AI Agent 应用基础
AI Agent 应用开发和模型研发的边界
对比 AI Agent 应用开发与模型研发的目标、交付物、技术栈和协作边界。
AI Agent 应用基础beginnerAIAgentAI Agent应用模型研发能力边界
AI Agent 应用开发和模型研发的边界
AI Agent 应用开发和模型研发都在用 AI，但它们不是同一种工作。最简单的区分方法是看交付对象：模型研发交付模型能力，AI Agent 应用开发交付业务可用的系统能力。
这不是谁更高级的问题，而是谁在解决不同层面的复杂度。把这两个角色混在一起，团队就会出现两种常见偏差：该补数据和评测时在调 Prompt，该补权限和日志时却还在谈模型效果。
模型研发更在意什么
模型研发通常优先关心：
- 数据质量够不够。
- 模型结构和训练方式是否合理。
- 微调是否带来稳定提升。
- 推理效率和评测指标怎样优化。
它处理的是模型本体的能力上限。
AI Agent 应用开发更在意什么
AI Agent 应用开发通常优先关心：
- 知识从哪里来，什么时候该查知识库。
- 哪些动作可以让模型决定，哪些必须由系统限制。
- 输出怎样结构化、引用化、可审计。
- 成本、权限、失败恢复和用户体验怎样平衡。
它处理的是模型能力进入系统之后的落地问题。
两者在同一个项目里怎么协作
一个现实项目里，这两个方向经常会一起出现，但交接点应该很清楚：
- 模型研发提供能力边界和适用说明。
- 应用工程决定怎样把能力接进业务流程。
- 评估问题时，要分清是模型能力不足，还是链路设计出了问题。
如果系统目标是训练行业模型，模型研发的权重当然更高；如果系统目标是做知识库、Copilot 或 Agent 助手，AI Agent 应用开发往往更靠近最终成败。
最容易说反的一句话
很多人会说“应用工程只是调 API，门槛更低”。这句话的问题在于，它只看到了入口动作，没看到最终责任。真正把系统上线的人，通常要同时面对模型不确定性和业务确定性，这并不比单纯训练模型更轻。
反过来也一样，不能因为应用工程离业务更近，就否认模型研发的难度。两者只是难在不同位置。
一句话先记住
模型研发在提高模型能做什么，AI Agent 应用开发在决定这些能力怎样真正可用。
继续阅读
01-ai-agent-application-foundation/001-what-is-ai-agent-application.md01-ai-agent-application-foundation/003-from-requirement-to-ai-capability.md02-llm-basic/002-model-selection-and-parameter-tuning.md