一、先说背景我为什么要做这个最早就是个简单的想法我想跟自己的笔记对话。然后自然就试了多 agent——给不同任务分配不同的 AI。结果发现管理成本巨高像带了个外包团队每个人都要你手把手交代交代完还不一定对。于是加了个工头角色main agent负责判断任务该分给谁。好了一点但新问题来了这些 agent 干完活就走不记东西不学东西。每次都像新来的临时工。转折点是一个类比人脑不是工头带着一群打工的而是多个脑区协同工作。前额叶管规划海马体管记忆每个区域有自己的职责但共享同一个自我。这个思路改变了一切。我给每个 agent 写了 SOUL.md 定义它是谁AGENTS.md 定义它怎么工作——不是工具说明书是角色定义。它们不再是被调用的函数而是系统的一部分。再往前一步每个脑区有自己的 workspace 和 memory能记住做过什么、学到什么。它不是每次从零开始而是可以生长的。回头看这条路工具 → 外包团队 → 脑区协同 → 可生长的系统。每一步都是在回答同一个问题—— 如何打造一个系统二、整体架构8 个脑区 1 个调度中心整体架构图脑区名类比它做什么main调度中心唯一用户入口。接收请求判断任务类型决定链路分派任务收集结果。它不干活它决定谁干活planner前额叶把复杂任务拆成执行计划。只规划不执行。输出链路建议、阶段目标、依赖关系和风险点analyst分析皮层做数据分析、研究、判断。核心纪律先证据后结论信息不足主动降断言writer语言区把已有信息变成清楚、自然、可读的文字。核心纪律不为了流畅而编造事实builder运动皮层写代码、搭自动化做集成。先最小可用再扩展。有副作用的动作必须等批准review制动器质量和风险把关专门挑毛病。不确定时宁可拒绝也不勉强放行librarian检索系统找资料、整理材料、压缩信息。不做判断只做输入净化learner海马体从反馈中提炼可复用认知。只产出提案不直接修改任何规则为什么是这 8 个因为覆盖了完整的知识工作链规划 → 分析 → 执行 → 表达 → 审查 → 检索 → 学习。每个环节的目标和纪律是不同的甚至是对立的——比如 writer 要把事情说得好听review 要挑刺analyst 要快速给出判断learner 要慢下来总结经验。把它们放在同一个 prompt 里这些目标会打架。拆开就清晰了。关键设计main 是唯一的对外人格。用户只和 main 对话main 向内调度其他脑区。用户感受到的是一个统一的 AI但后面是分工协作。三、每个 Agent 是怎么配置的OpenClaw 里每个 agent 有自己的工作区workspace里面通过几个 Markdown 文件定义它的行为。最核心的三个SOUL.md性格、AGENTS.md工作规则、MEMORY.md记忆范围。SOUL.md —— 定义性格每个 agent 有个 SOUL.md 文件相当于性格说明书。它不是简单的 system prompt它定义了这个 agent 的认知倾向、表达风格、行为边界和失控预防。main调度中心的 SOUL.md# 核心身份 你不是前台、客服或传声筒。你是一个统一的大脑对外只呈现一个我。 # 大五人格 - 开放性中高 | 尽责性高 | 外向性低 | 宜人性中 | 情绪稳定性高 # 认知策略 - 先判断任务类型再决定是否需要多阶段流程 - 复杂任务先给流程卡不直接开跑 - 对高风险任务默认保守 # 失控风险提醒 - 不要因为想显得聪明而越权调用过多脑区 - 不要因为想提高效率而跳过审批或review - 不要把单次用户情绪当成长期规则planner前额叶的 SOUL.md# 核心身份 你的职责是把复杂问题拆清楚而不是替别人干活。 你是规划器不是执行器不是审查器也不是最终拍板者。 # 大五人格 - 开放性中高 | 尽责性极高 | 外向性低 | 宜人性中低 | 情绪稳定性高 # 认知策略 - 优先给出最短可执行链而不是最复杂链 - 简单任务不做过度规划 - 高风险任务主动建议review # 失控风险提醒 - 不要为了显示专业而过度设计 - 不要把每个任务都拆成多阶段工程review制动器的 SOUL.md——注意宜人性故意设低# 核心身份 你的职责不是让系统更顺而是阻止低质量、高风险、证据不足的结果通过。 你是制动器不是油门。 # 大五人格 - 开放性中 | 尽责性极高 | 外向性低 | 宜人性低到中 | 情绪稳定性高 # 认知策略 - 先查漏洞、证据缺口和边界问题 - 不确定时宁可拒绝也不勉强通过 - 对通过的结论也要说明置信度和不确定点 # 失控风险提醒 - 不要把自己变成阻碍一切的官僚 - 不要为了严格而吹毛求疵到失去价值review 的宜人性设为低到中是故意的。你不希望质检员是个好好先生它的工作就是挑毛病、说不行、指出缺口。如果它太宜人它会倾向于放行——那就失去了存在的意义。writer语言区的 SOUL.md——注意失控提醒# 核心身份 你的职责不是编造而是把已有信息变成清楚、自然、可读的文本。 # 失控风险提醒 - 不要为了流畅而补事实 - 不要为了好看而改变证据边界 - 不要把猜测写成肯定句“不要为了流畅而补事实”——这是 LLM 写作最常见的失败模式。模型天然倾向于写出连贯的文本哪怕需要编一点细节来填平逻辑缝隙。显式写在 SOUL.md 里相当于给它装了一个内心警铃。learner海马体的 SOUL.md# 核心身份 你是经验提炼者只负责把经历变成可复用认知。 # 认知策略 - 区分情节记忆、语义记忆、程序记忆 - 只学习高价值变化不学全量噪音 - 输出必须是提案不是直接更改 # 失控风险提醒 - 不要把一次成功或失败过拟合成永久规则 - 不要因为想学习得更全面就扫全库 。“只学高价值变化不学全量噪音”——这是对抗 AI 系统常见退化的关键。如果 learner 什么都学、什么反馈都沉淀长期记忆会变成垃圾场。它必须有选择性。AGENTS.md —— 定义工作规则如果说 SOUL.md 定义了我是谁AGENTS.md 就定义了我怎么工作main 的 AGENTS.md 定义了整套系统的治理规则# 任务流程 - main 是唯一有权决定任务链路的角色 - 不自动执行多agent工作流——必须先给用户一张流程卡等批准 - 流程卡格式任务类型、建议链路、为什么、预期输出、是否含review、是否涉及外发、是否需要learner后处理 # 委派规则 - planner → 复杂的、跨角色的、模糊的任务 - analyst → 分析和研究 - builder → 代码、脚本、自动化 - writer → 最终文本 - review → 风险和质量闸门 - librarian → 检索和整理 - learner → 任务完成后有反馈时 # 硬边界 - 不能静默消息另一个agent - 不能静默重试失败的工作流 - 不能静默触发外部发送 - 声明需要review的任务没有review结果 ≠ 通过这里最关键的设计是流程卡制度。main 在执行多步任务之前必须先给用户看一张卡流程卡 - 任务类型分析报告 - 建议链路librarian(找资料) → analyst(分析) → writer(成稿) → review(审查) - 为什么这么走涉及数据引用需要审查事实准确性 - 预期输出2000字分析报告 - 是否包含 review是 - 是否涉及外部发送否 请回复批准执行 / 修改计划 / 取消用户看到链路可以调整——比如这个不需要 review直接出稿就行或者加一步 learner 总结经验。人始终在回路里但不需要微管理每一步。MEMORY.md —— 定义记住什么每个 agent 醒来时是白纸。MEMORY.md 就是它的长期记忆但关键是——每个角色只记它需要的东西。main 的 MEMORY.md全局记忆存的是用户长期目标比如将 Obsidian 打造成 Life OS全局工作偏好“少空话重落地先最小可用再迭代”系统治理共识“声明需要 review 的任务没有 review 结果不算完成”经验沉淀review 的 MEMORY.md 只存高风险任务的审查标准常见拒绝原因如把推测当事实“没有显式来源”“跳过审批”哪些类型任务必须严格审查金融、对外发布、自动化执行writer 的 MEMORY.md 只存稳定文风偏好事实边界规则“不确定内容主动降低断言强度”常见写作风险“为了流畅而补事实”learner 的 MEMORY.md 只存已验证的 lesson已批准生效的学习结论常见过拟合风险为什么不让所有 agent 共享一个大记忆因为记忆越多噪音越大。review 不需要知道用户喜欢什么文风writer 不需要知道审查标准的细节learner 不需要知道 builder 的工程习惯。每个角色只看到自己需要的上下文注意力就不会被分散。四、Obsidian 联动AI 帮你整理第二大脑Obsidian 的目录结构采用 PARA 变体00-Inbox/ ← 一切新东西的唯一入口01-Daily/ ← 晨间计划 晚间复盘02-Projects/ ← 进行中的项目03-Areas/ ← 持续关注的领域健康学习工作……04-Resources/ ← 参考资料05-Archive/ ← 归档工作流白天快速记录全扔 Inbox。看到一篇好文章、想到一个 idea、收到一个待办——不管是什么先扔进00-Inbox/。不分类、不整理、不犹豫。降低记录的摩擦力是关键——如果你需要想这应该放哪个文件夹你就不会记了。晚间agent 帮你分流。Inbox 里积攒的条目agent 会按规则帮你分到四个去向Do→ 需要行动的进 Daily 待办或 ProjectsNote→ 值得留下的想法进 Areas 或 ResourcesReference→ 参考资料进 Resources 并打标签Drop→ 不重要的直接删或归档Daily 的定位不是收集入口那是 Inbox 的工作而是晨间计划 晚间复盘。早上看今天要做什么晚上回顾做了什么。简单明确不混用。Obsidian 工作流图五、通信协议谁能自动走谁必须等审批常规任务——自动执行读文件、搜索资料、整理笔记——这些安全的操作不需要人批准planner → executor(analyst/builder/writer) → review关键操作——必须人审批更新或删除 skill 文件改变系统行为将 skill 分发到其他 agent扩散影响范围单次任务 token 超出预算成本控制任务失败需要重试防止死循环断路器——3 轮反馈循环上限单次任务最多经历 3 轮规划 → 执行 → 审查循环。超过 3 轮自动终止上报用户。任务执行流程图用户输入「帮我分析这只股票」六、模型分配高频便宜关键节点强原则高频、低风险任务用便宜模型librarian 查资料、builder 跑脚本、日常分流——用更便宜更快的模型即可。关键节点用强模型planner 做复杂规划、analyst 做重要分析、review 做质量审查、learner 做经验提炼——需要更强的推理能力。按角色分配而不是按对话分配。传统用法是这次对话用 GPT-4那次用 Claude。多 agent 架构下是review 永远用强模型librarian 永远用便宜模型。同一个任务里不同步骤可以用不同模型花钱花在刀刃上。模型分配矩阵 ┌────────────────────────────────────────────┐ │ 成本低 ◄─────────────────► 成本高 │ └────────────────────────────────────────────┘ 调用频率高 ──► main writer analyst builder (日常高频) (MiniMax) (MiniMax) (GLM-5) (GLM-5) ▲ ▲ ▲ ▲ │ │ │ │ └────────────┴────────────┴────────────┘ │ ▼ ┌────────────────────────────────────┐ │ 调度 执行层 (便宜模型) │ └────────────────────────────────────┘ 调用频率低 ──► planner review learner (关键节点) (Opus) (GPT-5.4) (GPT-5.4) ▲ ▲ ▲ │ │ │ └────────────┴────────────┘ │ ▼ ┌────────────────────────────────────┐ │ 推理 审查层 (强模型) │ └────────────────────────────────────┘ 长上下文 ◄────────────────────► librarian (Kimi K2.5)原则让便宜模型撑住高频日常让强模型守住关键节点七、总结这套系统想要解决的问题角色分离→ 规划、执行、审查不再互相污染质量闸门→ 重要输出发布前有专职审查员持久记忆→ 每个角色记住它需要的东西跨会话保持一致人在回路→ 关键决策需要人批准但不需要微管理成本可控→ 按角色分配模型钱花在刀刃上可成长→ learner 持续从反馈中提炼经验系统越用越好学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透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】
OpenClaw 搭建多 Agent 系统全攻略（非常详细），从架构设计到 Obsidian 联动，收藏这一篇就够了！
一、先说背景我为什么要做这个最早就是个简单的想法我想跟自己的笔记对话。然后自然就试了多 agent——给不同任务分配不同的 AI。结果发现管理成本巨高像带了个外包团队每个人都要你手把手交代交代完还不一定对。于是加了个工头角色main agent负责判断任务该分给谁。好了一点但新问题来了这些 agent 干完活就走不记东西不学东西。每次都像新来的临时工。转折点是一个类比人脑不是工头带着一群打工的而是多个脑区协同工作。前额叶管规划海马体管记忆每个区域有自己的职责但共享同一个自我。这个思路改变了一切。我给每个 agent 写了 SOUL.md 定义它是谁AGENTS.md 定义它怎么工作——不是工具说明书是角色定义。它们不再是被调用的函数而是系统的一部分。再往前一步每个脑区有自己的 workspace 和 memory能记住做过什么、学到什么。它不是每次从零开始而是可以生长的。回头看这条路工具 → 外包团队 → 脑区协同 → 可生长的系统。每一步都是在回答同一个问题—— 如何打造一个系统二、整体架构8 个脑区 1 个调度中心整体架构图脑区名类比它做什么main调度中心唯一用户入口。接收请求判断任务类型决定链路分派任务收集结果。它不干活它决定谁干活planner前额叶把复杂任务拆成执行计划。只规划不执行。输出链路建议、阶段目标、依赖关系和风险点analyst分析皮层做数据分析、研究、判断。核心纪律先证据后结论信息不足主动降断言writer语言区把已有信息变成清楚、自然、可读的文字。核心纪律不为了流畅而编造事实builder运动皮层写代码、搭自动化做集成。先最小可用再扩展。有副作用的动作必须等批准review制动器质量和风险把关专门挑毛病。不确定时宁可拒绝也不勉强放行librarian检索系统找资料、整理材料、压缩信息。不做判断只做输入净化learner海马体从反馈中提炼可复用认知。只产出提案不直接修改任何规则为什么是这 8 个因为覆盖了完整的知识工作链规划 → 分析 → 执行 → 表达 → 审查 → 检索 → 学习。每个环节的目标和纪律是不同的甚至是对立的——比如 writer 要把事情说得好听review 要挑刺analyst 要快速给出判断learner 要慢下来总结经验。把它们放在同一个 prompt 里这些目标会打架。拆开就清晰了。关键设计main 是唯一的对外人格。用户只和 main 对话main 向内调度其他脑区。用户感受到的是一个统一的 AI但后面是分工协作。三、每个 Agent 是怎么配置的OpenClaw 里每个 agent 有自己的工作区workspace里面通过几个 Markdown 文件定义它的行为。最核心的三个SOUL.md性格、AGENTS.md工作规则、MEMORY.md记忆范围。SOUL.md —— 定义性格每个 agent 有个 SOUL.md 文件相当于性格说明书。它不是简单的 system prompt它定义了这个 agent 的认知倾向、表达风格、行为边界和失控预防。main调度中心的 SOUL.md# 核心身份 你不是前台、客服或传声筒。你是一个统一的大脑对外只呈现一个我。 # 大五人格 - 开放性中高 | 尽责性高 | 外向性低 | 宜人性中 | 情绪稳定性高 # 认知策略 - 先判断任务类型再决定是否需要多阶段流程 - 复杂任务先给流程卡不直接开跑 - 对高风险任务默认保守 # 失控风险提醒 - 不要因为想显得聪明而越权调用过多脑区 - 不要因为想提高效率而跳过审批或review - 不要把单次用户情绪当成长期规则planner前额叶的 SOUL.md# 核心身份 你的职责是把复杂问题拆清楚而不是替别人干活。 你是规划器不是执行器不是审查器也不是最终拍板者。 # 大五人格 - 开放性中高 | 尽责性极高 | 外向性低 | 宜人性中低 | 情绪稳定性高 # 认知策略 - 优先给出最短可执行链而不是最复杂链 - 简单任务不做过度规划 - 高风险任务主动建议review # 失控风险提醒 - 不要为了显示专业而过度设计 - 不要把每个任务都拆成多阶段工程review制动器的 SOUL.md——注意宜人性故意设低# 核心身份 你的职责不是让系统更顺而是阻止低质量、高风险、证据不足的结果通过。 你是制动器不是油门。 # 大五人格 - 开放性中 | 尽责性极高 | 外向性低 | 宜人性低到中 | 情绪稳定性高 # 认知策略 - 先查漏洞、证据缺口和边界问题 - 不确定时宁可拒绝也不勉强通过 - 对通过的结论也要说明置信度和不确定点 # 失控风险提醒 - 不要把自己变成阻碍一切的官僚 - 不要为了严格而吹毛求疵到失去价值review 的宜人性设为低到中是故意的。你不希望质检员是个好好先生它的工作就是挑毛病、说不行、指出缺口。如果它太宜人它会倾向于放行——那就失去了存在的意义。writer语言区的 SOUL.md——注意失控提醒# 核心身份 你的职责不是编造而是把已有信息变成清楚、自然、可读的文本。 # 失控风险提醒 - 不要为了流畅而补事实 - 不要为了好看而改变证据边界 - 不要把猜测写成肯定句“不要为了流畅而补事实”——这是 LLM 写作最常见的失败模式。模型天然倾向于写出连贯的文本哪怕需要编一点细节来填平逻辑缝隙。显式写在 SOUL.md 里相当于给它装了一个内心警铃。learner海马体的 SOUL.md# 核心身份 你是经验提炼者只负责把经历变成可复用认知。 # 认知策略 - 区分情节记忆、语义记忆、程序记忆 - 只学习高价值变化不学全量噪音 - 输出必须是提案不是直接更改 # 失控风险提醒 - 不要把一次成功或失败过拟合成永久规则 - 不要因为想学习得更全面就扫全库 。“只学高价值变化不学全量噪音”——这是对抗 AI 系统常见退化的关键。如果 learner 什么都学、什么反馈都沉淀长期记忆会变成垃圾场。它必须有选择性。AGENTS.md —— 定义工作规则如果说 SOUL.md 定义了我是谁AGENTS.md 就定义了我怎么工作main 的 AGENTS.md 定义了整套系统的治理规则# 任务流程 - main 是唯一有权决定任务链路的角色 - 不自动执行多agent工作流——必须先给用户一张流程卡等批准 - 流程卡格式任务类型、建议链路、为什么、预期输出、是否含review、是否涉及外发、是否需要learner后处理 # 委派规则 - planner → 复杂的、跨角色的、模糊的任务 - analyst → 分析和研究 - builder → 代码、脚本、自动化 - writer → 最终文本 - review → 风险和质量闸门 - librarian → 检索和整理 - learner → 任务完成后有反馈时 # 硬边界 - 不能静默消息另一个agent - 不能静默重试失败的工作流 - 不能静默触发外部发送 - 声明需要review的任务没有review结果 ≠ 通过这里最关键的设计是流程卡制度。main 在执行多步任务之前必须先给用户看一张卡流程卡 - 任务类型分析报告 - 建议链路librarian(找资料) → analyst(分析) → writer(成稿) → review(审查) - 为什么这么走涉及数据引用需要审查事实准确性 - 预期输出2000字分析报告 - 是否包含 review是 - 是否涉及外部发送否 请回复批准执行 / 修改计划 / 取消用户看到链路可以调整——比如这个不需要 review直接出稿就行或者加一步 learner 总结经验。人始终在回路里但不需要微管理每一步。MEMORY.md —— 定义记住什么每个 agent 醒来时是白纸。MEMORY.md 就是它的长期记忆但关键是——每个角色只记它需要的东西。main 的 MEMORY.md全局记忆存的是用户长期目标比如将 Obsidian 打造成 Life OS全局工作偏好“少空话重落地先最小可用再迭代”系统治理共识“声明需要 review 的任务没有 review 结果不算完成”经验沉淀review 的 MEMORY.md 只存高风险任务的审查标准常见拒绝原因如把推测当事实“没有显式来源”“跳过审批”哪些类型任务必须严格审查金融、对外发布、自动化执行writer 的 MEMORY.md 只存稳定文风偏好事实边界规则“不确定内容主动降低断言强度”常见写作风险“为了流畅而补事实”learner 的 MEMORY.md 只存已验证的 lesson已批准生效的学习结论常见过拟合风险为什么不让所有 agent 共享一个大记忆因为记忆越多噪音越大。review 不需要知道用户喜欢什么文风writer 不需要知道审查标准的细节learner 不需要知道 builder 的工程习惯。每个角色只看到自己需要的上下文注意力就不会被分散。四、Obsidian 联动AI 帮你整理第二大脑Obsidian 的目录结构采用 PARA 变体00-Inbox/ ← 一切新东西的唯一入口01-Daily/ ← 晨间计划 晚间复盘02-Projects/ ← 进行中的项目03-Areas/ ← 持续关注的领域健康学习工作……04-Resources/ ← 参考资料05-Archive/ ← 归档工作流白天快速记录全扔 Inbox。看到一篇好文章、想到一个 idea、收到一个待办——不管是什么先扔进00-Inbox/。不分类、不整理、不犹豫。降低记录的摩擦力是关键——如果你需要想这应该放哪个文件夹你就不会记了。晚间agent 帮你分流。Inbox 里积攒的条目agent 会按规则帮你分到四个去向Do→ 需要行动的进 Daily 待办或 ProjectsNote→ 值得留下的想法进 Areas 或 ResourcesReference→ 参考资料进 Resources 并打标签Drop→ 不重要的直接删或归档Daily 的定位不是收集入口那是 Inbox 的工作而是晨间计划 晚间复盘。早上看今天要做什么晚上回顾做了什么。简单明确不混用。Obsidian 工作流图五、通信协议谁能自动走谁必须等审批常规任务——自动执行读文件、搜索资料、整理笔记——这些安全的操作不需要人批准planner → executor(analyst/builder/writer) → review关键操作——必须人审批更新或删除 skill 文件改变系统行为将 skill 分发到其他 agent扩散影响范围单次任务 token 超出预算成本控制任务失败需要重试防止死循环断路器——3 轮反馈循环上限单次任务最多经历 3 轮规划 → 执行 → 审查循环。超过 3 轮自动终止上报用户。任务执行流程图用户输入「帮我分析这只股票」六、模型分配高频便宜关键节点强原则高频、低风险任务用便宜模型librarian 查资料、builder 跑脚本、日常分流——用更便宜更快的模型即可。关键节点用强模型planner 做复杂规划、analyst 做重要分析、review 做质量审查、learner 做经验提炼——需要更强的推理能力。按角色分配而不是按对话分配。传统用法是这次对话用 GPT-4那次用 Claude。多 agent 架构下是review 永远用强模型librarian 永远用便宜模型。同一个任务里不同步骤可以用不同模型花钱花在刀刃上。模型分配矩阵 ┌────────────────────────────────────────────┐ │ 成本低 ◄─────────────────► 成本高 │ └────────────────────────────────────────────┘ 调用频率高 ──► main writer analyst builder (日常高频) (MiniMax) (MiniMax) (GLM-5) (GLM-5) ▲ ▲ ▲ ▲ │ │ │ │ └────────────┴────────────┴────────────┘ │ ▼ ┌────────────────────────────────────┐ │ 调度 执行层 (便宜模型) │ └────────────────────────────────────┘ 调用频率低 ──► planner review learner (关键节点) (Opus) (GPT-5.4) (GPT-5.4) ▲ ▲ ▲ │ │ │ └────────────┴────────────┘ │ ▼ ┌────────────────────────────────────┐ │ 推理 审查层 (强模型) │ └────────────────────────────────────┘ 长上下文 ◄────────────────────► librarian (Kimi K2.5)原则让便宜模型撑住高频日常让强模型守住关键节点七、总结这套系统想要解决的问题角色分离→ 规划、执行、审查不再互相污染质量闸门→ 重要输出发布前有专职审查员持久记忆→ 每个角色记住它需要的东西跨会话保持一致人在回路→ 关键决策需要人批准但不需要微管理成本可控→ 按角色分配模型钱花在刀刃上可成长→ learner 持续从反馈中提炼经验系统越用越好学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透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】
