一句话路线图：大模型是什么 → 行业怎么分层 → Agent 在哪、怎么转 → 怎么从 Prompt 升级到真·能干 → 钱从哪来。
本质是「预测下一个词」的超级函数。听起来朴素，干起来很贵。
输入「今天天气……」→ 模型猜「真……」→ 「不错」。
靠预测 token，顺手学会了语法、逻辑、常识和推理。能写、能编、能译、能想、能整活。
海量无标注文本（约万亿 token），学会「人类说话」。能续写，但还不会听话办事。成本约 $5万–$500万，成百上千 GPU，数周到数月。
「问题 + 标准答案」示范，500–5000 条高质量人工问答即可。1 张 GPU、1–4 小时，成本约 $100–$500。模型开始正经答题。
人给回答打分排序，训出奖励模型再优化主模型。数万条偏好数据，成本约 $5千–$5万。
权重从 FP16 压到 4-bit，体积约缩 75%（如 140GB → 35GB）。GGUF / GPTQ / AWQ。成本 ≈ $0，笔记本也能跑。
一张图搞清：谁付钱、谁赚钱、壁垒在哪。
不是产品名，是一种范式：让模型从「能想」变成「能干」。
| Chatbot | Agent | |
|---|---|---|
| 交互 | 一问一答，无记忆 | 多轮自主循环 |
| 输入输出 | 文本进 → 文本出 | 调工具、读写文件 |
| 结束条件 | 答完就停 | 做错了会重来 |
每轮迭代，逼近最优解（ReAct Loop 的灵魂）
代码生成、搜索、文件操作、API 调用
长链推理、多步规划、跨平台操作
完全自主决策、物理世界操作
升级路线：Prompt → Skill → Sub-agent → Multi-agent。
精确表达、Zero/Few-shot、CoT。角色 + 任务 + 格式 + 约束。
把知识封装成可复用工具集，接知识库 + 工作流。
主 Agent 分发，子任务各由独立 Agent 专岗处理。
多 Agent 自主协商分工，层级 / 辩论 / 自由协作。
Zero-shot（不给例子）· Few-shot（给 2–3 个格式清晰的例子）· CoT（Let's think step by step）· 结构化提示（角色+任务+格式+约束）
Boss 派活，小弟汇报。适合流水线：Code Review = Master → Code → Test → Deploy。
并行出方案再投票。适合创意/分析：策略讨论那种「吵出最优解」。
自己谈、自己排期。适合开放复杂任务：前后端+测试互相对接那种全栈乱炖。
构建原则：给足上下文 · 小步快跑 · 规则清晰 · 先跑通再优化 · 拆得越细越好控。
核心公式：Model + Harness（框架）= Agent（ReAct Loop）
横向看功能，纵向看怎么赚钱。
| 类别 | 代表 | 商业模式特点 |
|---|---|---|
| 通用对话 / AI 搜索 | ChatGPT · Kimi · 豆包 · Perplexity | 免费引流 + 订阅变现（双轨） |
| AI 编程助手 | Copilot · Cursor · Claude Code · 通义灵码 · Trae | 免费入口 + 订阅核心 + 企业定制 · 商业化最成熟 |
| AI 内容创作 | Midjourney · Sora · Suno · 可灵 · 即梦 | 会员订阅 + 按量充值 · 重度依赖创作者 |
| 垂直行业 Agent | 金融投研 · 法律文书 · 医学影像 · 教育辅导 | 企业定制/私有化 · 效果付费仍在探索 |
| 企业协作 / 低代码 | Coze · Dify · 钉钉 AI · Salesforce | 免费试用 + 订阅 + API · B 端 SaaS 逻辑 |
| 实体智能 | 具身机器人 · 自动驾驶 · 智能硬件 | 硬件销售 + 企业合作 · 软件模式仍在探 |
资讯、硬核、商业、实操 —— 挑口感下饭。