AI Stack Map 收录了100+ AI工具

大多数人认为 AI 就是 ChatGPT。这差远了。

ChatGPT是你能看到的东西。真正的AI革命是在它底下搭建起来的庞大生态系统。

这份AI技术栈图谱收录了为现代AI应用提供支撑的100多个工具。

现代AI技术栈大概是这样的：

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

嵌入模型 → OpenAI, Voyage, Cohere, BGE

模型控制协议 → 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

但这里有一点比列出这些logo更重要。

这不是一份购物清单。这是一张依赖关系图。

你的检索增强生成效果好坏取决于检索和嵌入模型。你的智能体可靠性取决于它的工具、评估和护栏。如果当上下文过时或出错时你无法观测，那你的记忆就毫无用处。如果权限和治理是事后才想到的，那模型控制协议层就会变得危险。

而一个“一流”的技术栈最终仍然可能变成一个糟糕的生产系统。为什么？因为AI系统很少只在单个组件内部出问题。

它们会在交接环节出问题。

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

就是在这里，延迟不断累积，上下文丢失，权限泄露，幻觉扩散，可靠性开始崩塌。

真正的护城河不是拥有更多AI工具，而是设计好它们如何协同工作。

技术栈图谱告诉你有什么东西存在。生产工程决定这一切如何在现实中运行下去。

你的AI技术栈里哪个工具已经不可或缺了？保存这份图谱，留着你下一次搭建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