企业官网建设流程全解析

1.LLM🧠

LLM大模型就相当于人的大脑，当对它进行问答的时候，会基于它的训练数据进行回答。

但，直接调用API存在则不少问题：

1）没有记忆能力：问了一个问题，就忘记上一个问题；
2）没有隔离功能：使用的上下文是共享的，无法区分不同用户各自的内容

解决上面的问题，其实很简单，就是在发送给LLM之前，将用户标识和用户的历史会话信息拼接在用户Prompt、系统Prompt后面。

2.RAG🗄️、MCP🛠️

在慢慢的使用过程中，会发现LLM的回答不能满足我们的需求了。它内部的训练数据过于老旧，并且缺乏企业内部的知识库。故引入了RAG和MCPServer。

RAG：通过将资源向量化存储到向量库中，问答的时候，再从向量库中找相似性高的内容，拼接用户Prompt、系统Prompt、上下文等发送给LLM。

MCP Server：本质是nodejs软件或python程序，就像一个工具包，这个工具可以获取当前的时间，也可以抓取网络信息，进行联网搜索等。如果有能力，自己也可以遵从MCP上下文协议，开发工具供开发者使用。

3.Agent🤖

经过上面的完善，现在LLM已经可以结合最新信息，提供给我们满意的答案。

但，这远远不够。LLM只会说，不会做，还需要我们自己手动操作。所以，Agent出现了，它就相当于人的四肢。

LLM大脑说，Agent四肢使用MCP Server工具做。

4.Workflow🔀

在Agent处理任务的时候，有一些复杂、重复的任务，一次完成后，没有保存下来。下一次，执行的时候，又重复思考，即浪费Token又浪费时间。需要把它固化下来，方便复用，Workflow就出现了。

Workflow规定了一个节点干什么，下一个节点干什么，就像流水线一样。（有一些图形化界面工具，可以快速搭建工作流，无需编码）

5.SKills📋

因为Workflow固定了，所以要处理不同任务，就需要重新创作新工作流。随着时间的推移，工作流越来越多，这似乎有点麻烦，可以让它灵活一点吗？Skills应运而生。

Skills就像一本操作手册，里面写了什么时候可以使用哪些工具。Agent可以按照手册去使用MCP Server工具处理任务。相较于Workflow，Skills可以依据LLM，动态地将各个节点进行组合，而无需手动组合。

其实，大部分高大上的名词，底层都是通过添加提示词实现。如，RAG/MCP/Skills。