Arquitectura subyacente de IA
La siguiente figura muestra la arquitectura completa del sistema de IA, desde el modelo base hasta las aplicaciones de agente:
| Nivel | Componente principal | Función principal | Capacidad típica |
|---|---|---|---|
| Capa base (modelo) | LLM y Token, arquitectura Transformer, tokenización, mecanismo de atención | Núcleo computacional subyacente de la IA; responsable de la comprensión de texto, predicción de tokens y generación de lenguaje | Comprensión del lenguaje natural, generación de texto, modelado de contexto, predicción de probabilidades |
| Capa de contexto (memoria) | Context Window、Prompt、Memory、RAG | Gestiona el contexto de entrada del modelo; responsable de la memoria a corto plazo, la memoria a largo plazo y la inyección de conocimiento externo | Control de prompts, memoria de conversación, recuperación de conocimiento, mejora del contexto |
| Capa de extensión de capacidades (herramientas) | MCP、Tool Calling、API、Database | Hace que la IA no se limite a chatear; amplía las capacidades de operación en el mundo real mediante llamadas a herramientas | Búsqueda web, ejecución de código, consultas a bases de datos, llamadas a API |
| Capa de agente (decisión) | Agent、Explore、Plan、Act | Cerebro de decisión autónoma de la IA; responsable de la comprensión de objetivos, descomposición de tareas, planificación y ejecución en bucle cerrado | Planificación de tareas, razonamiento de múltiples pasos, toma de decisiones autónoma, ejecución en bucle cerrado |
| Capa de aplicación (acción) | Agent Skill、Workflow、Automation | Orientada a escenarios de negocio específicos; encapsula las capacidades del Agente en productos implementables | Flujos de trabajo automatizados, asistentes de IA por industria, sistemas inteligentes empresariales, aplicaciones de IA SaaS |
Definición de términos clave
- Transformer: Arquitectura principal de los grandes modelos actuales; establece relaciones entre tokens mediante el mecanismo de autoatención.
- Token: La unidad más pequeña de procesamiento de texto en el modelo; puede ser una subpalabra, palabra, carácter o símbolo.
- Prompt: La instrucción de entrada dada al modelo para establecer el rol, controlar el comportamiento, estandarizar el formato de salida y los objetivos.
- RAG: Generación aumentada por recuperación (RAG); primero recupera de una base de conocimiento profesional externa y luego el LLM integra y genera una respuesta precisa.
- MCP: Protocolo de Contexto de Modelo (Model Context Protocol, MCP); unifica el estándar de comunicación entre la IA y herramientas, bases de datos y servicios externos.
- Agent: Sobre la base del LLM, se superponeobjetivo + planificación + ejecuciónSistema inteligente autónomo con estas capacidades.
- Tool Calling: El modelo identifica activamente las necesidades, llama a herramientas externas para completar operaciones reales y no se limita a respuestas de texto puro.
- Memory: Proporciona a la IA memoria de conversación a corto plazo + memoria persistente a largo plazo, resolviendo el problema del olvido del contexto.
Flujo de ejecución completo del Agente de IA
- Entrada del usuario: El usuario envía la instrucción Prompt, que ingresa a la ventana de contexto (Context Window).
- Mejora de memoria: El sistema combina la memoria de conversación (Memory) con la base de conocimiento externa RAG para complementar el contexto y el conocimiento especializado.
- Razonamiento del LLM: A través de la arquitectura Transformer, se realiza el cálculo de atención sobre la secuencia de tokens para la comprensión semántica y la generación preliminar.
- Planificación del Agente: El agente juzga de forma autónoma, descompone las tareas y decide si es necesario ejecutar múltiples pasos o llamar a herramientas externas.
- Ejecución de herramientas: Basado en el protocolo MCP, llama a capacidades externas como API, bases de datos y motores de búsqueda para completar operaciones reales.
- Resultado de salida: Resume los datos devueltos por las herramientas y los resultados del razonamiento del modelo; tras organizarlos, los devuelve al usuario y también los guarda en el archivo de memoria.