**为什么要做这个名词大扫盲？ **
「智能OnCall Agent」项目涉及了很多 Agent 的技术，比如LLM、Agent、Prompt、MCP、Tools、Function calling、RAG 等等，考虑有一些同学可能之前对 Agent相关的技术不太熟悉，所以在学习项目之前，先给大家科普一下项目中涉及的技术，先让大家对 Agent 开发涉及到的技术有一个大体上的认识，这样后续在学习项目的时候，会更容易上手一些。
[!WARNING] 可以在本章看完后，去旧文档看看以前的评论，也值得学习 [必看：AI名词扫盲](/oncall/智能 OnCall Agent 项目/旧文档备份/必看：AI名词扫盲/)
前两章讲了大模型的底层逻辑，也讲了怎么写好 Prompt。到现在，你已经知道大模型是个"超级大脑"，能理解意图、会逻辑推理、能生成高质量内容。 但它只有嘴、没有手：它能说"你应该查一下慢查询日志"，但它自己查不了；它能分析"这个 API
上一章你已经知道了，一个工具 = 函数本体 + 名称 + 描述 + 参数定义，大模型靠工具描述来判断要不要调这个工具。 但这里有个关键问题还没解决： 大模型做出「要调这个工具」的决策之后，它怎么告诉 Agent 去执行？ 大模型只会"说话
前几章我们把 Agent 的工具体系搭清楚了：Function Calling 让大模型能开口下指令，MCP 让工具标准化接入，Skills 让专业知识按需加载。到这里，Agent 能干活了，工具也能跑起来了。 但有一个根本问题，前面几
我们从最基础的大模型、Prompt，一路学到了 Agent、Function Calling、MCP，前面这些技术在咱们之前的「智能OnCall项目」中都有用到。 不过，从 26 年初开始，AI 圈子又出了个叫 Skills（技能） 的
你有没有遇到过这种情况。 让 AI 帮你整理电脑里的文件，它给你写出一整套整理方案，分类规则写得头头是道，但最后还是得你自己一个个打开文件夹、手动移动；让它帮你查今天的天气，它说「我的知识截止到某年某月，无法获取实时天气」；让它帮你订明天
!NOTE 这篇属于项目之外的读物，不学也不影响学习后续的 oncall agent项目的学习。 目的是帮助大家理解「Prompt 工程、Context 工程、Harness 工程」 最近圈子里又冒出来一个新词，叫「 Harness E
!NOTE 这篇属于项目之外的读物，不学也不影响学习后续的 oncall agent项目的学习。 目的是帮助大家理解「Loop 工程」 大家好，我是小林。 不知道你有没有跟我一样的感觉：AI 圈造新词的速度，已经超过我学习的速度了。 前
上一章讲完了 Function Calling，大模型通过标准化的 JSON 格式，告诉 Agent 要调哪个工具、传什么参数。到这里，你已经理解了工具是什么、工具怎么被调用起来。 但实际开发 Agent 的时候，你会很快遇到下一个麻烦：
上一章你已经搞清楚了大模型的底层逻辑：它是一个超级助理，你通过 messages 列表把内容传给它，它根据你给的上下文预测并生成回答。 但这里有个现象你可能早就发现了： 同一个大模型，不同的人用，结果天差地别 。有人问出来的答案精准、稳定
上一章 RAG 里，在介绍 RAG 工作阶段的时候，说把向量存进「向量数据库」，当时一带而过。 <image token=“LJjZbg1WpoCxPVxndRkcz7Gynfc” width=“1620” height=“930” a