AI 技术生态指南整合 AI/ML/DL 核心概念、模型对比、基础设施与工具链的完整参考。你是否也有这些困惑 GPT、Claude、Gemini、DeepSeek、Qwen…20 模型到底怎么选 MCP 和 A2A 这两个新协议有什么区别谁提出的要学哪个 Agent 开发到底用什么框架LangChain、LangGraph、CrewAI 还是 AutoGen 本地跑大模型需要什么配置A100 还是 RTX 4090 就够了 Claude Code 的 Skill 是什么和 MCP 有什么区别和联系这篇文章就是你的答案 —— 一份2026 年 AI 技术生态全景指南从基础概念到选型速查一篇覆盖。目录层级关系AI → ML → DL → GenAI机器学习范式模型架构演进大语言模型对比多模态模型AI Agent 与工具链推理与部署基础设施MCP / A2A 协议主流 SDK 与框架AI Skill 与 CLI 工具生态向量数据库与 RAG模型微调与定制选型速查1. 层级关系人工智能 (AI) ├── 机器学习 (ML) │ ├── 监督学习 (Supervised) │ ├── 无监督学习 (Unsupervised) │ └── 强化学习 (RL) ├── 深度学习 (DL) │ ├── CNN → 图像 │ ├── RNN / LSTM / GRU → 序列 │ ├── Transformer → 自注意力 │ ├── GAN / VAE / Diffusion → 生成 │ └── GNN → 图结构 └── 生成式 AI (GenAI) ├── LLM (GPT, Claude, Gemini, DeepSeek, LLaMA, Qwen) ├── 文生图 (Stable Diffusion, Midjourney, DALL·E, Flux) ├── 文生视频 (Sora, Runway, Kling, Veo) ├── 文生音乐 (Suno, Udio) └── 代码生成 (Copilot, Cursor, Codex, Claude Code)核心概念区分概念英文一句话定义人工智能AI让机器模拟人类智能的总体学科机器学习ML从数据中学习规律无需显式编程深度学习DL用深层神经网络进行表征学习生成式 AIGenAI能够创造新内容文本、图像、代码等的 AI大语言模型LLM基于 Transformer 的大规模文本生成模型基础模型Foundation Model在海量数据上预训练的通用模型可适配下游任务世界模型World Model对物理世界的内部表征用于预测和规划2. 机器学习范式监督学习使用标注数据(X, y)学习从输入到输出的映射。算法线性回归、逻辑回归、SVM、决策树、随机森林、XGBoost、LightGBM、CatBoost 任务分类、回归 场景风控评分、推荐系统、故障预测、房价预估无监督学习从无标签数据中发现隐藏结构。算法K-Means、DBSCAN、PCA、t-SNE、UMAP、自编码器、Isolation Forest 任务聚类、降维、异常检测 场景用户分群、主题建模、数据可视化、欺诈检测强化学习智能体通过与环境交互以奖励信号驱动策略优化。算法Q-Learning、DQN、PPO、SAC、TRPO、GRPO 框架RLHF人类反馈强化学习、RLAIFAI 反馈强化学习 场景游戏 AI、机器人控制、LLM 对齐、自动驾驶自监督学习从数据自身构造监督信号无需人工标注。代表BERTMLM、GPT自回归、SimCLR、MoCo、MAE 核心思想预测被遮盖部分 / 下一 token / 数据增强一致性3. 模型架构演进按时间线2014: Seq2Seq Attention (机器翻译) 2017: Transformer (Attention Is All You Need) 2018: BERT (双向编码器) / GPT (单向自回归) 2019: GPT-2 / T5 / XLNet 2020: GPT-3 (175B, 上下文学习涌现) 2021: DALL·E / CLIP / Codex 2022: ChatGPT (GPT-3.5 RLHF) / Stable Diffusion 2023: GPT-4 / Claude 2 / Gemini / LLaMA 2 / Mixtral (MoE) 2024: Claude 3 / GPT-4o / Gemini 2 / DeepSeek-V3 / Qwen 2.5 2025: Claude 4 / GPT-5 / DeepSeek-R1 / Gemini 2.5 / 推理模型爆发 2026: Claude Opus 4.6 / 多模态 Agent / A2A 协议 / MCP 生态架构对比架构核心机制代表模型优势劣势Encoder-Only双向注意力BERT, RoBERTa理解任务不能生成Decoder-Only因果注意力GPT, LLaMA, Claude文本生成无法做双向理解Encoder-Decoder交叉注意力T5, BART翻译/摘要效率低MoE稀疏专家混合Mixtral, DeepSeek-V3高容量低算力训练复杂Mamba / SSM状态空间模型Mamba, Mamba-2长序列高效生态小Diffusion逐步去噪SD, DALL·E, Flux图像质量高推理慢混合模型多架构融合Gemini, GPT-4o多模态理解复杂度高4. 大语言模型对比海外模型模型公司定位特点GPT-5OpenAI通用旗舰最强综合能力多模态长上下文GPT-4oOpenAI多模态实时语音/视觉性价比高o4OpenAI推理深度思维链数学/编程极强Claude Opus 4.6Anthropic安全推理安全对齐代码/分析/长文Claude Sonnet 4.6Anthropic平衡速度与能力平衡Agent 友好Claude Haiku 4.5Anthropic轻量低延迟高吞吐Gemini 2.5 ProGoogle通用超大上下文 (1M)多模态Gemini 2.5 FlashGoogle轻量高性价比低延迟Llama 4Meta开源开源标杆可私有化部署Grok 4xAI实时实时信息X 平台集成Command ACohere企业RAG 和企业场景优化国内模型模型公司定位特点DeepSeek-V4深度求索开源旗舰MoE 架构性价比极高DeepSeek-R1深度求索推理开源推理标杆思维链透明Qwen 2.5/3阿里开源全尺寸0.5B-72B 全覆盖多模态Kimi K2月之暗面通用超长上下文文档分析强GLM-5智谱通用国产自主多模态Hunyuan Turbo腾讯通用MoE企业生态ERNIE 5百度企业文心企业级应用Yi零一万物开源MoE 架构多语言MiniMaxMiniMax多模态语音和视觉突出Doubao字节跳动应用C 端应用高性价比推理模型对比推理模型会在回答前进行深度思考思维链擅长数学、编程、逻辑推理。模型推理方式思维链可见适用场景o4 / o4-mini内部 CoT摘要数学竞赛、复杂编程DeepSeek-R1显式 CoT完整可见代码、数学、逻辑Claude Opus 4.6 (thinking)显式 CoT完整可见代码分析、架构设计QwQ显式 CoT完整可见数学、编程Gemini 2.5 Pro (thinking)显式 CoT可见复杂推理选型建议场景推荐模型理由日常编程助手Claude Sonnet 4.6代码质量好速度适中复杂架构/长文分析Claude Opus 4.6思考深度强200K 上下文高吞吐/低延迟Claude Haiku 4.5 / Gemini Flash成本低响应快多模态交互GPT-4o / Gemini 2.5 Pro原生多模态开源私有化DeepSeek-V3 / Qwen 3 / Llama 4可控、可定制极致推理o4 / DeepSeek-R1数学/算法竞赛级RAG / 企业搜索Command A / ClaudeRAG 优化超长文档Gemini 2.5 Pro / Kimi100 万 tokens中文场景Qwen 2.5 / DeepSeek-V3 / ERNIE中文优化5. 多模态模型文生图模型架构特点Stable Diffusion 3.5DiT Flow开源可本地运行Flux.1DiT Flow文本遵循度高质量顶级DALL·E 4Diffusion自然语言理解强Midjourney V7未公开艺术风格丰富Imagen 3Diffusion照片级真实感Ideogram 3—文字渲染准确文生视频模型公司特点Sora 2OpenAI物理世界模拟最长 1 分钟Runway Gen-4Runway专业影视级Veo 3Google DeepMind高质量长视频Kling 2快手国产领先1080pWan2.1阿里开源可本地Pika 2Pika Labs创意特效语音 音乐类型代表模型特点TTSElevenLabs, GPT-4o TTS, ChatTTS自然度接近人类STTWhisper v3, Gemini STT多语言抗噪实时语音GPT-4o Realtime, Gemini Live低延迟对话音乐生成Suno v4, Udio v2完整歌曲生成音效Stable Audio, AudioCraft文本到音效视觉理解 (VLM)模型视觉能力GPT-4o / GPT-5照片、图表、文档、视频Claude Opus/Sonnet 4.6照片、PDF、图表、截图Gemini 2.5 Pro照片、视频、长视频分析Qwen-VL照片、文档、视频InternVL开源多尺度视觉6. AI Agent 与工具链Agent 架构用户指令 ↓ LLM (规划 推理) ↓ Tool Use / Function Calling ├── 代码执行 (Python, Bash, SQL) ├── 网络搜索 (Tavily, Brave, Google) ├── 文件操作 (读/写/编辑) ├── 浏览器操作 (Playwright, Agent-Browser) ├── API 调用 (REST, GraphQL) └── 数据库查询 ↓ 结果汇总 → 用户Agent 框架对比框架语言定位特点Claude Code—AI 编程 CLI原生工具链Git/文件/终端Claude Agent SDKPython/TSAgent 开发Anthropic 官方 Agent SDKLangChainPython/TS通用 Agent生态最大组件丰富LangGraphPython有状态 Agent图编排复杂工作流CrewAIPython多 Agent角色分工协作AutoGenPython多 Agent微软出品对话式AgnoPython轻量 Agent零样板高性能Pydantic AIPython结构化Pydantic 集成Vercel AI SDKTSWeb Agent流式 UI前端友好AWS StrandsPython企业 AgentAWS 生态集成Agent 设计模式1. ReAct (Reason Act) — 思考 → 行动 → 观察 → 循环 2. Plan-and-Execute — 先制定计划再逐步执行 3. Multi-Agent Collaboration — 多个 Agent 分工协作 4. Tool Router — 根据意图路由到不同工具 5. Reflexion — 自我反思和纠错 6. Tree-of-Thought — 多路径探索选最优解Function Calling vs Tool Use维度Function CallingTool Use代表OpenAI, GoogleAnthropic定义方式JSON SchemaJSON Schema description调用方式API 参数传 toolsAPI 参数传 tools批量调用支持 parallel支持 parallel强制调用tool_choice 参数tool_choice 参数本质相同机制不同命名—7. 推理与部署基础设施GPU 选型GPU显存定位适合H100 / H20080/141 GB训练旗舰大模型训练B200192 GBBlackwell 旗舰万亿参数训练A10040/80 GB上一代训练性价比训练L40S48 GB推理优化生产推理RTX 409024 GB消费级小模型微调RTX 509032 GB消费级旗舰本地推理A1024 GB入门推理低成本推理Ascend 910B64 GB国产替代华为生态推理引擎引擎特点适用场景vLLMPagedAttention高吞吐生产级 API 推理TensorRT-LLMNVIDIA 优化极速英伟达 GPUOllama一键本地部署极简本地开发/测试llama.cppCPU/GPU 混合量化消费级硬件SGLang结构化生成RadixAttention复杂推理LMDeploy吞吐优化TurboMind国产芯片MLXApple Silicon 优化Mac 本地推理TGIHuggingFace 官方HuggingFace 生态部署模式开发测试 生产推理 边缘部署 │ │ │ Ollama vLLM / TGI llama.cpp llama.cpp Triton Server ONNX Runtime MLX (Mac) Text Gen Inference MLC-LLM8. MCP / A2A 协议MCP (Model Context Protocol)Anthropic 提出的开放协议让 AI 模型与外部工具/数据安全交互。┌──────────────────────────────────┐ │ MCP Host (Claude) │ │ │ │ ┌──────────┐ ┌──────────┐ │ │ │ MCP Client│ │ MCP Client│ │ │ └─────┬─────┘ └─────┬─────┘ │ │ │ │ │ └────────┼───────────────┼──────────┘ │ │ ┌────▼───┐ ┌────▼───┐ │ File │ │ DB │ ... MCP Servers │ Server │ │ Server │ └────────┘ └────────┘概念角色说明MCP Host消费者AI 应用 (Claude Desktop, Claude Code)MCP Client连接器与 Server 建立 1:1 连接MCP Server提供者暴露工具/资源/提示Transport传输层stdio 或 HTTPSSEA2A (Agent-to-Agent Protocol)Google 提出的协议让不同 Agent 之间协作通信。维度MCPA2A提出者AnthropicGoogle目的LLM ↔ 工具/数据Agent ↔ Agent通信方向Client-ServerPeer-to-Peer类比USB 连接外设HTTP 连接服务核心概念Tools, Resources, PromptsTask, Agent Card传输stdio, HTTPSSEHTTP JSON-RPC两者互补MCP 连接工具A2A 连接 Agent。实践中可以叠加使用。9. 主流 SDK 与框架LLM 调用 SDKSDK语言覆盖范围OpenAI SDKPython/TSGPT 系列Anthropic SDKPython/TSClaude 系列Google GenAI SDKPython/TSGemini 系列Vercel AI SDKTS多厂商统一接口LangChainPython/TS全链路LiteLLMPython多厂商代理/统一格式OpenRouterREST200 模型统一 API训练框架框架特点PyTorch研究首选动态图JAXGoogle函数式TPU 友好TransformersHuggingFace模型库最大DeepSpeed微软ZeRO 并行Megatron-LMNVIDIA张量并行Unsloth微调加速 2-5xAxolotl微调脚手架LLaMA-Factory中文友好Web UI 微调ML 平台平台定位HuggingFace模型仓库 社区ModelScope国内模型仓库Weights Biases实验追踪MLflow生命周期管理Ollama本地推理LM Studio桌面推理10. AI Skill 与 CLI 工具生态什么是 SkillSkill 是 AI Agent 的可插拔能力模块相当于给 AI 安装技能包。每个 Skill 包含特定领域的指令、工具配置和最佳实践让 AI 在特定任务上表现更专业。Skill 专业指令 工具权限 最佳实践维度SkillMCP Server传统 Plugin本质纯指令/配置包外部服务进程代码扩展运行位置AI 内部注入 prompt外部独立进程外部/内部通信无静态注入stdio / HTTPSSEAPI 调用复杂度低Markdown/YAML中需开发 Server高需编程适用领域知识、工作流指导提供外部数据/能力深度功能扩展加载方式对话时动态注入指令生命周期内持续连接安装后常驻Skill 与 MCP 的关系Skill 告诉 AI “怎么做”MCP 提供用什么做。Skill 可以声明依赖某个 MCP Server 的工具两者协同工作。Claude Code SkillsClaude Code 内置 Skill 系统支持个人级和项目级技能。~/.claude/skills/ ← 个人技能所有项目可用 ├── agent-browser/ │ ├── SKILL.md │ └── _meta.json └── my-custom-skill/ └── SKILL.md .claude/skills/ ← 项目技能仅当前项目 └── project-conventions/ └── SKILL.mdSKILL.md 结构--- name: agent-browser description: Headless browser automation CLI optimized for AI agents metadata: {emoji:,requires:{commands:[agent-browser]}} --- # Agent Browser Skill ## Core Workflow [具体指令和工作流...] ## Key Commands [命令参考...] ## Best Practices [最佳实践...]常用 Skill 类型Skill 类型示例作用浏览器自动化agent-browser无头浏览器操作页面快照/交互代码审查review-prPR 审查工作流提交辅助commit规范化 Git 提交PDF 处理pdfPDF 读取/生成定时任务loop循环执行指定操作配置管理update-config管理 Claude Code 配置代码优化simplify审查代码质量和复用性API 开发claude-apiClaude API/SDK 开发指导AI CLI 工具矩阵除了模型 API 和 IDE 插件CLI 工具是 AI 开发者的第三大武器。浏览器自动化工具特点适用agent-browser无障碍树快照 ref 定位专为 AI Agent 设计Agent 工作流Playwright多浏览器全 API生态最完善E2E 测试/AI 浏览PuppeteerChrome-only轻量爬虫/截图Selenium最成熟多语言传统自动化agent-browser 核心命令速查# 安装npminstall-gagent-browser agent-browserinstall# 下载 Chromium# 导航与快照agent-browseropenhttps://example.com agent-browser snapshot-i--json# -i 交互元素, --json JSON输出# 元素交互 (ref-based, 确定性定位)agent-browser click e2 agent-browser fill e3textagent-browser pressEnter# 状态获取agent-browser get text e1--jsonagent-browser get url--jsonagent-browser get title--json# 等待策略agent-browserwaite2 agent-browserwait--loadnetworkidle agent-browserwait--textWelcome# 多会话隔离agent-browser--sessionadminopensite.com agent-browser--sessionuseropensite.com# 状态持久化跳过登录agent-browser state save auth.json agent-browser state load auth.jsonagent-browser vs Playwright 选型场景推荐AI Agent 自动化工作流agent-browser (ref 定位更稳定)传统 E2E 测试Playwright (生态成熟)需要截图/PDF 分析二者均可多步骤复杂交互agent-browser (snapshot-ref 模式)CI/CD 集成PlaywrightAI 编程 CLI工具定位特点Claude CodeAnthropic 官方深度代码理解Agent 原生Gemini CLIGoogle 官方免费额度Google 生态GitHub Copilot CLIGitHub终端命令补全aider开源Git 感知多模型支持Codex CLIOpenAI轻量终端 AgentCursor CLICursorIDE 配套终端工具模型管理 CLI工具用途Ollama CLI本地模型拉取/运行/管理huggingface-cliHF 模型下载/上传litellm多厂商标配代理Skill 开发流程1. 确定场景 → 什么任务需要 Skill 2. 编写 SKILL.md → 用 Markdown 写指令和工作流 3. 测试 → 在对话中验证 Skill 触发和行为 4. 迭代 → 优化 prompt 和工具配置 5. 分发 → 放到 ~/.claude/skills/ 或项目 .claude/skills/11. 向量数据库与 RAGRAG 架构 (检索增强生成)用户查询 → Embedding → 向量检索 → Top-K 文档 → LLM 生成 → 带引用的答案向量数据库对比数据库类型特点Pinecone云原生全托管零运维Weaviate开源混合搜索GraphQLMilvus开源分布式十亿级Qdrant开源Rust 实现高性能Chroma开源轻量适合原型pgvectorPG 插件与 PostgreSQL 一体化Elasticsearch搜索向量全文向量混合FAISS库Meta 出品纯向量Chunking 策略固定大小 — 简单但可能切断语义 语义分块 — 按段落/句子边界分割 递归分块 — 按分隔符层级分割 Agent 分块 — LLM 感知的智能分块12. 模型微调与定制微调方法方法简介显存需求Full Fine-Tuning全参数更新最高 (16× 模型大小)LoRA低秩适配旁路矩阵极低 (7B 模型 ~6GB)QLoRALoRA 4-bit 量化最低 (7B 模型 ~4GB)Adapter插入小型适配层低Prefix Tuning学习虚拟 token低P-Tuning v2深层提示微调低DPO直接偏好优化中不需要奖励模型Prompt 工程Zero-shot — 不给示例 Few-shot — 给 2-5 个示例 Chain-of-Thought — 让我们一步步思考 Tree-of-Thought — 多路径探索 Self-Consistency — 多次采样投票 ReAct — 思考行动交替13. 选型速查根据任务类型任务首选备选日常编程Claude Sonnet 4.6GPT-4o, DeepSeek-V4深度代码分析Claude Opus 4.6o4, DeepSeek-R1快速内容生成GPT-4o / Claude HaikuGemini Flash数学推理o4 / DeepSeek-R1Claude Opus 4.6视频理解Gemini 2.5 ProGPT-4o图像生成Flux.1 / MidjourneySD 3.5视频生成Veo 3 / Sora 2Runway, Kling私有化部署DeepSeek-V3 / Qwen 3Llama 4本地推理Ollama Qwen 2.5 (7B)Ollama DeepSeek-R1 (7B)Agent 开发Claude Agent SDKLangGraphRAG 系统Claude Chroma/QdrantGPT Pinecone企业搜索Cohere Command AClaude pgvector根据资源无 GPU本地推理 Ollama Qwen 2.5 (0.5B~7B) / DeepSeek-R1 (1.5B~7B) Apple Silicon → MLX Qwen 2.5 (14B~32B) 单卡 24GB GPU (RTX 4090) 推理7B~14B (fp16), 32B~72B (Q4) 微调7B LoRA, 1.5B Full 单卡 80GB GPU (A100) 推理7B~70B (fp16) 微调70B LoRA, 7B Full 企业 API (无需 GPU) Claude API / GPT API / Gemini API / DeepSeek API结束语如果这篇文章对你有帮助欢迎点赞收藏方便下次查找评论区交流你的选型经验和看法分享给正在学习 AI 的同事朋友下篇预告DeepSeek-V4 vs Claude Opus 4.6 深度对比实测附录常用缩写缩写全称LLMLarge Language ModelVLMVision Language ModelMoEMixture of ExpertsRLHFReinforcement Learning from Human FeedbackDPODirect Preference OptimizationCoTChain of ThoughtRAGRetrieval-Augmented GenerationMCPModel Context ProtocolA2AAgent-to-AgentSSDState Space ModelDiTDiffusion TransformerLoRALow-Rank AdaptationGGUFGPT-Generated Unified Format (量化格式)关键时间节点时间事件2012AlexNet 赢得 ImageNet深度学习爆发2017Transformer 架构提出2020GPT-3 展示涌现能力2022.11ChatGPT 发布AI 进入大众视野2023.03GPT-4 发布多模态2024.05GPT-4o 发布原生多模态2024.11Anthropic 发布 MCP 协议2025.01DeepSeek-R1 开源推理模型震撼业界2025.04Google 发布 A2A 协议2025.06Claude Opus 4.6 / GPT-5 时代2026.05多模态 Agent MCP/A2A Skill 生态成熟一图速览2026 AI 技术生态全景┌─────────────────────────────────────────────┐ │ 2026 AI 技术生态全景 │ ├─────────────────────────────────────────────┤ │ │ │ 模型层 GPT-5 · Claude Opus 4.6 │ │ Gemini 2.5 · DeepSeek-V4 │ │ Qwen 3 · Llama 4 · Kimi │ │ │ │ 协议层 MCP (Anthropic) · A2A (Google) │ │ │ │ Agent层 Claude Code · LangChain │ │ CrewAI · AutoGen · Agno │ │ Claude Agent SDK · LangGraph │ │ │ │ Skill层 agent-browser · commit │ │ review-pr · pdf · claude-api │ │ loop · simplify · update-config │ │ │ │ CLI工具 agent-browser · Ollama CLI │ │ aider · litellm │ │ │ │ 设施层 vLLM · Ollama · llama.cpp │ │ A100 · H100 · B200 · RTX 5090 │ │ │ │ 数据层 RAG · Chroma · Milvus · Qdrant │ │ Pinecone · pgvector · FAISS │ │ │ └─────────────────────────────────────────────┘