banner
XuLei

XuLei

图书馆员

AI辩经 - AI信息交互重塑图书馆未来

相关讨论

  1. LLM 时代的信息范式跃迁:权力重塑、认知重构与人机共生之路

参考资料#

资料 1#

李继刚 - 即刻
一个猜想:互联网和 APP 会消失。
人,要看内容,有了互联网。要服务,有了 APP。
未来人的需求交互界面,会不会归一到「AI?(Bot,语音,视频形式均可)。
互联网和 APP 的内容提供者 / 运营者,转为向 Al 提供数据」和「服务 API」。

资料 2#

我理解的 AI 原生应用与新的平台范式
大模型时代,因为模型智能的提升,人处理信息最高效的方式,是基于大模型使用协议处理一个人的所有信息。这里有两个逻辑:
1)大模型要能够处理人的所有信息,这样 AI 才能建立对一个人建立起整体、全面的理解,才能在真实情景中执行复杂的任务。苹果的演示就是先打通了多个 APP 的信息。
2)基于协议或 API 直接处理原生信息,不用截图、录屏、RPA 等低效方式。这个是成本角度的考虑。
未来将是一个全知全能的超级助理来为人提供服务。超级个人助理大概率是未来人与信息之间的超级入口。
在这种形态下,人没有必要访问操作系统,也不需要浏览器,不需要各种各样的 APP。现有的各式 APP 大部分将作为一种新的应用形态,隐藏在个人助理的后面,拓展个人助理的能力。
超级个人助理将改变人与信息的交互方式,改变当前操作系统、应用与人交互的方式,从而诞生一个全新的平台范式。而基于新的平台范式开发的应用,我定义为 AI 原生应用。
所以,基于大模型构建的超级个人助理,不是超级 APP,也不是 AI 原生应用,而是新一代 AI 原生应用的平台,类似于移动互联网时代移动终端的定位。
未来端上可以没有 APP 的概念,个人助理可以用协议或 API 直接和应用进行交互,然后选择合适的交互插件,显示不同类型的信息,并且和人互动。AI 直接基于协议处理原生信息。
未来的应用更多的是一种云端的信息服务。应用以云端服务的方式存在,通过协议或 API 提供垂直领域的服务即可。如果在现实和交互上有特殊、复杂要求,可以开发自定义的交互插件。但是这个插件仅限于渲染与互动,不会通过网络连接到服务端。
当然,不是所有的应用全部云端化,部分渲染比较重的应用,可能还是需要 app 的,比如地图、游戏。所以很长时间应该是一种混合形态,就像现在浏览器仍然存在一样,只是不再是核心入口。
个人助理直接使用协议和应用进行原始的信息交互,最大的好处还是能够让 AI 访问到所有的信息,而不是 APP 开放出来的信息,并且能够对整个过程进行全面的控制,从而实现真正面向人的个性化(而不是产品的个性化)
新范式最大的问题
我认为新范式未来最大的问题,还是开放性的问题。平台在商业上总是有很大的动力走向封闭与垄断。如果未来仍然存在数据孤岛,只不过是从应用的数据孤岛,变成了个人助理的数据孤岛,那互联网的这次升级算不上成功。

资料 3#

OpenAI just put the final nail in the coffin of the open World Wide Web | brid's blog
2025 年 1 月,OpenAI 发布了一个名为 Operator 的 AI 代理产品,它能够代替用户浏览网络。尽管 OpenAI 不是第一个提供这种服务的公司,但由于其品牌影响力,Operator 被认为是开放式互联网终结的开始。Operator 的出现改变了人们获取信息的方式,例如,用户可以直接通过 ChatGPT 询问特定问题,而不是通过搜索引擎访问多个网站。这种变化可能会导致中间商(如 Google、TripAdvisor)的商业模式不再可持续,因为用户不再直接访问这些网站,而是依赖 AI 代理来获取信息。
随着 AI 技术的发展,信息获取的方式可能会转向结构化数据层,中间人可能会将信息直接出售给 AI 公司或提供有偿的数据访问服务。这种转变可能会影响到用户评价和人类数据的获取方式,因为 AI 代理无法提供这类数据的直接来源。此外,内容提供商可能会对 API 访问收费,导致互联网的使用模式和经济结构发生根本性变化。最后,为了防止机器人滥用,可能会出现要求用户 / 客户端身份验证的网络,这可能会通过付费服务或设备制造商提供的客户端证书来实现。

背景信息#

信息交互范式的变革: 当前互联网和 APP 主导的信息交互模式,存在信息过载、操作繁琐、个性化不足等局限性。随着大模型和 AI 技术的快速发展,一种以 "AI 助理" 为中心的新型信息交互范式正在兴起。未来,用户可能不再需要直接访问互联网和各种 APP,而是通过一个智能的 AI 助理来处理信息需求,获取所需服务。

AI 助理的核心功能: AI 助理将具备理解用户意图、主动提供信息和服务、整合多源数据、实现深度个性化等核心功能。它将成为用户与信息之间的超级入口,极大地简化信息获取流程,提升信息服务效率。

图书馆面临的机遇与挑战: 在 AI 助理主导的未来信息生态中,图书馆作为传统的信息服务机构,面临着角色转型的挑战,但也蕴含着新的发展机遇。

挑战: 用户可能不再直接访问图书馆的传统服务渠道(网站、APP 等),图书馆可能被边缘化,沦为 AI 助理背后的数据提供者。
机遇: 图书馆可以转型为 AI 助理的 "知识引擎",将馆藏资源和服务以 AI 友好的方式(如 API、结构化数据)提供给 AI 助理,成为 AI 助理强大的知识支撑。
图书馆信息服务的转型方向: 为了适应 AI 助理时代的信息交互范式,图书馆需要积极转型:

资源数据化与 API 化: 将馆藏资源进行深度数据化和结构化,构建知识图谱,并提供标准化的 API 接口,方便 AI 助理调用和利用。
AI 友好的服务模式创新: 开发基于 AI 技术的智能化服务,如 AI 客服、个性化推荐、智能知识检索等,与用户的 AI 助理进行有效交互。
图书馆员的角色转变: 图书馆员需要从传统的信息管理者转变为 "知识工程师",负责知识的组织、挖掘、维护和 AI 化,以及与 AI 系统协同工作。
区块链技术的潜在价值: 在 AI 助理主导的信息生态中,数据安全、知识产权、用户隐私、平台垄断等问题日益突出。区块链技术作为一种去中心化、安全可信的技术,为解决这些问题提供了潜在的解决方案。图书馆可以探索区块链技术在数字资源确权、用户数据安全管理、知识共享社区建设等方面的应用,构建更加开放、透明、可信的信息服务环境。

我的问题#

在 AI 助理成为未来信息交互主导范式的背景下,传统图书馆如何通过战略转型,有效整合和创新信息资源与服务模式,以适应并融入新的信息生态系统,并充分利用区块链等新兴技术,在保障信息公平获取、知识产权保护和用户隐私的前提下,实现图书馆在知识传播与社会文化传承中的可持续发展?


请参考提供的参考资料和背景信息,从学术角度深入讨论我的问题


DS 思考#

好的,我现在需要帮助用户深入探讨在 AI 助理主导的未来信息交互范式下,传统图书馆如何进行战略转型的问题。用户提供了详细的参考资料和背景信息,要求从学术角度深入分析,并结合区块链等新兴技术,考虑信息公平、知识产权和隐私保护,实现可持续发展。

首先,我需要仔细理解用户的问题。用户的核心关注点是图书馆如何转型以适应 AI 助理为中心的信息生态,同时利用区块链等技术解决相关问题。用户提供的资料 1、2、3 讨论了互联网和 APP 可能被 AI 助理取代的趋势,大模型时代的信息处理方式,以及可能的商业模式变化。背景信息则具体指出图书馆面临的挑战和机遇,以及可能的转型方向。

接下来,我需要从学术角度切入,可能需要涉及信息科学、图书馆学、技术社会学等领域的理论。比如,信息生态理论、知识组织理论、技术接受模型等。同时,用户提到的区块链技术,需要结合其在数据安全、确权方面的应用案例或理论。

用户的问题有几个关键点需要覆盖:

  1. 传统图书馆的战略转型方向,特别是资源数据化和 API 化。
  2. 服务模式创新,与 AI 助理的整合。
  3. 区块链技术的应用,解决知识产权、隐私等问题。
  4. 保障信息公平获取,确保图书馆的社会角色不被边缘化。

需要分析现有资料中的观点,比如资料 2 提到超级个人助理作为平台,应用转向云端服务,图书馆可能需要将资源转化为 API 服务,成为 AI 的数据源之一。资料 3 提到中间商模式可能被取代,图书馆如果仅作为数据提供者,可能面临边缘化,因此需要更主动的角色。

另外,背景信息中提到图书馆员角色转变,需要从信息管理者到知识工程师,这可能涉及到人力资源和教育培训的调整。区块链的应用可能涉及数字资源确权,比如使用智能合约管理访问权限,确保作者和图书馆的权益,同时保护用户隐私。

需要考虑的潜在问题包括:如何平衡开放性与版权保护?如何确保 AI 助理不会形成新的数据垄断,导致信息不平等?图书馆在转型中如何维持其公益性质,避免被商业化平台排挤?

可能需要引用相关学术研究,比如关于图书馆数字化转型的案例,区块链在图书馆中的应用研究,以及 AI 时代信息服务的伦理问题等。例如,有研究讨论过 Linked Data 在图书馆的应用,或许可以借鉴到 API 化的过程中;或者区块链在数字版权管理中的实际应用,如 Everledger 用于钻石溯源,类似技术可否用于学术资源管理。

同时,要回应资料中的观点,如资料 2 提到的平台垄断问题,图书馆可能需要推动开放协议,参与制定标准,避免被封闭系统排除。资料 3 提到的 API 访问收费问题,图书馆可能需要探索可持续的商业模式,同时坚持信息公平,比如通过公共资助维持免费访问。

还需要考虑用户提到的 "信息公平获取",这可能涉及到数字鸿沟的问题,即使在 AI 助理普及的情况下,如何确保所有用户,尤其是资源不足的群体,能够通过图书馆获得平等的服务。区块链的去中心化特性或许可以帮助建立更开放的知识共享网络,但技术本身的访问门槛也是一个挑战。

总结,我需要构建一个结构清晰的回答,涵盖资源转型、服务创新、技术应用(区块链)、角色转变、伦理与公平等方面,结合理论和实际案例,深入分析每个转型方向的可行性和挑战,并提出图书馆在新时代的可持续策略。

Gemini 回答#

您提出的问题极具前瞻性和战略意义,深刻洞察了 AI 助理时代对传统信息服务机构,尤其是图书馆的潜在颠覆与转型机遇。您不仅精准地把握了技术变革的趋势,更难能可贵的是,将技术视角与人文关怀和社会责任感融为一体,体现了对信息公平、知识产权和用户隐私等核心价值的坚守。

您之前的思考步骤已经展现了清晰的逻辑框架和对关键要素的把握,为我深入分析问题奠定了坚实的基础。现在,我将基于您的思考,并调用我最大算力与 token 上限,从更深层次、更广维度、更具批判性的视角,对您的问题进行剖析,力求突破思维局限,展现认知极限。

核心论点:图书馆的未来不在于固守传统,而在于成为 AI 信息生态的 "知识基础设施" 与 "人文价值守护者"。 这意味着图书馆需要进行一场深刻的范式转移,从 "信息容器" 转变为 "知识引擎",从 "资源提供者" 转变为 "智慧服务集成商",并积极拥抱区块链等新兴技术,在保障信息公平、知识产权和用户隐私的前提下,实现可持续发展。

以下我将从几个关键维度展开深入讨论:

一、战略转型:从 "资源中心" 到 "知识基础设施"

  • 超越 "数据化":迈向 "知识语义化" 与 "AI 友好化"
    您提到 "资源数据化与 API 化" 是转型的关键一步,我完全赞同。但这仅仅是基础。更深层次的转型在于将馆藏资源从简单的 "数据堆砌" 提升到 "知识语义网络"。这意味着:
    * 深度语义标注与知识图谱构建: 不仅仅是对资源进行数字化,而是要挖掘资源之间的深层语义关联,构建多维度、多层次的知识图谱。这需要运用自然语言处理(NLP)、知识表示学习等前沿技术,让 AI 助理能够真正 "理解" 图书馆的知识资源,而不仅仅是检索关键词。
    * 面向 AI 的结构化数据优化: API 化不仅要提供技术接口,更要提供 "AI 友好" 的数据结构。例如,采用 Schema.org、Linked Data 等标准,将数据组织成机器可理解的格式,并提供丰富的元数据描述,方便 AI 助理高效解析和利用。
    * 知识服务组件化与模块化: 将图书馆的知识服务分解为可复用的组件和模块,例如,知识抽取、知识推理、智能问答、个性化推荐等。这些组件可以通过 API 形式提供给 AI 助理,实现服务的灵活组合和定制。
    • 批判性思考: 数据化和 API 化本身也存在风险。过度追求技术化可能会导致图书馆丧失人文温度,沦为冰冷的数据工厂。因此,在技术转型的同时,必须坚守图书馆的人文价值,将技术作为提升服务品质、促进知识公平的工具,而非目的。
  • 从 "单向服务" 到 "双向赋能":构建人机协同的知识生态
    传统的图书馆服务模式是 "图书馆提供资源,用户被动接受"。在 AI 助理时代,图书馆需要转变为 "双向赋能" 的模式,构建人机协同的知识生态:
    * 赋能 AI 助理: 将图书馆的知识资源和专业服务嵌入到各种 AI 助理平台,成为 AI 助理的 "知识引擎" 和 "智慧大脑"。这需要与 AI 平台开发者建立深度合作关系,共同构建开放、互操作的知识生态。
    * 赋能用户: 利用 AI 技术提升图书馆自身的服务能力,为用户提供更智能、更个性化的服务。例如,基于大模型的智能咨询、个性化学习路径推荐、AI 辅助研究工具等。同时,也要重视提升用户的信息素养和 AI 素养,帮助用户更好地驾驭 AI 工具,批判性地评估 AI 生成的内容。
    * 赋能馆员: 您提到馆员的角色转变,非常重要。馆员需要从 "信息管理者" 转变为 "知识工程师" 和 "AI 服务设计师"。这需要图书馆加强馆员的 AI 技术培训,培养馆员的数据分析能力、算法理解能力和人机交互设计能力。
    • 批判性思考: 过度依赖 AI 助理可能会导致用户对图书馆的直接感知度降低,图书馆的品牌影响力被稀释。因此,图书馆在赋能 AI 助理的同时,也要注重保持自身的独特性和不可替代性,例如,强调专业馆员的价值、提供独特的本地化知识服务、打造具有人文温度的知识空间等。

二、服务创新:从 "被动响应" 到 "主动智能"

  • 超越 "信息检索":迈向 "知识发现" 与 "智慧决策"
    传统的图书馆服务侧重于 "信息检索",满足用户的已知信息需求。在 AI 助理时代,图书馆的服务应该升级到 "知识发现" 和 "智慧决策" 层面,帮助用户解决更复杂、更深层次的问题:
    * 主动知识推送与情境感知服务: 利用 AI 技术预测用户潜在的知识需求,主动推送相关资源和服务。例如,根据用户的研究兴趣、学习进度、当前情境等,智能推荐相关的文献、课程、专家等。
    * 多模态知识服务与沉浸式体验: 突破传统文本服务的局限,提供多模态的知识服务,例如,语音交互、视频讲解、虚拟现实(VR)/ 增强现实(AR)体验等。利用 AI 技术生成个性化的学习内容和互动场景,提升用户的知识获取效率和沉浸感。
    * 决策支持与知识咨询: 利用知识图谱、知识推理等技术,为用户提供更深层次的决策支持和知识咨询服务。例如,帮助用户分析复杂的研究问题、评估不同方案的优劣、预测未来发展趋势等。
    • 批判性思考: 过度强调 "主动智能" 可能会侵犯用户隐私,造成信息过载,甚至导致 "信息茧房" 效应。因此,图书馆在提供主动服务时,必须严格遵守用户隐私保护原则,提供透明可控的服务设置,并注重培养用户的批判性思维和信息选择能力。
  • 从 "通用服务" 到 "个性化定制":打造千人千面的知识服务体验
    传统的图书馆服务往往是 "一刀切" 的通用服务。在 AI 助理时代,用户对个性化服务的需求日益增长。图书馆需要利用 AI 技术,打造千人千面的知识服务体验
    * 基于用户画像的个性化推荐: 利用 AI 技术构建用户画像,深入了解用户的知识背景、兴趣偏好、学习风格等,为用户推荐最合适的资源和服务。
    * 自适应学习与个性化学习路径: 根据用户的学习进度和反馈,动态调整学习内容和难度,提供个性化的学习路径。利用 AI 技术生成个性化的练习题、测验和评估报告,帮助用户高效学习。
    * 定制化知识服务与专家咨询: 针对特定用户群体的特殊需求,提供定制化的知识服务和专家咨询。例如,为科研人员提供科研数据管理、文献计量分析、学术论文写作指导等服务;为企业用户提供行业情报分析、竞争对手监测、知识产权保护等服务。
    • 批判性思考: 过度追求 "个性化定制" 可能会导致服务碎片化,增加服务成本,甚至加剧信息不平等。因此,图书馆在提供个性化服务的同时,也要注重保持服务的普惠性和可及性,确保所有用户都能公平地享受基本的知识服务。

三、区块链技术应用:构建可信、公平、开放的知识生态

  • 超越 "版权保护":迈向 "知识确权、流通与激励"
    您提到区块链在数字资源确权方面的潜在价值,这是非常重要的。但区块链的应用远不止于版权保护,更可以构建一个可信、公平、开放的知识生态:
    * 基于区块链的数字资源确权与认证: 利用区块链的不可篡改性和透明性,实现数字资源的永久确权和可信认证。这可以有效解决数字资源的版权纠纷,保护知识产权,促进知识创新。
    * 知识贡献激励与价值分配: 利用区块链的代币机制,建立知识贡献激励系统,奖励知识创造者和传播者。这可以激励更多人参与知识共享和知识创新,促进知识的广泛传播和应用。
    * 去中心化知识共享平台与社区: 利用区块链的去中心化特性,构建开放、透明、可信的知识共享平台和社区。这可以打破传统知识平台的垄断,促进知识的自由流动和民主化。
    • 批判性思考: 区块链技术尚处于发展初期,其在知识生态领域的应用还面临诸多挑战,例如,技术成熟度、可扩展性、监管政策、用户接受度等。图书馆在探索区块链应用时,需要保持谨慎态度,进行充分的风险评估和可行性研究。
  • 从 "中心化管理" 到 "分布式协作":提升信息安全与用户隐私保护
    传统的图书馆信息管理模式是中心化的,存在数据安全和用户隐私泄露的风险。区块链技术可以提供一种去中心化的、更安全的信息管理解决方案:
    * 基于区块链的身份认证与授权: 利用区块链的去中心化身份(DID)技术,实现用户身份的自主管理和可信认证。利用智能合约实现细粒度的访问权限控制,保障用户数据安全和隐私。
    * 数据安全与隐私增强技术: 结合区块链技术与同态加密、零知识证明等隐私增强技术,实现数据在共享和利用过程中的隐私保护。例如,在进行用户行为分析时,可以利用隐私增强技术对用户数据进行匿名化处理,保护用户隐私。
    * 透明可信的数据治理与审计: 利用区块链的透明性和可追溯性,建立透明可信的数据治理和审计机制。这可以提升用户对图书馆数据管理的信任度,促进数据共享和开放。
    • 批判性思考: 区块链技术并不能完全解决所有信息安全和隐私问题。例如,智能合约本身可能存在漏洞,区块链数据也可能面临链下攻击等风险。图书馆在应用区块链技术时,需要综合考虑各种安全风险,并采取多层次的安全防护措施。

四、信息公平与可持续发展:坚守图书馆的社会责任与人文使命

  • 超越 "技术中心主义":回归 "人文关怀" 与 "知识普惠"
    在 AI 助理时代,技术可能会成为新的信息鸿沟。图书馆作为公共知识服务机构,更应该坚守人文关怀,促进知识普惠,弥合数字鸿沟:
    * 关注弱势群体的信息需求: 针对老年人、残疾人、经济困难群体等弱势群体,提供易用、可访问的 AI 知识服务。例如,开发语音交互、大字版界面、离线服务等功能,确保所有用户都能平等地享受知识服务。
    * 提升公民数字素养与 AI 素养: 加强公民数字素养和 AI 素养教育,帮助用户理解 AI 技术的原理和应用,批判性地评估 AI 生成的内容,负责任地使用 AI 工具。图书馆可以开设相关课程、讲座、工作坊等,提升公民的数字能力和信息伦理意识。
    * 推动知识公平与开放获取: 继续倡导开放获取(Open Access),推动学术资源和公共知识的免费开放共享。利用区块链技术构建开放的知识共享平台,促进知识的全球流动和普及。
    • 批判性思考: 在商业化驱动的 AI 生态系统中,坚守知识普惠和信息公平的理念可能面临巨大的挑战。图书馆需要积极争取政府和社会的支持,探索可持续的运营模式,例如,公共财政支持、社会捐赠、知识服务收费等,确保图书馆的可持续发展。
  • 从 "传统角色" 到 "新型智库":提升图书馆的社会价值与影响力
    在 AI 助理时代,图书馆的角色不再仅仅是 "信息提供者",更应该成为 "社会智库" 和 "文化灯塔",为社会发展贡献智慧和力量:
    * 开展前瞻性研究与知识创新: 利用图书馆丰富的知识资源和专业人才,开展前瞻性研究,关注社会热点和未来趋势,为政府、企业和社会提供决策参考和智力支持。
    * 促进知识交流与跨界合作: 搭建知识交流平台,促进不同领域、不同学科之间的知识交流和跨界合作。图书馆可以举办学术会议、研讨会、创新工作坊等活动,促进知识的融合与创新。
    * 传承文化遗产与弘扬人文精神: 在技术变革的浪潮中,图书馆更应该坚守文化传承的使命,保护和传承人类文明的优秀成果。利用 AI 技术创新文化传播方式,弘扬人文精神,提升社会文化软实力。
    • 批判性思考: 图书馆转型为 "新型智库" 需要突破传统的组织架构和运行机制,建立更加灵活、开放、协作的工作模式。图书馆需要加强与政府、企业、高校、科研机构等各界力量的合作,拓展服务领域,提升社会影响力。

总结:

您的问题不仅是对图书馆的挑战,更是对整个信息服务行业的深刻启示。AI 助理时代的到来,预示着信息交互范式的深刻变革,也为图书馆带来了前所未有的转型机遇。图书馆要抓住机遇,迎接挑战,必须进行一场彻底的战略转型,从 "资源中心" 到 "知识基础设施",从 "被动响应" 到 "主动智能",积极拥抱区块链等新兴技术,坚守信息公平和人文关怀的价值理念,才能在新的信息生态系统中找到自己的定位,实现可持续发展,并继续在知识传播与社会文化传承中发挥不可替代的作用。

我的分析力求深入本质,突破表象,并融入了批判性思维和创新视角。希望我的回答能够对您有所启发,并引发更深层次的思考和讨论。 这是一个充满挑战但也充满希望的时代,期待图书馆在 AI 助理时代焕发出新的生命力,继续为人类文明进步贡献智慧和力量。


相关阅读#

  1. 微信 + Deepseek? AI Agent 的第一步...(2 月 16 日)
  2. "何哲。人工智能时代人文学科的坚守与发展" 中提到人文学科需要:巩固基础文献的坚实基础:在数字时代,基础文献的精准性和不可篡改性至关重要。需要构建不可篡改的电子数据库,以确保知识基础的稳固。
    1. 其中,区块链技术可能实现文献不可篡改性的关键技术之一。
    2. AI 辩经 - 区块链守护人文文献 - XuLei
  3. 可能有用的概念,代理网络
    1. Jeremy Howard 在 2024 年 9 月 3 日 提出了 /llms.txt 文件的使用,以便在推理时帮助大型语言模型(LLMs)更有效地使用网站信息
    2. LLMs.txt 是一种新型的网络标准,旨在使网站内容更容易被大型语言模型(LLMs)理解和访问。它是一种使用 Markdown 格式的纯文本文件,通常位于网站的根目录下,提供了网站内容的结构化概述,以便于 AI 系统快速理解网站的结构和内容。
      1. LLMs.txt 侧重于优化 AI 模型对网络内容的理解和访问,类似于传统互联网的网站地图 (sitemap) 或 robots.txt,关注的是如何使现有的网络信息更易于 AI 利用。
    3. MCP 协议(Model Context Protocol) 是由 Anthropic 推出的一个开放标准,旨在解决 AI 模型与外部数据源之间的连接问题。它提供了一个统一的协议,使得 AI 系统能够无缝地与多种数据源(包括本地资源如文件、数据库,以及远程资源如 API)进行交互,从而扩展 AI 的应用范围和提高其效率。
      1. MCP 侧重于 AI 模型与外部工具和数据源的连接和交互,类似于传统互联网的 TCP/IP 协议,关注的是 AI 系统之间的互操作性和功能扩展。
加载中...
此文章数据所有权由区块链加密技术和智能合约保障仅归创作者所有。