DeepAnalyze开源大模型：基于Ollama的轻量级Llama3文本解构方案，MIT协议可商用
2026/3/18 17:07:19
文章解释了AI Agent与普通AI的区别：普通AI像顾问提供建议，Agent像助理帮你完成任务。Agent是预设了目标、角色、规则和格式的"专用AI"，本质上是可复用模板。用户可通过平台获取或自行创建，针对特定需求（如行程规划、会议纪要）提供高效解决方案。简言之，聊天窗口的AI负责回答，Agent负责办事，是提高AI实用性的有效工具。
之前我开始去学 AI的时候，最常听到一个词：Agent / AI Agent（智能体）也听一些人说“我用这个 agent”“我又换了一个 agent”。我当时真的一脸懵：这到底是什么？跟我平时打开聊天窗口跟 AI 对话，有什么区别？
后来我跟GPT去聊天，然后明白了：
普通 AI 更像顾问——告诉你怎么做；Agent 更像助理——帮你把事情办完。
1）最容易混淆的点：我打开聊天窗口，其实在用什么？
我们在豆包、ChatGPT 里直接打开一个聊天窗口，这时候是在用平台的默认聊天助手：
你问，它答；你要建议，它给方法；偏通用对话、通用能力。
它当然很强，但更像“随叫随到的顾问”。
2）那 Agent（智能体）到底是什么？
你可以把 Agent 理解成一种**“专用模式的 AI”：
它不是从零开始陪你聊天，而是提前设置好了**：
- 任务目标（它要帮你完成什么）
- 角色定位（它以什么身份协助你）
- 规则/流程（它按什么步骤做事）
- 输出格式（给你什么结构化结果）
- 有时还会配好工具能力（比如检索、表格、文档、日程等）
所以你一打开它，就像打开一个“专门干这件事的助手”，直接进入任务，不用每次从头写 prompt（提示词）。
3）为什么说把 Agent 叫“模板”更好理解？
因为很多 Agent 本质就是：把一套可复用的配置打包好。
你不用自己从0设计流程，它已经把常见步骤和交付标准准备好了。
常见的例子：
- 旅行 Agent（行程拆解、预算、打包清单）
- 会议 Agent（纪要、待办、跟进邮件）
- 下棋/学习 Agent（规则固定、反馈固定）
你只需要把信息丢进去，它就按“默认工作流”输出。
4）那这些 Agent 从哪来？
一般两种来源：
1）平台方提供：官方内置/推荐，点开就能用
2）用户或开发者制作：把自己做好的智能体公开分享，别人直接复用。
PS: 未来你也可以自己尝试做agent，上传到平台（豆包/GPT等）。
所以现在我再听到别人说“我换了一个 agent”，我会自动翻译成一句大白话：
他不是换了一个更会聊天的 AI，
而是换了一个更适合某个任务、能更好帮他把事情办完的智能体。
5）我的一句话总结
- 聊天窗口里的 AI：主要负责回答
- Agent（智能体）：主要负责办事
如果你也是 AI 小白，别被英文术语吓到。
你就记住这条：当你想“把事做完”，Agent 往往更省心。
（你也可以在评论区告诉我：你最想用 Agent 帮你“办完”的那件事是什么？）
如何系统的学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
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。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
01.大模型风口已至：月薪30K+的AI岗正在批量诞生
2025年大模型应用呈现爆发式增长，根据工信部最新数据：
国内大模型相关岗位缺口达47万
初级工程师平均薪资28K（数据来源：BOSS直聘报告）
70%企业存在"能用模型不会调优"的痛点
真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！
02.大模型 AI 学习和面试资料
1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工
📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。