模块10：AI 应用架构
难度：⭐⭐⭐⭐⭐ 专业进阶 | 建议时长：3-5小时
目标：理解 Prompt 只是 AI 应用的一层，进一步建立 RAG、Agent、工作流、多模态与安全控制的整体视角。
10.1 Prompt 不是全部
很多人学到后面会发现：单靠 prompt 已经解决不了所有问题。因为真实 AI 应用还涉及知识来源、状态管理、工具调用、权限控制和执行链路。
10.2 一个现代 AI 应用的常见组成
- 模型层：LLM / 多模态模型
- 提示层：系统提示、任务提示、模板
- 知识层：RAG、文档库、外部数据源
- 工具层：搜索、数据库、API、执行器
- 流程层：多步工作流、状态流转、错误重试
- 安全层：权限、审计、敏感信息处理
10.3 RAG 解决什么问题
RAG（检索增强生成）适合解决“模型不知道你私有资料”或“知识需要实时更新”的问题。
适合：
- 企业知识库问答
- 产品文档助手
- 客服知识检索
- 私有资料总结
不适合：
- 完全不需要外部知识的纯创作任务10.4 Agent 解决什么问题
Agent 适合处理“需要连续动作”的任务，比如：
- 先查资料，再整理，再发消息
- 先读取文件，再修改代码，再测试
- 先分析问题，再调用工具，再回写结果
它的关键不是“会聊天”，而是“能行动”。
10.5 工作流比单次对话更重要
真正可落地的系统往往不是一轮聊天，而是：
- 收集输入
- 检索知识
- 调用模型
- 结构化输出
- 人工审核
- 执行或发布
这就是为什么后期要从 prompt 走向 workflow。
10.6 安全与边界
AI 应用做大之后，最大的风险往往不是“答错一句”，而是：
- 泄露敏感信息
- 误执行外部操作
- 被提示注入攻击
- 权限越界
所以生产环境一定要有权限控制、审计日志和人工兜底。
10.7 学到这里该怎么继续
- 如果你偏使用者：重点练模板、场景、评估
- 如果你偏产品经理：重点学 RAG、工作流、评估体系
- 如果你偏工程师：重点学 Agent、工具调用、状态管理、安全控制
10.8 从“会写 Prompt”到“能做系统”
走到这一步，重点已经不是某一句提示词写得多漂亮，而是你是否能把：输入、知识、模型、工具、流程、人工审核串成一条可复用链路。
- 个人使用者：先把模板和工作流跑顺
- 团队使用者：开始建立知识库、模板库、评估机制
- 产品/工程：开始关心权限、安全、状态管理、审计
10.9 常见误区
- 迷信“神 prompt”，忽略系统设计
- 把所有问题都交给模型，不建设知识层
- 工具调用很多，但没有权限和审计边界
- 只追求炫技，不关心业务闭环与稳定性
10.10 课后练习
建议你拿一个真实业务问题，画出它的最小 AI 工作流：输入从哪来、知识去哪取、模型做什么、人工在哪审核、结果如何落地。做这件事时，可同时参考 速查手册 和练习题集里的 Level 4 任务，把“提示词能力”真正升级成“系统能力”。
本章小结
✅ Prompt 只是 AI 应用的一层
✅ 现代 AI 系统一般包括模型、提示、知识、工具、流程、安全六层
✅ RAG 解决知识问题，Agent 解决行动问题
✅ 真正落地靠工作流，不靠一次神 prompt
✅ 生产环境必须重视权限、审计与安全边界