引言

AI 正在以前所未有的速度重塑各行各业，AIGC（AI Generated Content）作为其中最耀眼的技术方向，正迅速改变内容创作的规则与商业模式。对于产品经理而言，「AI产品经理」不再是一个遥远的概念——它已成为一个真实、急迫且充满机会的转型方向。

本文围绕AIGC市场趋势、AI产品经理核心能力和模型实战三条主线，帮你建立一套从理论到实践的 AI 产品经理学习框架。

---

一、AIGC 的市场破局与未来趋势

一文讲透 AI 的各层关系：从 Token 到 Agent，搞懂 AI 任务执行的完整链路

AI 技术的快速迭代中，我们常听到 Token、Embedding、LLM、Chain、Agent 等概念，但多数人对它们的层级关系、协同逻辑一知半解——其实这些概念并非孤立存在，而是构成了 AI 任务执行的完整链路：从最底层的 Token 编码，到中间层的语义表征与逻辑串联，再到上层的自主决策 Agent，每一层都承上启下，缺一不可。

本文将从“底层基础→中间链路→上层应用”三个维度，层层拆解各层的核心作用、相互关系，再通过 LangChain+LangGraph 代码实战，让你直观看到从 Token 到 Agent 的完整执行过程，真正搞懂 AI 是如何“思考”并“完成任务”的。

一、介绍

Milvus 创建于 2019 年，其目标只有一个：存储、索引和管理由深度神经网络和其他机器学习 （ML） 模型生成的大量嵌入向量。
作为专门设计用于处理对输入向量的查询的数据库，它能够以万亿级对向量进行索引。与现有关系数据库主要按照预定义模式处理结构化数据不同，Milvus 是自下而上设计的，用于处理从非结构化数据转换的嵌入向量。

随着互联网的发展和发展，非结构化数据变得越来越普遍，包括电子邮件、论文、物联网传感器数据、Facebook 照片、蛋白质结构等等。为了使计算机理解和处理非结构化数据，使用嵌入技术将这些数据转换为向量。Milvus 存储并索引这些向量。Milvus 能够通过计算两个向量的相似距离来分析它们之间的相关性。如果两个嵌入向量非常相似，则意味着原始数据源也相似。

来源：
https://milvus.io/docs/v2.1.x/overview.md