AI 入门首讲：三层架构拆解核心知识体系

涉足全新领域，首要任务是绘制出该领域的知识全景图。

众多初学者，含笔者自身，初探 AI 深水区时，往往会被海量术语弄得晕头转向。

诸如 ChatGPT、gpt-5.5、Claude、claude opus4.6、Gemini、gemini-3.1pro、DeepSeek、Llama、Cursor、Claude Code、Agent、RAG、向量数据库、LangChain、n8n、提示词工程、上下文工程等概念层出不穷。

故而，搭建一套理解框架以便将这些概念归类定位，显得尤为关键。以下是经与 AI 探讨后提炼出的认知架构图，将上述概念划分为三个层级。

此乃 AI 之“大脑”，是一切智能能力的根源所在。

基座模型虽强却显“狂野”，工程层则赋予其可控性、稳定性与实用性。

简言之：指引模型如何作答

简言之：告知模型知晓何物

简言之：为模型链接外部知识库，抑制幻觉产生

简言之：助模型运行更高效、更节约

简言之：构建 Agent 的作业环境与流程规范

欲深入探究者，可先阅此文：《工程技术：在智能体优先的世界中利用 Codex》[1]

将模型能力与工程技艺封装为用户即开即用的产品形态。

当你在豆包中提问：

“代拟一封明日病假请假条”

概括而言：

特别备注：文中所述提示词工程与上下文工程，绝非仅限人工手写场景。在 Claude Code 等工具内，系统会自动注入系统提示词、工具描述及上下文信息，此皆属工程层范畴。于 Claude Code 中输入/context，即可检视上下文空间内有多少系预设内容。

此为 AI 入门系列首课，愿君探索愉快！