pengxiao
e58b95d227
将《设计人工智能：基础与应用》拆分为 38 个 Markdown 文件， 按 11 个部分（上篇6部分+下篇5部分）+ 3 个附录组织。 Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
216 lines
4.8 KiB
Markdown
216 lines
4.8 KiB
Markdown
|
|
# 学习目标
|
|
|
|
3. 理解MCP协议的核心思想
|
|
|
|
掌握HITL协作模式
|
|
|
|
了解Agent在规划设计中的落地场景
|
|
|
|
# MCP协议
|
|
|
|
## 什么是MCP
|
|
|
|
**Model Context Protocol (模型上下文协议)**：连接AI模型与外部数据/工具的开放标准。
|
|
|
|
## 核心价值
|
|
|
|
`传统方式：`\
|
|
` AI``模型`` → ``各自独立`` → ``数据孤岛`\
|
|
\
|
|
`MCP``方式：`\
|
|
` AI``模型`` ← MCP → ``统一接口`` → ``所有工具``/``数据`
|
|
|
|
MCP架构
|
|
|
|
`┌─────────────────────────────────────┐`\
|
|
`│ AI Application │`\
|
|
`│ (Claude, ``ChatGPT``, ``等``) │`\
|
|
`└─────────────┬───────────────────────┘`\
|
|
` │ MCP`\
|
|
`┌─────────────┴───────────────────────┐`\
|
|
`│ MCP Client │`\
|
|
`├─────────────────────────────────────┤`\
|
|
`│ ┌──────┐ ┌──────┐ ┌──────┐ │`\
|
|
`│ │File │ │DB │ │API │ ... │`\
|
|
`│ │``Server│ │Server│ │Server│ │`\
|
|
`│ └──────┘ └──────┘ └──────┘ │`\
|
|
`└─────────────────────────────────────┘`
|
|
|
|
# HITL：人机协作模式
|
|
|
|
## 什么是HITL
|
|
|
|
**Human-in-the-Loop (人在回路)**：在AI决策关键环节引入人类干预。
|
|
|
|
## HITL层次
|
|
|
|
----------------------------------
|
|
层次 人类角色 自动化程度
|
|
---------- ---------- ------------
|
|
完全自动 无 100%
|
|
|
|
人工审核 监督者 80-90%
|
|
|
|
交互决策 合作伙伴 50-70%
|
|
|
|
人工主导 操作者 \<50%
|
|
----------------------------------
|
|
|
|
## 规划设计中的HITL
|
|
|
|
`AI``生成方案`\
|
|
` ↓`\
|
|
`设计师审核`` ← ``修改意见`` → AI``调整`\
|
|
` ↓`\
|
|
`最终确认`
|
|
|
|
# 规划设计Agent案例
|
|
|
|
## 场景分析Agent
|
|
|
|
`输入：场地数据`
|
|
|
|
`↓`
|
|
|
|
`分析流程：`
|
|
|
|
1. `地形分析`` (``坡度、高程``)`
|
|
|
|
2. `气候分析`` (``日照、风向``)`
|
|
|
|
3. `交通分析`` (``可达性``)`
|
|
|
|
4. `视觉分析`` (``视域、景观``)`
|
|
|
|
`↓`
|
|
|
|
`输出：场地分析报告`
|
|
|
|
## 方案生成Agent
|
|
|
|
`输入：设计要求`` + ``场地分析`
|
|
|
|
`↓`
|
|
|
|
`生成流程：`
|
|
|
|
1. `理解需求`` (``CoT``推理``)`
|
|
|
|
2. `布局功能`` (``工具调用``)`
|
|
|
|
3. `连接路径`` (``图算法``)`
|
|
|
|
4. `优化调整`` (``迭代改进``)`
|
|
|
|
`↓`
|
|
|
|
`输出：初步设计方案`
|
|
|
|
## 合规审查Agent
|
|
|
|
`输入：设计方案`
|
|
|
|
`↓`
|
|
|
|
`审查流程：`
|
|
|
|
1. `调用规范库`
|
|
|
|
2. `逐条核对`
|
|
|
|
3. `标记问题`
|
|
|
|
4. `生成报告`
|
|
|
|
`↓`
|
|
|
|
`输出：合规审查意见`
|
|
|
|
# Agent落地挑战
|
|
|
|
技术挑战
|
|
|
|
---------------------------
|
|
挑战 说明
|
|
---------- ----------------
|
|
准确性 复杂任务易出错
|
|
|
|
可解释性 决策过程不透明
|
|
|
|
鲁棒性 边界情况处理
|
|
---------------------------
|
|
|
|
应用挑战
|
|
|
|
-----------------------------
|
|
挑战 说明
|
|
------------ ----------------
|
|
工作流整合 与现有流程融合
|
|
|
|
责任界定 AI错误的后果
|
|
|
|
成本控制 API调用费用
|
|
-----------------------------
|
|
|
|
## 解决方向
|
|
|
|
1. 分级应用：简单任务自动化，复杂任务辅助
|
|
|
|
渐进式：从局部到整体
|
|
|
|
人机协同：关键环节人工确认
|
|
|
|
# 未来展望：AI设计师
|
|
|
|
### 短期 (1-2年)
|
|
|
|
`AI``作为工具`\
|
|
` - ``数据分析`\
|
|
` - ``方案生成`\
|
|
` - ``合规检查`
|
|
|
|
### 中期 (3-5年)
|
|
|
|
`AI``作为助手`\
|
|
` - ``创意启发`\
|
|
` - ``方案优化`\
|
|
` - ``文档撰写`
|
|
|
|
### 长期 (5-10年)
|
|
|
|
`AI``作为合作伙伴`\
|
|
` - ``共同创造`\
|
|
` - ``自主决策`\
|
|
` - ``专业评审`
|
|
|
|
## 思考与练习
|
|
|
|
1. MCP如何解决AI应用的"数据孤岛"问题？
|
|
|
|
2. 规划设计中哪些环节适合引入HITL？
|
|
|
|
3. AI设计师如何与人类设计师协作？
|
|
|
|
## 关键术语
|
|
|
|
----------------------------------------------------------------
|
|
中文 英文 说明
|
|
---------------- ---------------------- ------------------------
|
|
模型上下文协议 MCP Model Context Protocol
|
|
|
|
人在回路 HITL Human-in-the-Loop
|
|
|
|
数据孤岛 Data Silo 独立的数据存储
|
|
|
|
协议 Protocol 通信标准
|
|
|
|
工作流整合 Workflow Integration 融入现有流程
|
|
----------------------------------------------------------------
|
|
|
|
## 延伸阅读
|
|
|
|
1. [MCP官方文档](https://modelcontextprotocol.io/)
|
|
|
|
[Human-in-the-Loop AI](https://arxiv.org/abs/2301.02629)
|