0. AI 是什么？给萌新的开场课
- AI、机器学习、深度学习、大模型关系
- 先建立“总地图”再学细节
- 引导进入第二、第三部分
Roadmap
三层学习路线（概念 -> 工程 -> 具身）
| 学习层 | 目标 | 适合人群 | 产出 |
|---|---|---|---|
| 第一部分：概念认知 | 建立 AI 与 Agent 的正确心智模型 | 0 基础、业务同学、产品经理 | 能讲清楚“为什么用、何时用、怎么选” |
| 第二部分：深入与实践 | 掌握工程化搭建、评估、上线方法 | 开发者、技术管理者、AI 项目负责人 | 可运行、可评测、可迭代的 Agent 系统 |
| 第三部分：具身智能 | 理解智能体从“软件执行”走向“物理世界执行” | 对机器人、空间智能、实体 AI 感兴趣的读者 | 建立具身智能基础认知与技术路线图 |
Part 1
第一部分：AI 普通概念（先看懂全局）
这部分不追求技术细节，先建立概念地图，再引导进入工程和具身两个方向。
第一部分学完后：如果你更关心“怎么落地”，进入 第二部分（工程实践）；如果你关心“AI 进入物理世界”，进入 第三部分（具身智能）。
没有匹配结果，请换个关键词试试。
单元 A：开场与历史
1. AI 发展史与关键转折
- 规则系统 -> 机器学习 -> 深度学习 -> Agent
- 为什么 2023 后企业部署加速
- 建立时间线判断能力
单元 B：产品与算力基础
单元 C：Agent 概念与场景
Part 2
第二部分：工程深入与动手实践
从模型指标、RAG、工作流、平台选型到上线治理，形成完整工程闭环。
单元 D：模型与工具基础
单元 E：RAG 与 Workflow
单元 F：平台深度与使用技巧
单元 G：行业落地与上线治理
Part 3
第三部分：具身智能（扩展方向）
在完成前两部分后，这里会把你从软件 Agent 带到“感知-决策-控制”的物理世界。
Platform View
平台与背后模型（按层理解，不混淆平台与模型）
| 平台 | 定位 | 背后模型情况 | 推荐场景 |
|---|---|---|---|
| OpenClaw（及同类框架） | 自主执行型 Agent 探索方向 | 通常可按部署接入不同模型（本地或云端） | 浏览器与系统操作自动化、原型探索 |
| Dify | Agent/Workflow 编排平台 | 支持多模型提供商，不绑定单一模型 | 企业流程化应用、RAG 与 API 封装 |
| Cursor | IDE 内 Agent 编程工具 | 支持多模型提供商切换 | 日常编码、重构、批量修复 |
| Claude | Anthropic 模型与应用生态 | Claude 系列模型（如 Sonnet/Opus 代际） | 长文本理解、代码与文档协作 |
| Codex | OpenAI 编程代理能力体系 | 基于 OpenAI 模型家族的代码能力 | 自动化改码、任务分解、开发流程协作 |
Tender Skill Playbook
标书场景 Skill 搭建建议
- Skill A：术语与格式规范
- 统一招投标术语、章节结构、语气与格式，避免输出风格漂移。
- Skill B：招标文件解析
- 抽取资格条款、评分项、硬性要求，形成结构化清单。
- Skill C：方案生成
- 依据条款映射生成技术方案、实施计划与风险保障，并附证据来源。
- Skill D：合规审校
- 检查漏项、冲突、措辞风险，高风险条款强制人工确认。
- Skill E：复盘评估
- 沉淀中标/废标案例，形成 Eval 集合，持续优化命中率与合规率。
References
权威参考（优先官方与论文）
- OpenAI Function Calling 指南
- OpenAI Retrieval 指南
- OpenAI Evals 指南
- MCP 官方介绍
- Dify Knowledge 文档
- Dify Workflow API
- Cursor 官方文档
- Anthropic Claude 模型总览
- RAG 论文（2020）
- Self-RAG 论文（2023）
注：模型和平台能力更新快，建议每月做一次版本校验。