Rye Land https://rylan.cn Rylan’s Blog Sat, 14 Nov 2026 15:15:29 GMT https://validator.w3.org/feed/docs/rss2.html https://github.com/jpmonette/feed zh-CN All rights reserved 2026, Rylan <![CDATA[AI 知识体系 (2)：Agent、MCP 和 Skill]]> https://rylan.cn/article/agent-mcp-skill https://rylan.cn/article/agent-mcp-skill Tue, 30 Dec 2025 00:00:00 GMT

前言

AI 就像一个拥有丰富知识的大脑，但仅有知识还不够，我们需要让这个 “大脑” 能够真正地使用工具、完成任务。
人们很快发现了一个问题：同样的问题，不同的提问方式会得到截然不同的答案。有时 AI 的回答模糊不清，有时又过于冗长，有时甚至答非所问。
Prompt 就是你给 AI 的指令。一个好的 Prompt 应该:
  • 明确目标：清楚地说明你想要什么
  • 提供上下文：给出必要的背景信息
  • 设定角色：告诉 AI 以什么身份回答
  • 指定格式：说明输出的结构和样式

Agent

即使有了好的 Prompt，AI 仍然只能 “对话”，无法真正 “做事”。当你问 “今天北京天气怎么样”，它只能基于训练数据猜测。而无法查询实时天气。当你说 “帮我订一张去上海的机票”。它只能告诉你步骤，却无法真正下单。
人们意识到，需要给 AI 增加 “手和脚” —— 让它能调用外部工具、API，能执行多步骤任务，能自主规划和决策，这就是 Agent（智能体） 的概念。
💭
What is an AI agent?

MCP

随着 Agent 概念的普及，每个开发者都在自己造轮子：有人让 Agent 连接 Google Calendar，有人接入天气 API……但每种集成都需要写不同的代码，没有统一标准。
就像早期的电器，每个品牌的插头都不一样，你需要各种转接头。这导致:
  • 开发成本高：每个工具都要单独适配
  • 维护困难：工具更新后要改代码
  • 无法复用：A 项目的集成无法用于 B 项目
为了解决这个问题，Anthropic 推出了 MCP（Model Context Protocol，模型上下文协议）—— 一个标准化的协议，让任何 AI 系统都能以统一方式访问各种工具和数据源。它就像 USB 标准,只要工具支持 MCP，任何 Agent 都能即插即用。
notion image
MCP 只回答三个问题：
  1. 我能做什么？（Tool）
  1. 我需要什么参数？（Schema）
  1. 你调用我，我给你结果
🎮
具体「什么时候」该调用「哪一个 MCP」，本质还是由 Agent 来控制。
MCP 是 “给模型看的协议”，不是给人看的文本。一个 MCP 工具，模型实际看到的是类似这样的内容：
🎮
MCP 工具不能假设模型 “已经知道我怎么用”，所以「工具名 / 参数含义 / 字段约束 / 返回结构」都必须反复暴露在上下文中 👉 这是协议的代价
当 Agent 的能力越来越复杂，一个问题就变得不可避免：如果每一次都让 Agent 从零开始理解这些工具、推理调用顺序、处理返回结果，那我们是不是在不断重复同样的思考？

Skill

2025 年年底，它的出现，正是为了解决上面提到的问题。Skill 并不是新的工具协议，而是一层更高的抽象。
💭
Skills 底层背景：Equipping agents for the real world with Agent Skills
它核心是一种简单的文件 SKILL.md，它用自然语言描述如何使用特定工具完成特定任务。
notion image
  • 如果说 MCP 回答的是：“我该如何被调用才能拿到结果？” （工具箱）
  • 那么 Skill 回答是：“我通常该如何使用特定的工具，才能完成一件任务？”（施工手册）
Skill 并不是为了让 Agent “更聪明”，而是为了让 Agent “少想一点”。
  • 即「减少（重复）推理」，而不是增强推理。
相比每次都详细描述 MCP 工具的完整 schema，Skill 提供了更紧凑的任务级描述，它只在初始时加载一次定义，减少了 token 消耗。

总结

]]> <![CDATA[色彩理论基础：色彩空间与色彩模型]]> https://rylan.cn/article/color-theory https://rylan.cn/article/color-theory Sun, 30 Nov 2025 00:00:00 GMT

色彩模型

在现实世界里，我们眼睛看到的颜色，是无数种不同波长的光混合在一起的结果。但在计算机的世界里，颜色是需要用数字来表示的。于是，人们发明了多种不同的 “描述方式” —— 它们就像不同的语言，都能说清楚颜色，只是侧重点不同。

RGB / HEX

RGB 为一种 “加色模型”，通过红（Red）、绿（Green）、蓝（Blue）三原色的叠加生成颜色，这正好对应了显示器等发光设备的工作方式：通过调节三种颜色光的强度来生成各种颜色。
HEX 是 RGB 颜色的另一种表达方式，它把三个 0~255 的数字转成了更简洁的 16 进制形式。
notion image
🎨
一个完整的色彩空间还需要依赖下面的属性进行定义

色域

Gamut，描述显示设备能够再现的颜色范围。
它通常在色度图上，通过由三原色坐标点连接构成的三角形来表示。色域覆盖面积越大，能显示的颜色就越丰富。为了让显示器达到更广的色域，让三原色的坐标越靠外越好。
notion image
但并非无限制地拉到最大范围：
  • 技术限制：光源和材料的特性决定了它们能再现的颜色范围
  • 物理限制：整个可见光范围内，任何选择的三原色坐标点都无法覆盖人眼能够看到的所有颜色
为了适应不同的应用场景和技术需求，有了下面不同的色域标准：
图片领域常用的色域
图片领域常用的色域
视频领域常用的色域
视频领域常用的色域
  • sRGB（标准 RGB）：广泛用于互联网、网页设计和消费电子设备，目的是确保大多数设备上的色彩一致性。它覆盖了大多数显示器的常见颜色范围。
  • Adobe RGB：适用于专业摄影和印刷，尤其是需要精细色彩控制的场合。它覆盖了比 sRGB 更广的色域，能够显示更多的色彩细节。
  • Rec. 709：高清电视（HD）标准，确保电视、电影、视频制作和播放设备之间的色彩一致性。
  • Rec. 2020：4K、8K 视频标准的色域，设计时考虑到超高分辨率要求。它比 Rec. 709 更广，但目前只有少数高端显示设备能够实现完整的该色域。

白点

White Point，色域三原色的交汇点，确定了这个色域中的白色是什么样的白。
如果显示器的白偏 “黄”，那么显示出来的所有颜色都会偏 “黄”。如果显示器的白偏 “蓝”，那么显示出来的所有颜色都会偏 “蓝”。只要显示器的「白色不白」，等于所有颜色都没有正确显示出来。
notion image
notion image
白点的色温（Color Temperature）通常用开尔文（K）来衡量，常见的色温值包括：
  • D65（6500K）：最常见的白点，通常称为 “日光白”，它模拟了在中午自然阳光下白色的外观，大多数显示设备的标准都是用它。
notion image
notion image

伽马值

Gamma，描述显示设备亮度的非线性处理。
人眼对亮度变化的感知并不是均匀的，我们对暗部的细节分辨能力远高于亮部。
  • “视觉上感受到的 50% 中灰” 的亮度在 “物理灰阶” 的 18%～21% 位置，即 “物理上的 50% 中灰” 亮于 “视觉感受到的 50% 中灰”。
notion image
因此，如果显示器采用线性亮度，暗部的细节就会被压缩，而亮部的细节会过度暴露，这完全不符合人眼的视觉感受，从而让画面看起来不自然。这就需要「伽马矫正」，尽可能缩小亮色调与暗色调之间的灰阶差距。
  • ：显示器实际输出的亮度值
  • ： 输入的原始亮度值
  • ：一个常数，通常为 1（如果没有特别指定），用于进行亮度的调整
  • ：伽马指数
伽马值越高，暗部的细节更多地显现。伽马值越低，画面越亮，暗部的细节丢失。Gamma 2.2 是当前大多数显示器的标准推荐值，它平衡了显示设备的物理特性和人眼的视觉感知。
notion image

HSB (HSV) / HSL

RGB 的好处是直接面向硬件，计算机处理起来快，但不符合人的直觉。举个例子，当你想将绿色变成浅绿色时，必须同时调整 RGB 模型中三个通道的数值。
因此引入了新模型，用在颜色编辑工具中。

色相

Hue，颜色的基本种类，即颜色在色环上的位置，通过 0° 到 360° 表示。
notion image
notion image

饱和度

Saturation，颜色的强度，通过 0% 到 100% 表示。
notion image

明度

Brightness / Value
可以理解为「单向灯」，指颜色的明亮程度，直接关联颜色的最亮部分。
notion image

亮度

Lightness
可以理解为「双向灯」，指颜色的相对明暗程度，基于颜色的平均值计算。
notion image
notion image
💭
CSS 直接支持 hsl() 函数，而不支持 hsb()

模型转换

我们在一些颜色编辑组件中可能经常看到下面这个面板，RGB 很难通过一个颜色面板直接手动调节，所以颜色选择器的底层基本是以为 HSB 实现后再进行转换。即一个 RGB 数值，转为 HSV 后，再次转换回 RGB 得到的可能不是同一个数值，而是略有偏差。
RGB → HSV
HSV → RGB
notion image

参考材料

]]> <![CDATA[音频和语音处理]]> https://rylan.cn/article/cs425 https://rylan.cn/article/cs425 Tue, 22 Oct 2024 00:00:00 GMT
采样
量化
频率处理
语音处理
音频效果
音频格式
 
🏕️
期末复习
]]> <![CDATA[人工智能和语言处理]]> https://rylan.cn/article/cs404 https://rylan.cn/article/cs404 Fri, 20 Sep 2024 00:00:00 GMT
ANN
CNN
DNN
NLP
RNN
Transformer
RL
QL
Julia
Julia
🏕️
期末复习

参考材料

Artificial Intelligence - Russell & Norvig
Artificial Intelligence - Russell & Norvig
Gartner Hype Cycle - 1
Gartner Hype Cycle - 1
Gartner Hype Cycle –2
Gartner Hype Cycle –2
]]>