每个人使用 AI 的方式都在不断进化，这篇文章记录了从简单对话到复杂 Agent 系统的完整演进路径。
ChatGPT 在 2022 年底横空出世，大语言模型（LLM）彻底改变了我们和计算机打交道的方式。但很多人没意识到，我们使用 AI 的方式本身也在经历一场变革。
这篇文章带你回顾 AI 使用的五个阶段，从最简单的"打招呼"，到今天最前沿的 MCP（Model Context Protocol）和 Agent 系统。
用户：你好
AI：你好！有什么我可以帮助你的吗？
用户：今天天气怎么样？
AI：抱歉，我无法获取实时天气信息。建议你查看天气应用或网站。
用户：给我讲个笑话
AI：为什么程序员总是分不清万圣节和圣诞节？因为 Oct 31 = Dec 25！
大多数人这时候只是把 AI 当个有趣的聊天对象。问点通用知识，让它写点简单文案，或者纯粹为了好玩聊两句。
优点：
局限：
用户：Vue 3 和 React 18 有什么区别？哪个更适合新项目？
AI：Vue 3 和 React 18 各有优势，选择取决于团队背景和项目需求...
用户：帮我总结一下最近关于 RISC-V 的新闻
AI：近期 RISC-V 领域的重要进展包括...
用户：解释一下微服务架构，有什么优缺点？
AI：微服务架构是一种将应用程序拆分为多个小型服务的架构风格...
用户开始发现 AI 比搜索引擎更擅长：
关键进步：
潜在风险：
你是一位资深的前端工程师，有 10 年的 React 开发经验。
请用专业但易懂的语言解释 React Server Components 的工作原理。
请一步步思考这个问题：
如果一个城市要减少交通拥堵，有哪些可行的方案？
请先分析问题，再列举方案，最后比较优劣。
以下是一些产品描述的示例：
输入：无线蓝牙耳机
输出：沉浸音质，无线自由。这款蓝牙耳机采用最新音频技术...
输入：机械键盘
输出：指尖韵律，敲击如歌。高品质机械轴体带来...
现在请为"智能手表"写一段产品描述。
请以 JSON 格式返回以下信息：
- 书名
- 作者
- 出版年份
- 三句话简介
书籍：《人类简史》
用户不再被动接受 AI 的回答，而是主动设计交互方式来获得更好的结果。
核心认知：
Function Calling（函数调用）让 LLM 能够：
# 定义的函数
functions = [
{
"name": "get_weather",
"description": "获取指定城市的天气信息",
"parameters": {
"type": "object",
"properties": {
"city": {"type": "string", "description": "城市名称"},
"unit": {"type": "string", "enum": ["celsius", "fahrenheit"]}
},
"required": ["city"]
}
},
{
"name": "send_email",
"description": "发送电子邮件",
"parameters": {
"type": "object",
"properties": {
"to": {"type": "string", "description": "收件人邮箱"},
"subject": {"type": "string", "description": "邮件主题"},
"body": {"type": "string", "description": "邮件内容"}
},
"required": ["to", "subject", "body"]
}
}
]
用户：北京今天天气怎么样？如果温度低于 15 度，给我发一封邮件提醒带外套。
AI：[调用 get_weather("北京")]
→ 北京当前温度：12°C
[调用 send_email(to="user@example.com",
subject="天气提醒",
body="北京今天温度 12°C，建议带外套")]
已查询天气并为你发送了提醒邮件！
代表性产品：
Model Context Protocol（MCP） 是 Anthropic 在 2024 年提出的开放标准，解决 AI 应用与外部工具/数据源之间的连接问题。
┌─────────────────────────────────────────────────┐
│ AI 应用 │
│ (Claude Desktop / Cursor / Continue / ...) │
└─────────────────┬───────────────────────────────┘
│ MCP 协议
┌─────────────┼─────────────┐
▼ ▼ ▼
┌───────┐ ┌───────┐ ┌───────────┐
│文件系统│ │数据库 │ │ API 服务 │
│Server │ │Server │ │ Server │
└───────┘ └───────┘ └───────────┘
// 一个简单的 MCP Server 示例
const server = new Server({
name: "weather-server",
version: "1.0.0"
}, {
capabilities: {
tools: {}
}
});
server.setRequestHandler(ListToolsRequestSchema, async () => ({
tools: [{
name: "get_forecast",
description: "获取天气预报",
inputSchema: {
type: "object",
properties: {
latitude: { type: "number" },
longitude: { type: "number" }
},
required: ["latitude", "longitude"]
}
}]
}));
server.setRequestHandler(CallToolRequestSchema, async (request) => {
if (request.params.name === "get_forecast") {
const { latitude, longitude } = request.params.arguments;
const forecast = await fetchWeatherData(latitude, longitude);
return { content: [{ type: "text", text: JSON.stringify(forecast) }] };
}
});
Skill（技能） 是封装好的能力单元，比如：
Agent（智能体） 则更进一步：
用户：帮我把这个 PDF 翻译成中文，总结要点，
然后发到我的企业微信，并创建一个待办事项。
Agent 思考过程：
1. [读取文件] 使用 filesystem-mcp 读取 PDF
2. [翻译内容] 调用翻译 API
3. [生成摘要] 使用 LLM 总结
4. [发送消息] 通过 wecom-mcp 发送到企业微信
5. [创建待办] 调用待办 API 创建任务
6. [反馈结果] 向用户报告完成状态
| 阶段 | 核心能力 | 典型交互 | 局限性 |
|---|---|---|---|
| 简单尝试期 | 基础对话 | “你好” | 无实际能力 |
| 搜索替代期 | 信息整合 | “帮我查…” | 信息滞后、幻觉 |
| Prompt 工程期 | 精准控制 | 结构化提问 | 仍限于文本输出 |
| 工具调用期 | 执行操作 | Function Calling | 需要开发集成 |
| MCP/Agent 期 | 自主智能 | 复杂任务自动化 | 仍在快速发展中 |
AI 使用方式的演进远未结束。我们可以预见：
从"你好"开始，到今天能够自主规划、调用工具、完成复杂任务的 Agent，AI 使用方式的每一次进化都在拓展可能性的边界。
你现在处于哪个阶段？
无论答案是什么，重要的是保持学习和探索的心态。因为这场革命，才刚刚开始。