第1篇：认知重塑——Agent与SKILL的本质解构

富奥A 2026-03-03 阅读: 3

本文深入解析了Agent与SKILL的本质区别与协同关系，指出SKILL是Agent的能力原子单元，并详细阐述了SKILL的三层技术模型和从基础函数调用到自主决策技能的跃迁路径。文章旨在帮助读者建立对Agentic AI的核心认知，为后续的架构设计打下基础。

LLM Function Calling Agent MCP 智能体
要点:
  • Agent与SKILL的本质区别与协同
  • SKILL的三层技术模型架构
  • 从Function Calling到Agentic SKILL的跃迁
  • 构建认知锚点的三个第一性原理

第5篇：工程化——RAG与Agent的深度融合

卿羽飞 2026-03-03 阅读: 2

本文探讨了RAG与Agent的深度融合，分析了Agent需要RAG来解决长期记忆、领域知识和情景记忆等需求，介绍了Agentic RAG的主动检索机制，并提出了生产级Agent记忆系统的三层架构设计。

LLM LangChain RAG 向量数据库 Agent
要点:
  • Agent面临三类记忆需求
  • Agentic RAG实现主动迭代检索
  • 记忆系统分为三层架构
  • 实战代码展示记忆系统构建

AI 概念：LLM、Agent、Skills、MCP分别是什么

环球网 2026-03-03 阅读: 1

文章通过职场新人入职的比喻，系统解释了AI领域的四个核心概念：LLM是大脑，Agent是执行者，Skills是具体工具，MCP是连接标准。这四者构成了AI从思考到行动的完整能力链条。

LLM 大语言模型 Agent Skills MCP
要点:
  • LLM是核心大脑但缺乏行动力
  • Agent具备自主规划和执行能力
  • Skills是Agent执行任务的具体工具
  • MCP是连接数据和工具的通用协议
  • 四者构成从思考到行动的进化链