一、核心概念类（必须吃透）
1. LLM（Large Language Model）
大语言模型，就是 AI 的大脑。能理解语言、生成文本、做推理、写代码、对话。所有 AI 应用（RAG、Agent、工具）都基于 LLM。
2. Prompt（提示词）
你给 AI 发的指令。Prompt 写得好不好，直接决定 AI 输出质量。相当于'你怎么问，AI 怎么答'。
3. Context（上下文）
AI 在对话里临时记住的内容。多轮聊天时，AI 能记得你前面说过什么。超过长度上限就会'忘事'。
4. Memory（记忆）
比 Context 更持久的长期记忆。可以记住你的习惯、偏好、历史任务，跨对话保存。
5. Agent（智能体）
能自主干活的 AI。不只是聊天，还能：
- 拆解任务
- 调用工具
- 自己规划步骤
- 自动修正错误
简单说：LLM 是大脑，Agent 是带手脚的机器人。
6. RAG（Retrieval-Augmented Generation）
检索增强生成。解决 AI瞎编、知识过时的问题。流程：先去外部文档 / 知识库查资料 → 再生成回答。相当于'先翻书，再答题'。
7. Search（搜索）
AI 自动去互联网 / 数据库查信息。是 RAG 和 Agent 的重要信息来源。
8. Function Calling（函数调用）
AI调用外部工具的能力。比如：查天气、调计算器、读文件、连数据库。没有 Function Calling，AI 就只能聊天，不能干活。
9. MCP（Model Context Protocol）
模型上下文协议。可以理解成 AI 世界的USB 标准。让不同模型、工具、系统能统一对接、互相通信。让 AI 调用工具更规范、更简单、更通用。
10. Langchain
AI 开发的万能框架 / 工具箱。把 LLM、RAG、Agent、Memory、Function Calling 全部打包好。不用从零写代码，快速搭建 AI 应用。
11. Workflow（工作流）
AI 执行任务的固定步骤。比如：搜索 → 整理 → 生成 → 检查 → 输出。把复杂任务变成流水线。
12. SKILL（技能）
给 AI 封装好的专用技能包。比如：写周报、代码审查、表格处理、合同检查。不用每次重新写 Prompt，直接加载技能就能用。
13. SubAgent（子智能体）
主 Agent 的小助手。一个大任务拆成多个小任务，分给不同 SubAgent：
- 一个负责搜索
- 一个负责写代码
- 一个负责总结
最后主 Agent 汇总结果。
二、工具 / 平台类（实际能用的 AI 工具）
1. Claude Code
Anthropic 推出的AI 编程工具。擅长写代码、查 Bug、代码审查，支持超长上下文。
2. CodeX
OpenAI 的编程模型。用于代码生成、理解、补全，是早期 AI 编程基础。
3. Cursor
目前最火的AI 代码编辑器（基于 VS Code）。内置 AI，能直接改代码、解释项目、生成整段逻辑。
4. Trae
面向开发者的AI 全流程开发平台。一句话生成项目、界面、后端、数据库，支持中文。
5. Antigravity
Google 的多智能体 AI 开发环境。能控制浏览器、终端，自动完成复杂任务。
6. iFlow
AI 工作流自动化平台。可视化拖拽，不用代码就能搭建自动化流程。
7. Moltbot
开源的AI 个人助理，本地运行。能自动执行任务、操作文件、帮你处理日常事务。是 OpenClaw 的前身。
8. Clawdbot
早期版本的自主 AI 助手，和 Moltbot、OpenClaw 一脉相承。主打本地执行、自主任务。
9. OpenClaw
现在正式名称，开源自主 AI 智能体。可以理解为你自己的'贾维斯'，本地运行、自动干活。
10. Manus
企业级AI 多智能体协作平台。用于管理多个 Agent、搭建复杂 AI 系统。
三、一句话串起所有关系（最强理解版）
LLM 是大脑 Prompt 是指令 Context + Memory 是记忆 Function Calling 是手脚 MCP 是通用接口 RAG 是查资料 Agent 是会干活的机器人 SubAgent 是小助手 Workflow + SKILL 是干活流程 Langchain 是工具箱 各种工具（Claude Code、Cursor、Trae、OpenClaw 等）是实际应用
