第01篇-AI名词怎么分层（总纲）

AI 名词太多记不住？先记住这 5 层，后面 11 篇都不用背

AI 学习笔记 · 第 1 篇（总纲）

模型、产品、Agent、Skill、MCP、平台、Vibe coding……这些词越攒越多，越听越乱。
但乱的不是词，是没人告诉你，每个词该站在哪一层。
这一篇不讲细节，只做一件事：把整张地图画出来。读完它，后面 11 篇你都能"对号入座"。

一、你是不是也被这几个问题绕晕过

• 有人说「我用的是 Claude」，另一个说「我用的是 Claude Code」——这俩是一回事吗？
• ChatGPT 到底是“模型”还是“软件”？为什么有人说 GPT，有人说 ChatGPT？
• 「文心一言」和「文心大模型」，名字就差一个字，能通用吗？
• Cursor、Codex、Claude Code，感觉都是“写代码的 AI”，谁比谁高级？

如果你也被绕晕过，先别急着背单词。

AI 名词混乱，本质只有一个原因：大家没分清，这句话说的到底是“公司”“模型”，还是“软件”。

举个大白话的例子：

「我开的是大众」——这句话里，大众是公司；
「我这台是高尔夫」——高尔夫是车型（相当于模型）；
「我每天开那辆白色两厢」——这才是你真正上手开的那台车（相当于产品）。

AI 圈一模一样：公司造模型，模型装进产品，产品才是你真正打开、点击、付费的那个东西。

把这三者混为一谈，再背多少名词都会乱。再加上这两年新词往“上层”跑得特别快——从聊天的，到能自己干活的 Agent，再到 Skill、MCP、智能体平台……所以下面这套分层框架，值得你先记住。

二、主心骨：一张图看懂五个层级

先说结论：从上到下，是从“最大的筐”一路收窄到“你手上的那个软件”。

五个层级，一句话分别是：

记住一句话就够了：公司造模型，模型装进产品，产品才是你上手用的那个东西。

三、一层一层看：每一层到底在说什么

第 1 层 · 概念层：AI（人工智能）

一句话：这是最大的那个筐，机器学习、深度学习、大模型、智能体，全都是它的子集。

这一层只回答一个问题：“这算不算 AI？”

它不区分形态——就像"交通工具"这个词，既包含汽车，也包含飞机和自行车。所以当有人问"AI 会不会取代人类"时，你首先要意识到：这是一个概念层的问题，大到没法直接回答。

第 2 层 · 技术路线层：机器学习 / 深度学习

一句话：这一层是 AI 里实现“智能”的方法流派。

• 机器学习（ML）：不写死规则，而是喂大量数据，让机器自己找规律。
• 深度学习（DL）：机器学习里最主流的那一支，模仿大脑的神经元，搭很多层“数字网”。
• 大模型：就是深度学习“堆算力、堆数据”堆出来的产物。

好消息是：日常讨论几乎不需要落到这一层。 除非你要做算法研究或面试被追问，否则知道“大模型属于深度学习”就够了。

第 3 层 · 模型层：AI 的“大脑”

一句话：这一层就是大家天天挂嘴边的东西——大语言模型（LLM）/基础模型（Foundation Model）。

它的特点是：

• 它是一堆参数和权重，自己不会打开、不会点，只能被别的程序调用；
• 名字通常长得像“字母 + 版本号”，比如 GPT、Claude、Gemini、文心 ERNIE、DeepSeek；
• 迭代极快，几个月就换一版，所以本文不追具体版本号——你只要认得出“这是个模型名”就行。

打个比方：模型就是汽车的发动机。 发动机再强，也不会自己开着你去上班。

第 4 层 · 组织层：造模型的公司

一句话：这一层是公司和实验室，它和“模型”“产品”不是一回事。

OpenAI、Anthropic、Google、Meta、百度、腾讯、阿里……都在这层。

关键提醒：公司 ≠ 模型 ≠ 产品。

一家公司会有多个模型、多个产品。所以“我在用 OpenAI”这句话是不完整的——你用的其实是它家的某个产品（比如 ChatGPT），它背后跑的是它家的某个模型（比如 GPT 系列）。

第 5 层 · 产品层：你真正能上手的东西

一句话：这一层才是你每天真正接触的——能打开、能登录、能付费的软件。

它又分两类：

• 对话 / 通用入口：ChatGPT、文心一言、Claude 网页版、Gemini App——你问它答，主打"聊"和"答"；
• 工具与智能体（Agent）：Cursor、Claude Code、Codex、GitHub Copilot——它们主打"替你动手干活"，能读文件、跑命令、改代码、自己试错。

产品层里最值得分清的一刀，就是"只会答话"和"能动手干活"。 这一刀，第五节专门讲。

四、先填掉三个高频"坑"

知道了五层结构，我们立刻来填三个最常见、最坑人的误解。

坑 1：ChatGPT 是模型吗？

不是。ChatGPT 是产品，GPT 才是模型，OpenAI 才是公司。 三者是"公司 > 模型 > 产品"的包含关系。你打开的是 ChatGPT，它背后跑的是 GPT 系列模型。

坑 2：文心一言和文心大模型，能通用吗？

不能。文心大模型（ERNIE）是模型，文心一言是产品。 正如"GPT（模型）→ ChatGPT（产品）“。一个名字带"大模型”，一个带"一言"，层级不同。

坑 3：Claude 和 Claude Code，是同一个吗？

Claude 是模型，Claude Code 是产品。 两者同源同名，但一个是被调用的"大脑"，一个是你在终端里真正操作的"编程智能体"。

再顺手记一个"一眼辨真身"的小技巧：

看到"多模型可选"，基本可以断定它是产品，而不是模型。

因为模型只有"一个大脑"，而产品可以"借别人的脑子"。比如 Cursor 自己不做底座模型，它把 Claude、GPT、Gemini 接进来让你切换；腾讯的编程助手 CodeBuddy 也是多模型接入，所以它是产品层，和 Codex、Claude Code 属于同一层，谁也不比谁"高一级"。

还有一个特殊角色要小心：千问（Qwen）。它"品牌、模型、产品三合一"——既是模型名，也是 App 名，一个名字三重身份，是最容易被误解的那一个。

五、产品层里最关键的一刀：对话产品 vs 智能体（Agent）

一句话：同样在“产品层”，差别就在一个字——动不动手。

Agent（智能体） 的定义是：一个循环运行的 AI 系统——它感知输入、思考下一步、使用工具执行、观察结果、再调整，如此往复，直到达成目标。

它有三大特征：

• 自主性：给个目标，它自己能决定下一步，不用你步步指挥；
• 持久性：它能在多步骤里保持状态和记忆；
• 可生成 / 可并行：你可以同时跑好几个，各自分工。

那它是怎么“干活”的？看这张循环图：

一句话概括这个圈：思考 → 行动 → 观察 → 再思考，直到任务完成。 它和“你问一句、它答一句”最大的不同，就在于它会自己转圈、自己纠错。

给你一个最简单的测试：

如果你发完初始指令就离开，这个系统还能自己把任务做完吗？
能，它就是智能体；不能，它就只是个对话产品。

所以像 Cursor、CodeBuddy、WorkBuddy 这类工具，本质都是智能体——它们不只是“吐代码”，而是能自己扫描项目、改多个文件、跑测试、看到报错再改，形成闭环。

六、再往上走一步：想自己"造"一个 Agent，还缺哪几块？

前五层帮你“看懂名词”。但如果你不只想用，而是想自己动手造一个能干的 Agent，那还得认识下面几个零件。

一句话：这张图，就是本专栏后面 10 篇的“目录地图”。

六个零件，各司其职：

• 大模型（LLM）——大脑（引擎）：负责理解和生成，是整台机器的动力来源。
• Agent（智能体）——手脚（执行者）：会自己规划、调工具、把一件复杂的事做完。
• Skill（技能包）——作业手册（方法）：它不是程序，而是一份 Markdown 文档，教 Agent“怎么把某件事稳定做对”。
• MCP（模型上下文协议）——标准插座（连接）：让 Agent 用统一的方式接上各种工具和数据，不用为每个系统单独写一套对接代码。
• 智能体平台——工厂（场地）：在哪儿“造”出你自己的 Agent，并把它分发出去。
• Vibe Coding——开发方式（怎么用嘴编程）：用自然语言描述需求，由 AI 生成并迭代代码。

用一句大白话串起来：

模型是引擎，Agent 是执行者，Skill 是方法，MCP 是连接，平台是场地，Vibe coding 是开发方式。

这六个词，正好对应本专栏第 2～11 篇，后面会一个一个拆开讲透。

七、送你一个"三秒判断法"

碰到任何 AI 名词，别急着背，先问自己三句话：

这三句话，你可以套用在任何一个新冒出来的名词上。

八、一张图，把层级彻底钉死

前面讲得散，这里一次收齐。下面这张图，把常见的名字全部归位：

一句话：认层级，比背名字有用。 名字会一直变，层级关系几年都不会变。

九、这套框架，呼应着一个更大的趋势

你会发现一个有意思的规律：这两年 AI 的热点，正在从“模型”往“产品”和“上层的工程能力”上走。

• 2023 年，大家比的是提示词——怎么把话说清楚；
• 2024 年，讲的是工作流编排——把执行路径串起来；
• 2025 年，转向上下文管理——给模型喂对信息；
• 2026 年，开始谈智能体运行框架（Harness）工程——让 Agent 可靠地跑起来。

从“会说”到“会做”，从“模型”到“能放心委托的智能体”——这正是为什么新名词总是冒在产品层，以及产品之上的协议、方法与平台。

所以第 1 篇先把五层讲清，后面才不会乱。

十、接下来这个专栏会讲什么

这张清单，就是后面的路线图：

• 配套工具书：《读懂 AI：术语与常见问题》（148 条术语 + 50 个常见问题）关注公众号-物联网老王，回复 11111 获取。系统学习，把书读薄，一起探索 AI 应用的好玩好用的方案）

写在最后

回到最开始那句话：

AI 名词混乱，本质是没分清它说的是“公司、模型，还是软件”。

把五个层级记牢——概念层、技术路线层、模型层、组织层、产品层——再记住那句主线：

公司造模型，模型装进产品，产品才是你上手用的那个东西。

从下一篇开始，我们就正式走进“产品层”里最热闹的那一块：Agent。

下一篇预告： Agent 到底是什么？它和“套了个壳的聊天机器人”差在哪？

《读懂 AI：术语与常见问题》简介

面向 AI 学习者的术语速查与方法指引手册，收录 148 个高频术语与 50 个常见问题。术语按关联性分八类、类内按英文首字母排序，核心词条四项展开、其余一行说明。

本文为个人 AI 学习笔记整理，框架来自学习资料，并参考了公开的行业资料与最新进展；涉及具体产品与型号的部分，以官方信息为准。