03 / BUILD
构建 AI
模型之外的工程。API、工具调用、检索、协议、技能、运行时——这些才是把模型变成产品的地方，也是 AI 工程与普通后端最不同的部分。
01
LLM API
大模型 API
从聊天窗口走到 HTTP 请求。理解无状态、流式输出与采样参数，是构建一切 AI 软件的第一步。
02
Tool Calling
工具调用
模型不再只输出文本，而是输出「请调用这个函数、参数是这些」，由你的程序真正执行。
03
Embeddings
向量嵌入
把文本映射成向量，让「语义相似」变成可以计算的「距离相近」。
04
RAG
检索增强生成
先检索资料，再让模型基于资料作答，用外部知识替代参数记忆。
05
MCP
模型上下文协议
一套开放协议，把「模型连工具」从 N×M 次适配变成 N+M 个实现。
06
Skills
技能
把流程、知识与脚本封装成可复用的能力单元，让 Agent 按需加载而不是全部塞进上下文。
07
Agent
智能体
模型 + 工具 + 循环。能根据中间结果决定下一步，直到任务完成或主动放弃。
08
Agent Harness
智能体运行时
承载 Agent 循环、工具注册、权限与状态管理的运行环境。它决定可靠性的下限。
09
Evals
评估
用固定任务集和明确标准衡量 AI 系统表现的方法。没有它，所有改进都只是感觉。
10
growing
AI-Powered Software
代码主导的 AI 软件
代码掌握控制流，模型只回答窄而类型化的判断。这是与 Agent 并列的另一条架构路线。