理清 AI 基础概念：从 LLM、MCP 到上下文与无状态机制
4310sy · x · 2026-08-11
这篇文章系统性地梳理了日常开发中容易被混淆的 AI 核心概念，帮助开发者从底层机制理解 AI 工具。
- 模型与应用的区别：LLM 本质是预测下一个 Token 的数式，而修改文件、执行命令等行为是外层应用（如 Cursor）的控制逻辑。
- API 的无状态性：LLM 不保存会话状态，应用端每次需将完整历史记录重新发送，且过大的上下文会因注意力分散引发“Lost in the Middle”问题。
- MCP 的定位：基于 JSON-RPC 2.0 的标准化通信协议，负责连接 AI 应用与外部数据源，提供 Tools 和 Resources 等能力。
「编程与Agent」频道最新
- Docker是隔离而非强制：别把容器误当安全沙盒 — max_paperclips · 2026-08-11
- GitHub 热门项目：聚合 Agent2Agent (A2A) 协议生态的 awesome 列表 — tom_doerr · 2026-08-11
- 放弃 RAG 注入让 Agent 自行搜索，大幅降低出错率 — siddharthnibjiya · 2026-08-11
- 用 Claude 调度 12 个 Agent，作者抽空答 20 题即产出完整论文与网站 — sebkrier · 2026-08-11
- Opus 5 + Higgsfield 一键生成3D跑酷游戏，零手工建模 — Vjeux · 2026-08-11
- Coinbase 等企业自研编码 Agent，但底层算力仍依赖 Anthropic — Familiar_Jaguar_4134 · 2026-08-11