这篇文章想讲清一件事：当 AI 真正接入企业系统后，单靠堆 Agent 往往不够。MCP 解决的是“怎么把模型连到外部系统”，Agent Skills 解决的是“怎么按统一规则把事情做好”。两者配合起来，才更接近一套能落地、也更容易维护的工程方案。

大多数程序都无法充分发挥 CPU 的性能，也难以把硬件资源利用到极致。原因在于 CPU 微结构非常复杂，软件层面的执行效率往往很难自然逼近硬件上限。

通常部署本地大模型时，用户会在 Huggingface 网站上进行下载，然而部分作者上传的模型格式并非为 GGUF 格式，如：safetensors、bin 格式等。

如何得到 ChatGPT 模型？

首先通过预训练（也称为自督导式学习），通过大量的资料进行模型训练，这个时候产生的模型也称为基石模型。这个时候是无监督学习。

从常用的模型部署开始讲解，并简单描述推理引擎的作用，以及训练工程师优化的作用。