从"怎么学 AI"讲到传统软件开发流程，再说清大模型原理，最后重点对比 Agent 与大模型的差异。
传统大模型只能"一问一答"，Agent 能"接目标、拆任务、自动执行、最后交付"。
知道这个差别 + 知道 Agent 能做什么，就是这堂课要带走的两个核心。
大模型 = 用海量文字训练出来的程序，最擅长：给它一句话，它猜"接下来最可能该说什么"，猜着猜着拼出完整回答。
你用过的豆包、DeepSeek、Kimi，背后都是大模型。
大模型的"聪明"本质是"猜得准"——靠训练数据学出的概率。
传统大模型只能 一问一答，给段文字就结束。它不能：定时、上网、操作文件、自己跑代码、串起任务——这些正是 Agent 的舞台。
你说"我要买房"，中介自动：拆任务 → 一项项跑 → 跑完 → 把结果摆你面前 → "来，签字"。Agent 就是这个中介，只不过它跑的是各种"技能"。
| 能力 | 举个例子 |
|---|---|
| 定时执行 | "晚 9 点提醒我"——它等到 9 点再行动 |
| 调用 Skill | 自动开浏览器、上网、调用工具 |
| 上网查资料 | "帮我查 XX"——搜完整合好 |
| 写代码 & 跑代码 | "做个网站"——直接写、编译、启动 |
| 操作本地文件 | 读写你电脑上的文件 |
| 自动衔接任务 | 多个小任务串起来，不用人接力 |
"晚 9 点帮我查 XX 的资料。"
大模型：只回一段文字，到不了 9 点、不会上网、不会整合。
Agent：① 记住 9 点 → ② 到点启动搜索 → ③ 打开浏览器查 → ④ 整合 → ⑤ 9 点给你完整答案。一句话藏 4 个任务，Agent 行云流水做完。
| 环节 | 以前 | 现在（有 Agent） |
|---|---|---|
| 需求 / 设计 / 架构 | 需求人员、架构师 | Agent 可以做 |
| 开发（前端 + 后端） | 前端、后端程序员 | Agent 可以写 |
| 测试 | 测试人员 | Agent 可以测 |
| 上线 / 运维 | 运维人员 | Agent 可以部署 |
| 人的角色 | 各司其职的程序员 | 总指挥 / 项目经理 |
这周做网站，你们是"项目经理"——给 Agent 下指令、验收结果。
| 厂商 | 模型名 | 开源? | 特点 |
|---|---|---|---|
| 月之暗面 | Kimi | 开源 | 长文本强 |
| 深度求索 | DeepSeek | 开源 | 2025 现象级 |
| 阿里 | 通义千问 Qwen | 开源 | 有 27B 等多档 |
| 智谱 AI | GLM | 开源 | 清华系 |
| MiniMax | MiniMax | 开源 | 多模态强 |
| 腾讯 | 混元 Hunyuan | 混合 | 限时免费 |
OpenAI 是厂商，不是模型名，也不是 Agent。
录音里"龙虾""爱马仕"是语音识别误差，认准 Manus 和 WorkBuddy。
参数 = 大模型的"脑容量"。越多越聪明也越占空间。
量化 = 把大模型压缩，体积变小，代价是智商略降。
为了提升市场占有率和影响力。免费用的人多就产生依赖——本质是用免费换市场，混元限时免费同理。
本地小模型 + 远程大模型，分工合作：
这种混合模式只有在 Agent 环境下才方便实现——Agent 帮你自动调度。
点开看参考答案。重点不是背，是理解后能用自己的话讲出来。
大模型是用海量文字训练的程序，最擅长"猜下一个字"。4 步：输入 → 拆关键字理解意图 → 测算最佳回答 → 拼成答案返回。
Agent 能"接目标、自动拆任务、执行、交付"。像买房中介：你说"我要买房"，它自动跑银行、信贷、流水，最后让你签字。
大模型只能一问一答、输出文字；Agent 能接目标、自动拆解、调用技能、执行、整合、交付，不用人衔接。
"晚 9 点帮我查 XX 资料，查完整合好给我。"大模型只能给文字；Agent 会定时→搜索→查→整合→9 点反馈。
需求、设计、架构、开发（前端+后端）、测试、上线、运维。对应需求人员、架构师、前后端、测试、运维。
人变成项目经理 / 总指挥：给目标、下指令、验收结果。但外行领导内行效果差，越懂原理指令越准。
开源：可下载本地，用 Ollama/llama.cpp 跑，数据不泄露。闭源：不公开，只能官方用。区别在于"能否下载本地部署"。
为提升市场占有率和影响力，用免费换市场。混元限时免费同理。
参数 = 脑容量。B = 十亿，27B = 270 亿参数。通义千问 27B 约 50 多 GB。
量化 = 把大模型压缩，50GB 压到 20GB。因为个人显卡显存不够（3090 仅 24GB），不压缩跑不动。
好处：体积小、普通显卡能跑。坏处：精度下降、智商降低，压越狠损失越大。
好处：数据安全不泄露、省 Token。弊端：硬件受限，跑不了太大模型。
本地小模型（涉密/简单/耗 Token）+ 远程大模型（高智商）分工。本地安全但智商有限，远程聪明但要付费传数据，混合两全。
WorkBuddy（腾讯）——你们要用的。另一个是 Manus。别答 OpenAI（它是厂商）。