作者发布AI Stack Map整理了百余个AI工具

大多数人认为AI就等于ChatGPT。这差得远了。ChatGPT是你能直接看到的东西。真正的AI革命，是在它底层构建的庞大生态系统。

这张AI技术栈图收录了为现代AI应用提供支撑的100多种工具。现代AI技术栈大致如下：

大语言模型 → OpenAI, Claude, Gemini, Llama, Mistral
智能体AI → LangGraph, CrewAI, AutoGen, CAMEL, Agno
检索增强生成 → LangChain, LlamaIndex, Haystack, GraphRAG
嵌入 → OpenAI, Voyage, Cohere, BGE
模型控制平面 → 连接模型与工具、数据和系统
AI安全 → Guardrails, Presidio, Lakera, Prompt Security
可观测性与评估 → LangSmith, Langfuse, Phoenix, Ragas
记忆 → Redis, Mem0, Zep, Neo4j, Chroma
智能体框架 → OpenAI SDK, Semantic Kernel, Google ADK, Bedrock
自动化 → n8n, Zapier, Make, Airflow, Prefect
向量数据库 → Pinecone, Weaviate, Qdrant, Milvus, pgvector

但有一点比这些品牌logo更重要。这不是一张购物清单，它是一张依赖关系图。

你的检索增强生成效果，取决于检索能力+嵌入质量。你的智能体的可靠性，取决于它的工具+评估+安全护栏。如果不能观测到上下文何时失效出错，你的记忆就毫无用处。如果把权限和治理放在事后考虑，模型控制平面就会变得危险。

就算是“顶级”的技术栈，也可能变成糟糕的生产系统。为什么？因为AI系统很少只在单个组件内部出问题。它们往往在交接环节失败。

模型 → 检索
检索 → 上下文
上下文 → 智能体
智能体 → 工具
工具 → 记忆
记忆 → 评估

这就是延迟累积、上下文丢失、权限泄露、幻觉传播、可靠性崩溃的地方。真正的竞争壁垒，不是拥有更多AI工具，而是设计它们如何协同工作。

技术栈图告诉你现在有什么。生产工程决定这一切如何在现实中运行。

你的AI技术栈里哪个工具是必不可少的？把这张图保存下来，给你下一次构建AI项目用。转发给正在设计AI架构的人吧。

#AI #人工智能 #生成式AI