AI-Wiki：总览目录

⭐ 如果觉得有用，欢迎 Star！→ GitHub 仓库

AI-Wiki 项目封面

本文档是 ai-wiki 的正文总览页。完整内容已按章节拆分在 docs/chapterXX/ 目录下，便于持续维护与扩展图片等资源文件。

全景架构图

16 个章节：前 15 章按四层组织（模型与数据层 → 框架与协议层 → 工具与平台层 → 范式与方法论层），第 16 章从「人与商业」视角横向收束。

┌─────────────────────────────────── 范式与方法论层 ──────────────────────────────────┐
│                                                                                    │
│   Vibe Coding(12)              Prompt Engineering(14)                              │
│   编程范式：灵感/Spec/Glue/Harness   交互范式：提示词框架与技巧                       │
│                                                                                    │
├─────────────────────────────────── 工具与平台层 ──────────────────────────────────┤
│                                                                                    │
│   CLI(4)           IDE(7)           Skill(5)        Claw(1)    Coding Plan(2)    │
│   终端 AI 工具      AI 原生 IDE      技能市场与创建     智能体产品   订阅套餐          │
│                                                                                    │
├─────────────────────────────────── 框架与协议层 ──────────────────────────────────┤
│                                                                                    │
│   Agent 框架(8)         RAG 框架(9)         MCP(6)                                 │
│   LangChain/CrewAI/     LlamaIndex/RAGFlow   工具调用协议                            │
│   AutoGen/ReAct/...     GraphRAG/Agentic     AI 应用的 USB-C                        │
│                                                                                    │
├─────────────────────────────────── 模型与数据层 ──────────────────────────────────┤
│                                                                                    │
│   模型 API(3)            Embedding(11)          向量库(10)                         │
│   LLM 推理能力来源         文本→向量表示           向量存储与检索                      │
│                                                                                    │
└───────────────────────────────────────────────────────────────────────────────────┘
                                         │
                    资源导航(13) + 实战项目(15) + 角色与商业(16)

依赖关系：

模型与数据层是所有上层的基础——模型 API(3) 提供推理能力，Embedding(11) + 向量库(10) 是 RAG(9) 的前置
框架与协议层依赖模型与数据层——Agent(8) 调用模型推理，RAG(9) 依赖 Embedding+向量库，MCP(6) 是 Agent(8) 和 Skill(5) 的工具协议
工具与平台层依赖框架与协议层——CLI(4) 和 IDE(7) 内建 Agent 能力，Skill(5) 通过 MCP(6) 调用工具
范式层是方法论，指导所有层的使用方式
角色与商业(16) 是横切视角——不隶属于任何一层，而是把「人」与 Token 成本贯穿回各层

学习路径

根据你的目标，选择不同的学习路线：

路线 A：AI 编程入门（零基础）

适合想快速上手 AI 辅助编程的开发者。

模型 API(3) → CLI(4) → IDE(7) → Skill(5) → Vibe Coding(12) → Coding Plan(2)
  "有哪些模型"   "终端怎么用"  "IDE怎么选"  "技能怎么装"   "怎么用AI写代码"  "怎么省钱"

目标：能用 AI 工具独立完成一个小项目。

路线 B：RAG 应用开发者

适合想构建知识库问答、文档检索系统的开发者。

模型 API(3) → Embedding(11) → 向量库(10) → RAG 框架(9) → MCP(6)
  "选哪个模型"   "文本怎么变向量"  "向量存哪里"   "怎么检索+生成"  "怎么接外部工具"

目标：能搭建一个端到端的 RAG 知识库问答系统。

路线 C：Agent 工程师

适合想构建自主推理、多步执行的 AI Agent 的开发者。

MCP(6) → Agent 框架(8) → RAG(9) → Skill(5) → Prompt Engineering(14)
 "工具协议"  "框架怎么选"   "知识增强"  "技能封装"   "提示词工程"

目标：能设计并实现一个多步骤、可调用工具的 AI Agent。

阅读方式

从本页按主题跳转到对应章节
每个章节页都提供「上一章 / 返回总览 / 下一章」互链
或按上述学习路径顺序阅读

章节目录

章节	文件	简介
一、龙虾 Claw 产品系列	`01-openclaw-ecosystem.md`	OpenClaw 生态、核心能力与国内产品矩阵
二、Coding Plan	`02-coding-plan.md`	主流订阅套餐、定价与趋势
三、三方模型（API）	`03-model-api.md`	国际/国产 API 模型与聚合平台
四、CLI 种类	`04-cli-tools.md`	主流 AI CLI 工具盘点
五、好用的 Skill	`05-skills.md`	Skill 生态和常见技能类型
六、MCP	`06-mcp.md`	MCP 服务器、客户端与延伸阅读
七、编程工具 IDE	`07-ide-tools.md`	IDE/编辑器与 Web 编程工具
八、Agent 框架	`08-agent-frameworks.md`	Agent 框架、低代码平台与对比
九、RAG 框架	`09-rag-frameworks.md`	主流框架与演进方向
十、向量知识库	`10-vector-databases.md`	向量数据库选型参考
十一、Embedding 模型	`11-embedding-models.md`	主流 Embedding 模型与榜单
十二、Vibe Coding 四种	`12-vibe-coding.md`	开发者原型与编程范式
十三、资源导航	`13-resources.md`	导航站、榜单与社区资源
十四、Prompt Engineering	`14-prompt-engineering.md`	提示词核心技巧、框架与最佳实践
十五、端到端实战项目	`15-hands-on-projects.md`	RAG 知识库、MCP Server、Vibe Coding MVP
十六、AI 时代的角色与商业	`16-roles-and-business.md`	FDE、OPC 与 Token 计价

术语表

术语	全称	含义
LLM	Large Language Model	大语言模型，如 GPT、Claude、Qwen
RAG	Retrieval-Augmented Generation	检索增强生成，先检索相关文档再生成回答
MCP	Model Context Protocol	模型上下文协议，AI 应用的工具调用标准
Agent	AI Agent	能自主推理、规划、执行任务的 AI 系统
Embedding	Text Embedding	将文本转换为向量表示，用于语义检索
HNSW	Hierarchical Navigable Small World	基于图的向量索引算法，查询速度快
IVF	Inverted File Index	基于聚类的向量索引算法，适合大规模数据
MTEB	Massive Text Embedding Benchmark	Embedding 模型的权威评测基准
CoT	Chain of Thought	思维链，让模型逐步推理以提升准确率
ReAct	Reasoning + Acting	推理+行动交替的 Agent 设计模式
Skill	AI Skill	为 AI 预定义的可复用专业能力包
CLI	Command-Line Interface	命令行界面，终端中使用的工具
IDE	Integrated Development Environment	集成开发环境，如 VS Code、Cursor
BM25	Best Matching 25	经典关键词检索算法，常与向量检索组合使用
RRF	Reciprocal Rank Fusion	倒数排名融合，合并多路检索结果的排序方法
MoE	Mixture of Experts	专家混合，推理时只激活部分「专家」子网络，降低推理成本
Jev	—	TypeSafe 的「决策模型」，不生成文本，只输出带概率的类型化判定
World Model	世界模型	理解并预测物理世界演化的模型，用于仿真与具身智能
CE	Context Engineering	上下文工程，决定喂给模型哪些上下文、工具与记忆
Harness	Agent Harness	承载 agent 的运行时——工具、权限、记忆与验证的总和
Harness Engineering	工具链工程	设计 Harness 的工程实践，含工具链、权限与验证门禁
Loop Engineering	循环工程	设计「提示 agent 的系统」，而非自己逐步提示
DSH	DeepSeek Harness	DeepSeek 开源的 Agent 运行时，「一切皆插件」
FDE	Forward Deployed Engineer	前沿部署工程师，驻客户现场让 AI 真正落地
OPC	One-Person Company	一人公司，单人 + AI 完成全流程商业闭环
Token	词元	模型处理文本与计费的最小单位

AI-Wiki：总览目录 ​

全景架构图 ​

学习路径 ​

路线 A：AI 编程入门（零基础） ​

路线 B：RAG 应用开发者 ​

路线 C：Agent 工程师 ​

阅读方式 ​

章节目录 ​

术语表 ​