AI

提示

理解层次结构比追工具更重要。底层模型决定上层工具的能力上限，工具层解决模型直接使用的痛点，方法论层回答"怎么把能力融入日常工作流"。新工具出来时，只需判断它在哪个层次、解决了什么问题。

模型层：能力天花板

所有 AI 工具的底层都是大语言模型。Claude Code 写代码、ChatGPT 回答问题、ComfyUI 画图——能力上限都由底层模型决定。

模型能理解多长的上下文、推理能力有多强、会不会产生幻觉，直接决定上层工具的能力边界。大语言模型 覆盖 Transformer 架构、训练流程、关键技术——理解这些不是为了自己训练模型，而是为了使用工具时做出正确判断。

编程实践层：从模型到日常工作

模型很强，但直接用聊天窗口写代码效率很低。手动复制粘贴、手动解释项目结构、手动处理文件——这些重复劳动本该被消除。

氛围编程 的核心是把"做什么"和"怎么做"分离：你告诉 AI 需求和架构，AI 负责实现细节。不只是换工具，而是换工作方式。

工具互通

AI 模型想读文件、查数据库、调 API，每个都要单独适配。10 个模型 × 10 个工具 = 100 个适配器。MCP协议 把这个变成 M+N：工具实现一次 MCP 接口，所有支持 MCP 的模型都能直接调用。

能力扩展

Claude Code 提供基础能力，Claude Code技能 通过插件机制解决特定场景——文档处理、前端设计、浏览器自动化、内容创作，每个场景对应一个技能包。

视觉创作层：AI 画图

编程之外，AI 在视觉创作领域同样深入。写代码是文字进、代码出，画图是文字或图片进、图像出——形式不同，底层逻辑相通。

ComfyUI 用节点工作流解决这个问题。每个节点做一件事（加载模型、编码提示词、采样、解码），节点间连线表示数据流向。节点式交互的优势是可视化、可复现——能看清楚图怎么生成的，好的结果保存为工作流复用。

技术趋势

层次	趋势	影响
模型层	开源模型（Llama、DeepSeek）追赶闭源，MoE 架构降低推理成本	工具使用门槛越来越低
协议层	MCP 成为事实标准，主流 AI 工具都在接入	工具互通性持续提升
应用层	AI 编程助手从"代码补全"进化到"Agent 模式"	更强模型 + 标准化协议共同推动
方法论层	氛围编程 从个人实践发展为团队协作模式	工具成熟后，工作方式变革自然发生