AI什么时候开始火的起来的，你还记得么？
我印象中好像从2023年听到 chatGPT开始，AI开始进入大众视野，但是由于特殊原因，很多国人并没有真正接触和了解，直到到2024年底DEEPSEEK出来，国人全都知晓了，一时间 各种Kimi、豆包、元宝、千问、文心啥的层出不穷，大家都在各种工具上玩问与答，甚至完成些小创意，写代码，配音，画图，制作视频啥的，2025年可以说是中国开启的AI元年了。时间来到2026年， Clawdbot（小龙虾）又爆火，把智能体带入一个新高度。
但是自从AI火了后，网络就有各种教程、知识、应用，各种名词也层出不穷，搞的人一头雾水。因此，我试图学习、理解、并记录这些名词的意思，以及他们互相的关系。(会不断新增)
这些AI名词你知道几个？
AI 、 AIGC、AGI、ASI、NLP、LLM、GPT、chat-gpt、 openAI、kimi、GLM、minimax、Llama、 MCP、 RAG、Agent、Agent Skills、 transformer、 token、 manus、 clowdbot、Moltbot、OpenClaw、CoPaw、Cursor、ClaudeCode、Opencode、GeminiCLI、Codex、ollama、Hugging Face、voxyz、Obsidian ，workflow、LangChain、Dify、N8N、Coze、ComfyUI、Prompt、Context、Harness
概念类
AI: 就是 人工智能的统称， 涵盖了这一领域所有东西。
AIGC: 就是指AI生成特定内容，比如 代码、图片、音乐、视频等。
AGI: (通用人工智能)， 全能型的人工智能形态，可以拟人完成各种协助和任务处理，代替人完成许多事情。暂时还是个方向和概念，业界认为短则十年，长则数十年才能到达这个程度。
ASI(超人工智能)。。。。不想扯远了，就是说比人还厉害了。
以上这一堆，基本就是人工智能相关的概念而已，听着一个比一个唬人，听听就得了
底层原理类
NLP: (自然语言处理)：将人类的自然语言转换成电脑能懂的指令，相较传统语音交互，技术上已经是水分岭。
LLM:（大语言模型,Large Language Model，缩写LLM）：则是基于海量语料和超大参数规模训练的语言模型，能够理解和生成自然语言。当前主流的 LLM（如 GPT 系列、BERT、Claude、文心一言、豆包、千问、KMINI、minimax、GLM 等）。他们几乎都以 Transformer 作为底层架构。
Transformer：（大语言模型架构），它本身并不是大语言模型（LLM），而是一种深度学习架构，最早由 Google 在 2017 年提出，用于高效处理序列数据。它的核心是自注意力机制（Self-Attention），能够并行捕捉序列中任意位置的依赖关系，突破了早些年的 RNN/LSTM 架构在长距离依赖和训练效率上的瓶颈。
GPT，全称Generative Pre-training Transformer，是OpenAI开发的一种基于Transformer的大规模自然语言生成模型。
chatGPT: ChatGPT由OpenAI公司于2022年11月30日发布。同时由OpenAI开发的GPT-3.5模型基础上，ChatGPT通过无监督学习与强化学习技术进行调节，并提供了客户端界面，通过客户端支持用户与模型进行问答交互。ChatGPT不开源，但通过WebUI为用户提供免费的服务。
openAI: 就是家公司。
LLM: 大模型类，AI的大脑。
这就是普通用户基本上都智晓的。前6是主流的国产货，顶一个，后面几个是国外的。
| 模型名 | 核心关键词 | 综合实力 | 最佳适用场景 | 推荐人群 |
|---|---|---|---|---|
| GLM (智谱) | 全能、Agent、学术 | ⭐⭐⭐⭐⭐ | 复杂推理、企业开发 | 开发者、企业、科研人员 |
| Qwen (通义) | 开源第一、性价比 | ⭐⭐⭐⭐⭐ | 私有化部署、长文档 | 开发者、中小企业 |
| DeepSeek 深度 | 数学代码、极低价 | ⭐⭐⭐⭐ | 编程辅助、逻辑分析 | 程序员、极客 |
| Kimi 月之暗面 | 长文本、体验好 | ⭐⭐⭐⭐ | 读论文、搜资料 | 学生、白领 |
| 豆包 字节 | 语音、流量、生态 | ⭐⭐⭐⭐ | 语音对话、日常娱乐 | 大众用户 |
| MiniMax 稀宇科技 | 创意、多模态 | ⭐⭐⭐ | 角色扮演、生成 | 创作者、游戏开发者 |
| chatgpt(openAI) | ||||
| gemini（google） | ||||
| xAI – Grok（马斯克的） | ||||
| Llama（meta） |
智能体类
MCP:AI 的 “万能连接器”，打破工具壁垒。
MCP（模型上下文协议 / 模型控制平面）的核心价值是 “标准化连接”。它就像为 AI 打造的 “万能插座”，不管是电脑文件、企业数据库，还是微信、天气 API 等外部工具，都能通过统一标准接入 AI，不用为每个工具单独开发适配接口。
RAG:（检索增强生成）的核心是 “先查资料再作答”，专门解决 AI 的 “幻觉问题”。
简单说，RAG 让 AI 的回答有 “据” 可依，既保证准确性，又能覆盖实时、专业的知识。它就像给 AI 配了一个专属知识库，用户提问后，AI 不会凭记忆硬答，而是先把问题转化为 “语义标签”，从外部知识库（产品手册、行业报告、实时数据等）中检索相关信息，再整合生成答案。
Agent:(Agent就是智能体)，一般是通过提示词或工作流，主动帮我们完成某种类型的特定工作。比如这些腾讯元器的智能体，字节跳动的扣子智能体平台等等。
普通 AI 只能 “问一句答一句”，而 Agent 能理解用户的复杂需求后，自动拆解步骤、调用工具，直到完成任务。其中的每个Agent，都是为了解决某种特定任务而设计的。有的可以做PPT，有的会做表格，有的能优化提示词，有的会翻译英语……它们的适用场景，相对单一。
Agent Skills:它是既 MCP 后 Anthropic 推出的又一个 Agent 领域的行业标准。
Skills 的作用就是将那些重复性的、专业的流程进行打包封装。当你需要使用某种能力时，不再需要像过去那样每次都去查阅手册或重新输入冗长的提示词，而是像调用工具一样直接使用。
manus：中国团队做的通用 AI agent，可将您的想法转化为行动，收费的。
Manus 擅长工作和生活中的各种任务，在休息时完成所有事情。Manus可以依托虚拟环境，独立解决各类复杂多变的任务。通过思考和规划，它能自主决策和调用各类工具，直至交付最终成果。2025年底后面被meta公司收购，中国地区使用受限了。
clowdbot 、 Moltbot、OpenClaw： 这3个是一个东西，就是俗称小龙虾（因为Logo就是只小龙虾），只是因为商标啥的问题，最终就统一改成叫 OpenClaw。免费，2026年1月底上线，火的不要不要的。
OpenClaw是一款面向个人与轻量团队的低门槛AI自动化代理工具，前身为Clawdbot、Moltbot，经过版本迭代与品牌整合后，2026年统一以“OpenClaw”作为官方名称，核心定位是通过自然语言指令，替代人工完成流程化、重复性工作，无需用户掌握编程技能，适配多场景自动化需求。它能在 个人电脑（如 Mac、Windows、Linux）上运行，通过 WhatsApp、Telegram、iMessage 等聊天软件接收指令并直接操作电脑完成任务，能直接帮我们处理邮件、整理文件、甚至操作网页，简单来说，Clawdbot 是一个“听得懂自然语言的系统管理员”。并且它的交互的方式直接回归到了用户熟悉的聊天软件之中，就像是与一位同事或朋友交谈那样。此外它同时拥有完整的操作权限与超长记忆，这意味着它是一个专属于个人的AI助理
代码开发工具类
Claude Code： 由 Anthropic公司开发，目前最强。仅限 Claude模型，不开源。
Cursor：一直挺火的代码辅助工具。Cursor 是一款完整的 IDE（基于 VS Code 分叉），深度集成了 AI 能力。Cursor 不是在你的工作流中添加 AI，而是让 AI 成为工作流的核心
Gemini CLI ： google公司的，部份免费。Gemini 是 Google DeepMind 推出的跨模态 AI 系统，集成了代码生成、优化、调试等多种功能。它不仅能生成代码，还能优化现有代码、进行性能调优，并且在深度学习和 AI 项目中提供强有力的支持。
OpenAI Codex：是 OpenAI 推出的 AI 编程助手，能够将自然语言转换为代码，并支持多种编程语言。Codex 的设计理念是通过快速生成代码、自动化常见任务、跨语言转换等功能，帮助开发者节省大量编程时间。
OpenCode ：是一款在终端运行的免费、开源 AI 编程智能体 (agent)。它由 SST (Serverless Stack) 背后的团队构建。
Ollama ：是一个开源工具，专为在本地计算机上快速部署和运行大型语言模型（LLM）而设计。通过简化的命令行操作，用户无需复杂配置即可调用诸如 DeepSeek、Qwen 等主流开源模型
Token: 是模型用来表示自然语言文本的基本单位，可以直观的理解为“字”或“词”；理解成手机流量吧!
工作流编排workflow
输入概述，即向大模型输入内容：
Prompt ：提示词，问的越准得到回复越靠谱，但还是有很多限制。
Context ：上下文，在提问中附带上其它信息，保证多轮对话连续性。但长期运行就会乱套
Harness：约束机制，制定相应的检查和纠正机制，保持长期持续运行。
我也只是记录大致并按类进行了梳理，这让我更好的了解其中的关系。如果您要了解更多，请直接问大模型!