AI 应用指南

本页维护应用层的概念与边界；模型参数见 LLM 基础，具体产品操作从 AI 索引 进入。

从客户端到模型

客户端（Codex / Cursor / Claude Code / 自建应用）
    ↓ 组织对话、执行任务
编排（Agent / Workflow）与能力接入（Tools / MCP / RAG）
    ↓ 可按需经过模型代理
模型服务（云端 API / Ollama 等本地服务）

同一个客户端可以连接不同后端；更换后端不表示会话 ID、工具支持、协议和权限行为完全一致。协议接入见 LiteLLM，Codex 会话定位见 Codex 指南。

Tool、Workflow 与 Agent

概念	谁控制执行	适用问题
Tool	应用或 Agent 调用一个明确的能力	搜索、读取文件、执行计算
Workflow	代码规定节点、条件分支与顺序	可明确描述步骤的流程
Agent	模型结合状态选择下一步动作，应用执行工具	步骤依赖中间结果的任务

三者可以组合：Workflow 的部分节点使用 Agent，Agent 调用 Tools。固定编排不代表每次结果相同，模型输出和外部工具都可能变化。参见 Anthropic：Workflow 与 Agent 的区分 (opens new window)。

Function Calling

模型生成工具名称及参数，应用校验后执行，再将结果返回模型。模型输出一段 JSON 不等于工具已经执行成功。

问题 → 模型提出工具调用 → 应用校验参数与权限
     → 执行工具 → 返回结果 → 模型继续或回答

本地实例见 LangChain + Ollama Agent。工具调用是否可用，需要客户端、接口和所选模型共同支持。

MCP

Model Context Protocol 规定 AI 应用与外部工具、资源等能力的连接方式。MCP 负责能力如何被发现和调用；Agent 决定任务中何时使用这些能力，RAG 则是一种检索后生成的应用流程。

详细定义以 MCP 官方介绍 (opens new window) 为准。Cursor 的产品入口见 Cursor：MCP。

规则、技能与子代理

配置	主要职责	维护位置
规则 / 项目指令	约定格式、代码风格、仓库流程	各产品的规则文件，如 AGENTS.md
Skill	为一类任务提供可复用流程与资源	Skill 实践
子代理	承担委派的任务，具体上下文隔离方式取决于产品	Cursor 等产品文档

这些术语在产品中可能有特定实现，不能把一个工具的配置路径直接用于另一个工具。

按需求继续

需求	详细说明
理解生成、采样、幻觉和提示词	LLM 基础
资料更新、知识库问答、来源追踪	RAG
固化可重复执行的任务方法	Skill 实践
本地模型服务与资源排查	Ollama
模型、数据集加载与训练生态	Hugging Face