AI 知识图谱

这张图谱把知识点拆成更小的节点。阅读时不要从头背概念,而是按“角色任务 -> 必懂节点 -> 深入专题”的方式查。

AI 知识图谱

先读两个细化入口:

第一层:普通用户必懂

知识点 要解决的问题 关联主题
AI 能力类型 我应该用哪类 AI 工具 AI 工具与能力地图
Token 为什么长文、费用、速度和限制有关 LLM、Prompt
上下文 AI 这次到底看到了什么 上下文工程
一次请求结构 怎么把任务交给 AI Prompt、Runtime
记忆 哪些信息会跨任务保留 上下文工程、Agent
工具调用 AI 如何让外部系统执行动作 MCP、Agent、Runtime
输出格式 怎么让 AI 给出可用结果 Prompt
幻觉和校验 为什么不能无脑相信回答 评测、RAG

第二层:高频使用能力

知识点 要解决的问题 典型做法
Prompt 结构 如何稳定表达任务 目标、背景、材料、约束、格式、标准
Few-shot 示例 如何让输出更像你想要的样子 给 1-3 个好例子
文件理解 如何让 AI 处理文档、表格、图片 上传材料并限定提取字段
搜索研究 如何理解新信息 搜索、归纳、回到原文核对
数据分析 如何从表格找规律 明确字段、指标、分组和异常
多模态 如何处理图片、视频、音频 明确要识别、生成还是改写
结构化输出 如何让结果进入系统 JSON Schema、字段校验、重试
PromptOps 如何管理高频提示词 版本、样例、回归、回滚

第三层:产品和业务能力

知识点 要解决的问题 产出
用户任务 AI 到底帮谁完成什么事 用户故事、任务清单
场景边界 哪些情况 AI 该回答,哪些不该 适用范围、拒答范围
指标体系 怎么判断有价值 准确率、时长、转化、满意度、成本
人工兜底 AI 不确定时怎么办 转人工、确认点、复核流程
权限分级 哪些动作可以自动执行 风险等级和审批规则
案例迁移 别人的案例怎么复用 用户、数据、能力、指标、风险
试点设计 怎么从个人使用变成团队能力 样例集、灰度、埋点、复盘

第四层:知识库和 RAG

知识点 要解决的问题 常见坑
文档切片 怎么把资料切成可检索单元 切太碎丢上下文,切太大召回不准
Embedding 怎么把文本变成可搜索表示 语义相近不等于事实正确
混合检索 怎么提升召回稳定性 只用向量检索可能漏关键词
Rerank 怎么从候选资料里选最相关 没有重排容易把弱相关内容塞进上下文
上下文拼装 怎么把资料放进模型窗口 重复、冲突、过长、过期
引用和评测 怎么证明回答可靠 没有引用就难以治理幻觉
权限过滤 怎么避免资料越权 metadata、用户组、检索前过滤
无答案处理 没找到资料怎么办 说明无法确定、请求补充、转人工

第五层:Agent 和 Runtime

知识点 要解决的问题 关键控制
目标拆解 长任务怎么变成步骤 子任务、依赖、停止条件
工具调用 模型怎么操作外部系统 工具说明、参数、权限
观察结果 工具执行后怎么继续 结果解析、错误处理
记忆 哪些信息要跨轮保留 用户偏好、任务状态、长期资料
回放 失败后怎么复盘 输入、工具、输出、日志
可观测性 线上怎么定位问题 轨迹、耗时、成本、错误类型
沙箱和权限 怎么避免误操作 只读、确认、审批、隔离

第六层:工程和组织落地

知识点 要解决的问题 对应产物
模型选型 用快模型还是强模型 任务分级、成本表
结构化输出 怎么稳定接入系统 JSON Schema、校验、重试
评测集 怎么持续判断效果 样例、期望答案、评分规则
版本管理 Prompt 和流程怎么迭代 版本、变更说明、回滚
成本治理 怎么避免失控 token 预算、缓存、限流
安全治理 怎么控制风险 数据边界、权限、审计

使用方式

  1. 如果你是普通用户,先读第一层和第二层。
  2. 如果你做产品方案,重点读第三层,再看 RAG、Agent 和案例。
  3. 如果你做工程落地,重点读第四层、第五层、第六层。
  4. 如果你负责团队采用,重点读工具能力地图、角色导航、指标体系和安全治理。