本文以通俗易懂的语言和图解全面解析了AI领域的关键概念Prompt是用户与AI的沟通指令Function Call赋予AI调用外部工具的能力Agent是具备自主决策和执行的智能体Skill是封装特定领域知识的技能包而MCP则是统一AI工具调用的标准协议。文章通过实例和对比帮助读者清晰理解这些概念及其相互关系为开发高效AI应用打下坚实基础。随着大模型和 AI 应用的爆火AI 技术圈、产品圈天天都在蹦出新名词。我的 Agent 安装了几个 Skill你这个助手小工具支持 MCP 协议有了 MCP 为什么还要用 Function Call很多人听得云里雾里的。别慌今天我用这篇文章用最通俗易懂的语言、以及一目了然的图解彻底讲解Prompt、Function Call、Agent、Skill、MCP核心概念核心概念全景图在深入细节前先通过一张图从整体上理解核心概念是如何分层递进的Prompt就是你跟 AI 说的普通话Function Call让 AI 具有了动手干活的能力Agent让 AI 进化出思考和规划的大脑Skill是 AI 针对特定领域的职业技能证书MCP是统一 AI 世界工具调用的USB接口一、Prompt提示词1. 什么是 PromptPrompt提示词就是用户输入给 AI 的文本指令。就像去餐厅点餐时说的“给我来一份麻婆豆腐”。AI 就是那个厨师听懂你的话然后给你上菜。在应用开发中Prompt 是人类意图与 AI 能力之间的桥梁。Prompt 写得越精准AI 出来的效果就越好。2. 开发中的 Prompt通常把 Prompt 分为不同的角色来管理System Prompt系统提示词定义 AI 的人设。例如你是一个 Java 架构师。User Prompt用户提示词用户具体的提问。例如什么是微服务在Spring AI中的使用package com.yl.aiagent.app; import com.yl.aiagent.advisor.MyLoggerAdvisor; import jakarta.annotation.Resource; import lombok.extern.slf4j.Slf4j; import org.springframework.ai.chat.client.ChatClient; import org.springframework.ai.chat.client.advisor.MessageChatMemoryAdvisor; import org.springframework.ai.chat.client.advisor.QuestionAnswerAdvisor; import org.springframework.ai.chat.memory.ChatMemory; import org.springframework.ai.chat.memory.InMemoryChatMemory; import org.springframework.ai.chat.model.ChatModel; import org.springframework.ai.chat.model.ChatResponse; import org.springframework.ai.tool.ToolCallback; import org.springframework.ai.vectorstore.VectorStore; import org.springframework.stereotype.Component; import reactor.core.publisher.Flux; import java.util.List; import static org.springframework.ai.chat.client.advisor.AbstractChatMemoryAdvisor.CHAT_MEMORY_CONVERSATION_ID_KEY; import static org.springframework.ai.chat.client.advisor.AbstractChatMemoryAdvisor.CHAT_MEMORY_RETRIEVE_SIZE_KEY; Component Slf4j public class LoveApp { Resourceprivate VectorStore loveAppVectorStore; private final ChatClient chatClient; private static final String SYSTEM_PROMPT 扮演深耕恋爱心理领域的专家。开场向用户表明身份告知用户可倾诉恋爱难题。 围绕单身、恋爱、已婚三种状态提问单身状态询问社交圈拓展及追求心仪对象的困扰 恋爱状态询问沟通、习惯差异引发的矛盾已婚状态询问家庭责任与亲属关系处理的问题。 引导用户详述事情经过、对方反应及自身想法以便给出专属解决方案。; public LoveReport doChatWithReport(String message, String chatId) { LoveReport loveReport chatClient .prompt() .system(SYSTEM_PROMPT) // 系统提示词 .user(message) // 用户提示词 .advisors(spec - spec.param(CHAT_MEMORY_CONVERSATION_ID_KEY, chatId) .param(CHAT_MEMORY_RETRIEVE_SIZE_KEY, 10)) .entity(LoveReport.class); log.info(context: {}, loveReport); return loveReport; } }二、Function Calling函数调用Prompt 只能让 AI 动嘴说话但如果让 AI 干点实事比如查一下成都今天最新的天气、调用第三方API它就无能为力因为大模型的训练数据是静态的。**Function Calling函数调用**就是为了让 AI 能动手而生的。函数调用过程1. 什么是 Function Calling它允许开发者在调用大模型时注册一系列外部工具函数。大模型在理解用户意图后如果发现需要查外部信息它不会胡编乱造而是返回一个结构化的请求JSON告诉开发者“我需要调用这个函数参数是XX”。开发者在后台执行真实的函数比如调用天气 API并拿到结果再把结果喂回给模型最终由模型整合成自然语言回复给用户。2. 核心价值让 AI 从静态知识变成了动态能力。有了 Function CallAI 就能获取外部数据、调用企业 API。自定义工具/** * 网页内容抓取工具 */ public class WebScrapingTool { Tool(description Scrape the content of a web page) public String scrapeWebPage(ToolParam(description URL of the web page to scrape) String url) { try { Document document Jsoup.connect(url).get(); return document.html(); } catch (IOException e) { e.printStackTrace(); return Error scraping web page: e.getMessage(); } } }Spring AI中使用工具调用/** * 工具调用 * * param message * param chatId * return */ public String doChatWithTools(String message, String chatId) { ChatResponse chatResponse chatClient .prompt(). user(message) .advisors(spec - spec.param(CHAT_MEMORY_CONVERSATION_ID_KEY, chatId) .param(CHAT_MEMORY_RETRIEVE_SIZE_KEY, 10)) // 开启日志便于观察效果 .advisors(new MyLoggerAdvisor()) .tools(allTools) //工具调用 .call() .chatResponse(); String content chatResponse.getResult().getOutput().getText(); log.info(content {}, content); return content; }三、Agent智能体Function Call 赋予了 AI 动手的技能但它依旧是被动的一问一答。如果遇到一个复杂任务比如“帮我规划一次重庆一周游包含天气、景点和预算”需要调用多次工具怎么办这时候就需要智能体了。1. 什么是 AgentAgent 是一个能够感知环境、做出决策并自主执行动作的完整系统。Function Call 是会用手。Agent 是长了大脑。目前主流的 Agent 都采用ReActReasoning Acting推理行动框架。它自己会形成一个闭环工作流思考分析当前状态决定下一步做什么。行动通过 Function Call 调用某个工具。观察看一眼工具返回的结果继续思考。循环直到把复杂任务拆解并执行完毕给出最终答案。四、Skill技能当我们的 Agent 越来越强大需要处理各行各业的复杂任务时如果把所有的工具和提示词都堆给同一个 Agent它的大脑会变得臃肿极易产生幻觉和混乱。于是我们引入了Skill技能包的概念。1. 什么是 SkillSkill 是把指令、脚本、模板一体化打包打包成可复用能力包的机制也就是一套封装了特定领域知识。就像人类的职业资格证书一个医生有“看病技能”一个程序员有“写代码技能”。2. Function Call 和 Skill 的区别很多人在这里最容易绕晕。一句话点透本质Function Call 是一种原子能力相当于单把的螺丝刀。Skill 是一个业务功能模块相当于一整套电工工具箱里面不仅有螺丝刀、电笔还附带一本《电工安全操作手册》。维度Function Call (函数调用)Skill (技能)本质单一的底层能力能力集合 领域知识 最佳实践粒度原子操作如查天气、发邮件业务模块如前端开发、财务审计是否包含知识不包含只负责执行包含特有的角色提示词System Prompt代码表现单个标注了Tool的具体方法多个工具方法 领域提示词模板的组合封装3. Skill 与 Agent 的关系在企业级大模型应用里一个复杂的 Agent 会根据场景动态挂载不同的 Skill。比如一个“全栈开发智能体”可以同时加载前端开发 Skill和数据库管理 Skill实现能力解耦和权限隔离。五、MCP模型上下文协议随着 Agent 和工具的爆发式增长开发者遇到了极其痛苦的瓶颈OpenAI 的 Function Call、Anthropic Claude、文心一言和通义千问的格式不一样。每换一个模型或者每加一个新工具你都要重写一遍适配代码。为了终结这个乱象Anthropic 提出了****MCPModel Context Protocol 模型上下文协议。1. 什么是 MCPMCP 是 AI 世界的USB 接口协议。过去鼠标、键盘、打印机都有各自的接口电脑连接非常麻烦有了 USB 协议后所有设备拔插即用。MCP 也是这个逻辑MCP Server工具提供方把所有的工具如 GitHub API、数据库查询、天气服务统一按照 MCP 标准暴露出来。MCP ClientAI 应用无论是哪个大模型只要实现了 MCP 客户端就能直接动态发现并调用这些工具。2. MCP 与 Skill 的关系MCP 解决的是怎么连的问题—— 它是标准化的管道、通信协议。Skill 解决的是连什么的问题—— 它是业务内涵、专业知识的集合。一个标准架构中Agent 往往正是通过MCP 管道动态去调用各种Skill 里的工具。Function Calling与MCP的区别Funcation Calling需要写在应用代码里面的工具定义和调用逻辑在你的项目代码中换了应用就得重新写一边。MCP是独立的做成单独运行的进程只要支持MCP的客户端都能直接使用对外提供标准统一的接口独立部署、维护、一次实现到处复用。总结如果上面内容看的有点懵懂那就收藏好下面这张对比表面试或开发时随时翻看。概念一句话定义核心核心作用比喻Prompt给 AI 的指令告诉 AI 要做什么、以什么身份说话餐厅点菜的订单Function Call让 AI 调用外部工具的能力赋予 AI 跨越文本、动手干活的桥梁干活用的单把工具如锤子Agent能自主决策的智能体系统独立完成复杂任务的闭环大脑能够独立搞定项目的项目经理Skill封装了专业知识的技能包固化特定领域的高级组合能力与最佳实践专业打包好的职业工具箱MCP统一工具调用的标准协议消除不同模型、工具之间的接入壁垒电子设备通用的USB 接口2026年AI行业最大的机会毫无疑问就在应用层字节跳动已有7个团队全速布局Agent大模型岗位暴增69%年薪破百万腾讯、京东、百度开放招聘技术岗80%与AI相关……如今超过60%的企业都在推进AI产品落地而真正能交付项目的大模型应用开发工程师****却极度稀缺落地AI应用绝对不是写几个prompt调几个API就能搞定的企业真正需要的是能搞定这三项核心能力的人✅RAG融入外部信息修正模型输出给模型装靠谱大脑✅Agent智能体让AI自主干活通过工具调用Tools环境交互多步推理完成复杂任务。比如做智能客服等等……✅微调针对特定任务优化让模型适配业务目前脉脉上有超过1000家企业发布大模型相关岗位人工智能岗平均月薪7.8w实习生日薪高达4000远超其他行业收入水平技术的稀缺性才是你「值钱」的关键具备AI能力的程序员比传统开发高出不止一截有的人早就转行AI方向拿到百万年薪AI浪潮正在重构程序员的核心竞争力现在入场仍是最佳时机我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】⭐️从大模型微调到AI Agent智能体搭建剖析AI技术的应用场景用实战经验落地AI技术。从GPT到最火的开源模型让你从容面对AI技术革新大模型微调掌握主流大模型如DeepSeek、Qwen等的微调技术针对特定场景优化模型性能。学习如何利用领域数据如制造、医药、金融等进行模型定制提升任务准确性和效率。RAG应用开发深入理解检索增强生成Retrieval-Augmented Generation, RAG技术构建高效的知识检索与生成系统。应用于垂类场景如法律文档分析、医疗诊断辅助、金融报告生成等实现精准信息提取与内容生成。AI Agent智能体搭建学习如何设计和开发AI Agent实现多任务协同、自主决策和复杂问题解决。构建垂类场景下的智能助手如制造业中的设备故障诊断Agent、金融领域的投资分析Agent等。如果你也有以下诉求快速链接产品/业务团队参与前沿项目构建技术壁垒从竞争者中脱颖而出避开35岁裁员危险期顺利拿下高薪岗迭代技术水平延长未来20年的新职业发展……那这节课你一定要来听因为留给普通程序员的时间真的不多了立即扫码即可免费预约「AI技术原理 实战应用 职业发展」「大模型应用开发实战公开课」还有靠谱的内推机会直聘权益完课后赠送大模型应用案例集、AI商业落地白皮书
AI核心概念：Prompt、Function Call、Agent、Skill、MCP全解析！
发布时间：2026/5/26 21:39:59
本文以通俗易懂的语言和图解全面解析了AI领域的关键概念Prompt是用户与AI的沟通指令Function Call赋予AI调用外部工具的能力Agent是具备自主决策和执行的智能体Skill是封装特定领域知识的技能包而MCP则是统一AI工具调用的标准协议。文章通过实例和对比帮助读者清晰理解这些概念及其相互关系为开发高效AI应用打下坚实基础。随着大模型和 AI 应用的爆火AI 技术圈、产品圈天天都在蹦出新名词。我的 Agent 安装了几个 Skill你这个助手小工具支持 MCP 协议有了 MCP 为什么还要用 Function Call很多人听得云里雾里的。别慌今天我用这篇文章用最通俗易懂的语言、以及一目了然的图解彻底讲解Prompt、Function Call、Agent、Skill、MCP核心概念核心概念全景图在深入细节前先通过一张图从整体上理解核心概念是如何分层递进的Prompt就是你跟 AI 说的普通话Function Call让 AI 具有了动手干活的能力Agent让 AI 进化出思考和规划的大脑Skill是 AI 针对特定领域的职业技能证书MCP是统一 AI 世界工具调用的USB接口一、Prompt提示词1. 什么是 PromptPrompt提示词就是用户输入给 AI 的文本指令。就像去餐厅点餐时说的“给我来一份麻婆豆腐”。AI 就是那个厨师听懂你的话然后给你上菜。在应用开发中Prompt 是人类意图与 AI 能力之间的桥梁。Prompt 写得越精准AI 出来的效果就越好。2. 开发中的 Prompt通常把 Prompt 分为不同的角色来管理System Prompt系统提示词定义 AI 的人设。例如你是一个 Java 架构师。User Prompt用户提示词用户具体的提问。例如什么是微服务在Spring AI中的使用package com.yl.aiagent.app; import com.yl.aiagent.advisor.MyLoggerAdvisor; import jakarta.annotation.Resource; import lombok.extern.slf4j.Slf4j; import org.springframework.ai.chat.client.ChatClient; import org.springframework.ai.chat.client.advisor.MessageChatMemoryAdvisor; import org.springframework.ai.chat.client.advisor.QuestionAnswerAdvisor; import org.springframework.ai.chat.memory.ChatMemory; import org.springframework.ai.chat.memory.InMemoryChatMemory; import org.springframework.ai.chat.model.ChatModel; import org.springframework.ai.chat.model.ChatResponse; import org.springframework.ai.tool.ToolCallback; import org.springframework.ai.vectorstore.VectorStore; import org.springframework.stereotype.Component; import reactor.core.publisher.Flux; import java.util.List; import static org.springframework.ai.chat.client.advisor.AbstractChatMemoryAdvisor.CHAT_MEMORY_CONVERSATION_ID_KEY; import static org.springframework.ai.chat.client.advisor.AbstractChatMemoryAdvisor.CHAT_MEMORY_RETRIEVE_SIZE_KEY; Component Slf4j public class LoveApp { Resourceprivate VectorStore loveAppVectorStore; private final ChatClient chatClient; private static final String SYSTEM_PROMPT 扮演深耕恋爱心理领域的专家。开场向用户表明身份告知用户可倾诉恋爱难题。 围绕单身、恋爱、已婚三种状态提问单身状态询问社交圈拓展及追求心仪对象的困扰 恋爱状态询问沟通、习惯差异引发的矛盾已婚状态询问家庭责任与亲属关系处理的问题。 引导用户详述事情经过、对方反应及自身想法以便给出专属解决方案。; public LoveReport doChatWithReport(String message, String chatId) { LoveReport loveReport chatClient .prompt() .system(SYSTEM_PROMPT) // 系统提示词 .user(message) // 用户提示词 .advisors(spec - spec.param(CHAT_MEMORY_CONVERSATION_ID_KEY, chatId) .param(CHAT_MEMORY_RETRIEVE_SIZE_KEY, 10)) .entity(LoveReport.class); log.info(context: {}, loveReport); return loveReport; } }二、Function Calling函数调用Prompt 只能让 AI 动嘴说话但如果让 AI 干点实事比如查一下成都今天最新的天气、调用第三方API它就无能为力因为大模型的训练数据是静态的。**Function Calling函数调用**就是为了让 AI 能动手而生的。函数调用过程1. 什么是 Function Calling它允许开发者在调用大模型时注册一系列外部工具函数。大模型在理解用户意图后如果发现需要查外部信息它不会胡编乱造而是返回一个结构化的请求JSON告诉开发者“我需要调用这个函数参数是XX”。开发者在后台执行真实的函数比如调用天气 API并拿到结果再把结果喂回给模型最终由模型整合成自然语言回复给用户。2. 核心价值让 AI 从静态知识变成了动态能力。有了 Function CallAI 就能获取外部数据、调用企业 API。自定义工具/** * 网页内容抓取工具 */ public class WebScrapingTool { Tool(description Scrape the content of a web page) public String scrapeWebPage(ToolParam(description URL of the web page to scrape) String url) { try { Document document Jsoup.connect(url).get(); return document.html(); } catch (IOException e) { e.printStackTrace(); return Error scraping web page: e.getMessage(); } } }Spring AI中使用工具调用/** * 工具调用 * * param message * param chatId * return */ public String doChatWithTools(String message, String chatId) { ChatResponse chatResponse chatClient .prompt(). user(message) .advisors(spec - spec.param(CHAT_MEMORY_CONVERSATION_ID_KEY, chatId) .param(CHAT_MEMORY_RETRIEVE_SIZE_KEY, 10)) // 开启日志便于观察效果 .advisors(new MyLoggerAdvisor()) .tools(allTools) //工具调用 .call() .chatResponse(); String content chatResponse.getResult().getOutput().getText(); log.info(content {}, content); return content; }三、Agent智能体Function Call 赋予了 AI 动手的技能但它依旧是被动的一问一答。如果遇到一个复杂任务比如“帮我规划一次重庆一周游包含天气、景点和预算”需要调用多次工具怎么办这时候就需要智能体了。1. 什么是 AgentAgent 是一个能够感知环境、做出决策并自主执行动作的完整系统。Function Call 是会用手。Agent 是长了大脑。目前主流的 Agent 都采用ReActReasoning Acting推理行动框架。它自己会形成一个闭环工作流思考分析当前状态决定下一步做什么。行动通过 Function Call 调用某个工具。观察看一眼工具返回的结果继续思考。循环直到把复杂任务拆解并执行完毕给出最终答案。四、Skill技能当我们的 Agent 越来越强大需要处理各行各业的复杂任务时如果把所有的工具和提示词都堆给同一个 Agent它的大脑会变得臃肿极易产生幻觉和混乱。于是我们引入了Skill技能包的概念。1. 什么是 SkillSkill 是把指令、脚本、模板一体化打包打包成可复用能力包的机制也就是一套封装了特定领域知识。就像人类的职业资格证书一个医生有“看病技能”一个程序员有“写代码技能”。2. Function Call 和 Skill 的区别很多人在这里最容易绕晕。一句话点透本质Function Call 是一种原子能力相当于单把的螺丝刀。Skill 是一个业务功能模块相当于一整套电工工具箱里面不仅有螺丝刀、电笔还附带一本《电工安全操作手册》。维度Function Call (函数调用)Skill (技能)本质单一的底层能力能力集合 领域知识 最佳实践粒度原子操作如查天气、发邮件业务模块如前端开发、财务审计是否包含知识不包含只负责执行包含特有的角色提示词System Prompt代码表现单个标注了Tool的具体方法多个工具方法 领域提示词模板的组合封装3. Skill 与 Agent 的关系在企业级大模型应用里一个复杂的 Agent 会根据场景动态挂载不同的 Skill。比如一个“全栈开发智能体”可以同时加载前端开发 Skill和数据库管理 Skill实现能力解耦和权限隔离。五、MCP模型上下文协议随着 Agent 和工具的爆发式增长开发者遇到了极其痛苦的瓶颈OpenAI 的 Function Call、Anthropic Claude、文心一言和通义千问的格式不一样。每换一个模型或者每加一个新工具你都要重写一遍适配代码。为了终结这个乱象Anthropic 提出了****MCPModel Context Protocol 模型上下文协议。1. 什么是 MCPMCP 是 AI 世界的USB 接口协议。过去鼠标、键盘、打印机都有各自的接口电脑连接非常麻烦有了 USB 协议后所有设备拔插即用。MCP 也是这个逻辑MCP Server工具提供方把所有的工具如 GitHub API、数据库查询、天气服务统一按照 MCP 标准暴露出来。MCP ClientAI 应用无论是哪个大模型只要实现了 MCP 客户端就能直接动态发现并调用这些工具。2. MCP 与 Skill 的关系MCP 解决的是怎么连的问题—— 它是标准化的管道、通信协议。Skill 解决的是连什么的问题—— 它是业务内涵、专业知识的集合。一个标准架构中Agent 往往正是通过MCP 管道动态去调用各种Skill 里的工具。Function Calling与MCP的区别Funcation Calling需要写在应用代码里面的工具定义和调用逻辑在你的项目代码中换了应用就得重新写一边。MCP是独立的做成单独运行的进程只要支持MCP的客户端都能直接使用对外提供标准统一的接口独立部署、维护、一次实现到处复用。总结如果上面内容看的有点懵懂那就收藏好下面这张对比表面试或开发时随时翻看。概念一句话定义核心核心作用比喻Prompt给 AI 的指令告诉 AI 要做什么、以什么身份说话餐厅点菜的订单Function Call让 AI 调用外部工具的能力赋予 AI 跨越文本、动手干活的桥梁干活用的单把工具如锤子Agent能自主决策的智能体系统独立完成复杂任务的闭环大脑能够独立搞定项目的项目经理Skill封装了专业知识的技能包固化特定领域的高级组合能力与最佳实践专业打包好的职业工具箱MCP统一工具调用的标准协议消除不同模型、工具之间的接入壁垒电子设备通用的USB 接口2026年AI行业最大的机会毫无疑问就在应用层字节跳动已有7个团队全速布局Agent大模型岗位暴增69%年薪破百万腾讯、京东、百度开放招聘技术岗80%与AI相关……如今超过60%的企业都在推进AI产品落地而真正能交付项目的大模型应用开发工程师****却极度稀缺落地AI应用绝对不是写几个prompt调几个API就能搞定的企业真正需要的是能搞定这三项核心能力的人✅RAG融入外部信息修正模型输出给模型装靠谱大脑✅Agent智能体让AI自主干活通过工具调用Tools环境交互多步推理完成复杂任务。比如做智能客服等等……✅微调针对特定任务优化让模型适配业务目前脉脉上有超过1000家企业发布大模型相关岗位人工智能岗平均月薪7.8w实习生日薪高达4000远超其他行业收入水平技术的稀缺性才是你「值钱」的关键具备AI能力的程序员比传统开发高出不止一截有的人早就转行AI方向拿到百万年薪AI浪潮正在重构程序员的核心竞争力现在入场仍是最佳时机我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】⭐️从大模型微调到AI Agent智能体搭建剖析AI技术的应用场景用实战经验落地AI技术。从GPT到最火的开源模型让你从容面对AI技术革新大模型微调掌握主流大模型如DeepSeek、Qwen等的微调技术针对特定场景优化模型性能。学习如何利用领域数据如制造、医药、金融等进行模型定制提升任务准确性和效率。RAG应用开发深入理解检索增强生成Retrieval-Augmented Generation, RAG技术构建高效的知识检索与生成系统。应用于垂类场景如法律文档分析、医疗诊断辅助、金融报告生成等实现精准信息提取与内容生成。AI Agent智能体搭建学习如何设计和开发AI Agent实现多任务协同、自主决策和复杂问题解决。构建垂类场景下的智能助手如制造业中的设备故障诊断Agent、金融领域的投资分析Agent等。如果你也有以下诉求快速链接产品/业务团队参与前沿项目构建技术壁垒从竞争者中脱颖而出避开35岁裁员危险期顺利拿下高薪岗迭代技术水平延长未来20年的新职业发展……那这节课你一定要来听因为留给普通程序员的时间真的不多了立即扫码即可免费预约「AI技术原理 实战应用 职业发展」「大模型应用开发实战公开课」还有靠谱的内推机会直聘权益完课后赠送大模型应用案例集、AI商业落地白皮书
