10张图全面理解AI Agents、Agentic、RAG、MCP技术栈。

各位小伙伴，今天不看论文了，哦，不对，第二篇推文还是论文，分享一些AI Agents、Agentic、RAG、MCP、AI模型、2025 AI技术栈的图解，梳理的挺全面的。

AI Agents

AI Agents火热，这份一页纸的指南涵盖了关于AI Agents的一切：从它们的工作原理到它们的用途。

1. 驱动代理的核心概念
   理解目标分解、自我反思、记忆和多代理协作等关键概念，以掌握代理如何自主推理和行动。

2. 你应该期待的能力
   现代AI Agents可以抓取网络数据、调用API、执行代码、检索文档（RAG），甚至可以通过工具编排处理多步规划。

3. 工具、框架和库
   从LangChain和AutoGen到LangGraph和Superagent，这些框架帮助开发人员构建、托管和监控智能代理工作流。

4. 实际应用
   不要只局限于聊天机器人。代理现在被用于内容生成、会议自动化、研究、数据清洗、CRM更新，甚至测试重构。

5. 挑战与风险
   AI Agents可能会产生幻觉、无限循环或滥用工具。

Agentic AI

Agentic AI不仅仅是一种趋势，它们是一种范式转变。一份构建Agentic AI系统的全面指南：理解它们的架构、技术栈。

MCP/A2A/FC

MCP与A2A以及函数调用（Functional Calling）的区别：

RAG

为什么RAG很重要？RAG怎么工作的？RAG的最佳工具是哈？

AI模型

6种最重要的AI模型的快速解读：机器学习、深度学习、生成式模型、混合模型、NLP、CV。

2025 AI技术栈

为任何人创建了一份在人工智能、机器学习和生成式人工智能领域取得成功的完整路线图。这份指南概述了每个AI专业人士都应该学习的10个关键领域的核心技术、工具和框架：

https://x.com/goyalshaliniuk