AI 应用技术演进
从 Transformer 到 Harness Engineering 的演进全景：LLM、提示词、微调、RAG、函数调用、MCP、Agent、多智能体、上下文工程、Skill、OpenClaw 与 Harness 十二个节点一次串讲，附论文与优质文档地图。
前六个模块是纵向深入：把 Python、Agent 原理、LangChain、LangGraph、后端、面试题一根根打透。这个模块是横向串讲——把「近年来 AI 应用技术」的十二个关键节点放在一条时间线上，讲清楚它们各自为什么出现、解决了什么问题、彼此如何接力，最后附上一张经过筛选的论文与优质文档地图。读完它，你脑海里那些散落在各模块的知识点会连成一张网：知道每一项技术在演进中的位置，比记住它的 API 更重要。
这个模块解决什么问题
课程前六个模块按「依赖关系」组织：先 Python、再原理、然后框架。这是学习效率最高的顺序，但代价是演进脉络被切碎了——你会在 Agent 核心第 11 章学 MCP，在 LangChain 第 6-8 章学 RAG，但很难回答这些问题：
- MCP 是在什么背景下出现的？它解决了 Function Calling 的什么痛点？
- RAG 和 Fine-tuning 是什么关系？什么时候该用哪一个？
- Agent、Multi-Agent、Agent Skill 三者之间是什么递进关系？
- 「提示词工程」和「上下文工程」为什么被放在一起讨论？谁取代了谁？
- OpenClaw 和 Harness Engineering 是 2025-2026 年的新词，它们和前代技术是什么关系？
本模块用一条时间线回答这一切：2017 年 Transformer 提出 → 2022 年 ChatGPT 与 Agent 思想诞生 → 2023 年工具调用与 RAG 爆发 → 2024 年 MCP 与 Skill 标准化 → 2025-2026 年上下文工程、个人助手与约束工程。每个节点一章，十二章连成完整的演进叙事。
演进时间线（一图看懂）
完整目录
| 章 | 标题 | 一句话简介 |
|---|---|---|
| 01 | LLM 与 Transformer | 一切的起点：为什么 Decoder-Only 成为主流 |
| 02 | 提示词工程 | 最便宜的杠杆：不改变参数，只改变输入 |
| 03 | 微调与 LoRA | 让模型为你定制：低秩适配与训练成本的下降 |
| 04 | RAG 检索增强生成 | 给模型外挂知识库：准确性与时效性 |
| 05 | Function Calling | 从会说到会做：模型与外部系统的第一次握手 |
| 06 | MCP 模型上下文协议 | 工具的通用插座：打破工具孤岛 |
| 07 | Agent 智能体 | 思考-行动-观察：对人类的模拟 |
| 08 | Multi-Agent 多智能体 | 从单兵到团队：任务分解与上下文隔离 |
| 09 | 上下文工程 | 进入窗口的每个 token 都是设计对象 |
| 10 | Agent Skill | 可复用能力的开放封装格式 |
| 11 | OpenClaw 与个人 AI 助手 | Agent 走进日常生活与办公软件 |
| 12 | Harness Engineering | 在约束下让 Agent 可靠地干长活 |
与课程其他模块的对照
本模块的每一章都不是孤立的——它在课程里都有「深度版」对应章节。横向串讲负责建立全局认知，纵向章节负责工程细节，两套对照着读效果最好：
| 本章 | 对应课程的深度章节 |
|---|---|
| 01 LLM 与 Transformer | Agent 核心 03 · 注意力机制与 Transformer |
| 02 提示词工程 | Agent 核心 13 · 提示词工程与上下文工程 |
| 03 微调与 LoRA | Agent 核心 04 · 预训练、RLHF 与采样 |
| 04 RAG | LangChain 06-08 · 文档加载、嵌入向量库、检索与 RAG |
| 05 Function Calling | Agent 核心 07 · Tool Calling 协议与封装 |
| 06 MCP | Agent 核心 11 · MCP 全景 |
| 07 Agent | Agent 核心 08 · ReAct 模式与主循环 |
| 08 Multi-Agent | Agent 核心 12 · 多 Agent 与选型策略 |
| 09 上下文工程 | Agent 核心 13 · 提示词工程与上下文工程 |
| 10 Agent Skill | Agent 核心 10 · Skill 与渐进式披露 |
| 11 OpenClaw 与个人 AI 助手 | （本模块独有章节，暂无独立深度版） |
| 12 Harness Engineering | Agent 核心 14 · 循环、图与骨架工程 |
阅读路线
全景路线（推荐）：00 → 01 → 02 → … → 12 顺序阅读。十二章就是一条完整的演进时间线，每章约 15-20 分钟。
按需查阅（只对某个主题感兴趣）：直接跳到对应章节。每章都自包含：不依赖前面的章节也能读懂。
对照深读（学完某个模块后回来串一遍）：读完 Agent 核心任意一章，回到本模块找对应章节，看它在这条演进线上处于什么位置——你会发现很多「为什么这样设计」的答案其实写在演进历史里。
内容来源与原始资料
本模块的骨架源自一份流传很广的技术串讲，其配套分享的飞书文档按「LLM → 提示词 → 微调 → RAG → 工具调用 → Agent → 上下文工程 → Harness」的演进顺序，把近年来 AI 应用技术完整串讲了一遍。本模块保留了这份串讲的十二节点骨架。
本模块不是照搬：在保留十二节点骨架的基础上，对每一节点做了四件事——
- 补齐演进脉络：每个节点「什么时候出现、因何出现、解决了前代的什么问题」
- 展开核心概念：是什么、怎么工作、关键设计点
- 更新到 2026 年的现状：今天的主流实践与趋势
- 交叉引用课程：每个节点都对应课程里的深度章节，串讲负责「织网」，深度章节负责「打桩」
延伸阅读清单来自原始串讲分享的优质资源，并做了失效排查与补充。