之前没接触过大模型及工程相关的知识，最近一周刚看了黄佳老师RAG实战这本书，对RAG相关工程在相关工具、技术和框架上有了整体的认识。也感受到了，无论涉及框架还是模型提供了工具和能力，在解决具体企业问题时，还是需要大量的工程和适配工作。今年打算做一些场景的落地尝试，并为企业总结下AI应用开发范式--沉淀重复的工程工作到AI应用平台，让研发力量更专注于业务。 基于目前的了解，市面上的AI应用平台，主要是下沉通用的工程能力，降低开发门槛。目前还没有具体动手，但预感如果简单应用和引入当前的AI应用平台，应该只能泛泛地解决浅表问题。深入的落地，还需要结合企业数据，并借鉴框架和算法的思想，不断调优。 通过最近对MCP和A2A的了解，感觉未来这些具体的优化工作可以沉淀为标准化MCP server的能力。除引入AI应用开发平台外，在企业构建MCP server，推广MCP及A2A协议，也能提升工作的复用。在开发平台上，规范agent实现A2A协议，加上编排能力，有点类似于iPaaS，在不同agent之间碰撞出火花，实现1+1>2的能力。 刚开始接触，希望能够跟着实战并迭代认知。如理解有偏差，请帮忙指正，谢谢。