做任何事的时候，你到底想做什么？
人的判断力，在 AI 时代反而更重要了
Agent 可以自动浏览 100 个网页。但该浏览哪 100 个？ 这需要人来判断。
MCP 可以连接你的所有系统。但连接之后要解决什么问题？ 这需要人来判断。
RAG 可以让 AI 检索你的知识库。但知识库里该放什么、怎么组织？ 这需要人来判断。
LLM 可以生成任何文本。但该生成什么、给谁看、解决什么需求？ 这需要人来判断。
这不是一个技术问题。这是一个关于我们每个人自己的问题。
我自己也陷入过这种模式：不断学习新工具，好像学完就安心了。 学完 LangChain 学 Dify，学完 Dify 学 MCP，学完 MCP 学 Agent——工具永远有新的，但最核心的那个问题一直没有回答。
后来我想明白了：我真正感兴趣的不是这些工具，而是它们背后的 LLM 到底是怎么工作的。想通这一点之后，焦虑感就消失了大半。
第六章：那什么才是不变的？ 🔭
我自己的三个选择
这不是建议，只是我在这场热潮中给自己定的方向。分享出来，希望有共鸣的朋友觉得有用。
1. 我选择花更多时间在引擎上，而不只是方向盘上
LLM 是引擎，Agent/MCP/RAG 是方向盘和仪表盘。方向盘每几年换一个设计，但引擎的工作原理——注意力机制、概率分布、梯度下降、MoE——这些一旦理解了，心里就踏实了。
这也是我做这个公众号的初衷：不是教谁用什么框架，而是把自己学原理的过程记录下来，给同样对"底层"感兴趣的朋友一些参考。
2. 判断一个 AI 产品时，我会问自己一个问题
“去掉 LLM 之后，还剩什么？”
如果答案是"一个普通的自动化脚本”——那它的价值可能主要来自底层 LLM，而不是产品本身。
如果答案是"对某个领域的深刻理解、独特的数据、不可替代的用户关系”——那它的价值更独立。
3. 比起追工具，我更想搞清楚自己关心什么
每个人的答案不一样。有人热爱应用，有人热爱商业，都好。我碰巧是对数学和原理着迷。想明白这一点之后，面对满屏的新工具新框架，焦虑感就少了很多。
结语：热潮之下
2000 年，所有人都在谈论 “dot-com”。大部分公司死了，但互联网留下了。
2017 年，所有人都在谈论 “区块链改变一切”。大部分项目消失了，但加密技术留下了。
2025 年，所有人都在谈论 “AI Agent 改变一切”。
大部分 Agent 框架会消失。但 LLM 的能力会留下——它们会被吸收进操作系统、进浏览器、进每一个应用的基础设施里。到那时，没有人会再说"我在用一个 Agent”，就像今天没有人说"我在用一个 REST API"一样。
那时候真正留下的是什么？
我不知道。但我隐约觉得，不是某个框架的使用技巧。
也许是我们在这场热潮中，有没有停下来想过：对我来说，什么事情是真正重要的？
这个问题，AI 不会替我们回答。
它是我们自己的。
📚 延伸阅读
- MCP 官方文档：modelcontextprotocol.io
- OpenManus（Manus 开源替代）：GitHub（55.4k ⭐）
- 前文：DeepSeek-R1：一个模型如何学会思考 — 模型层面的真正突破
- 前文：MoE：671B 参数只用 37B 的秘密 — 架构层面的真正创新
- 前文：为什么把模型做大就能变聪明？ — 从过拟合悖论到压缩即智能
📌 后续文章暂存清单（规划中）：
- 从 RLHF 到 GRPO：大模型训练的三次革命
- 蒸馏：大模型如何"教"小模型
- Attention 进化：从标准注意力到 MLA
- Transformer 会被取代吗？—— Mamba 与混合架构
博客：https://Jason-Azure.github.io/ai-blog/
微信公众号：AI-lab学习笔记
