关注 霍格沃兹测试学院公众号，回复「资料」, 领取人工智能测试开发技术合集

一次把 AI 世界的角色关系讲清楚

最近后台被问最多的一个问题就是：

Skill 和 Prompt 有啥区别？ MCP 不也是给 AI 加能力的吗？ Claude Code 和 Cursor 又有什么不同？

这些词你可能每天都在看到：

Prompt Agent Skill MCP Claude Code Cursor

但如果把它们放到一张图里，很多人其实是说不清关系的。

今天这篇文章，我们不用教科书式解释，而是用一个简单的类比：

开一家公司。

你需要：

• 招员工

• 制定流程

• 给权限

• 配工具

• 给办公环境

AI 世界里的这些概念，其实就是这些角色。

理解这一点，这些词就再也不会混了。

---

目录

1 AI系统整体结构 2 LLM：AI系统的大脑 3 Prompt：你给 AI 的临时指令 4 Agent：AI开始自己干活 5 Skill：AI的 SOP 手册 6 MCP：AI连接世界的门禁卡 7 IDE：AI工作的办公室 8 Claude Code：终端里的 AI 特种兵 9 一张图看懂 AI 技术栈

---

一、AI系统整体结构

先看一张整体结构图。

这张图表达的其实是：

AI系统是一套分层架构。

不同概念解决不同问题。

接下来一个一个讲。

---

二、LLM：AI系统的大脑

最底层的能力，是 大模型（LLM）。

例如：

GPT Claude Gemini DeepSeek

你可以把大模型想象成：

一个刚入职的天才员工。

他很聪明：

• 会写代码

• 会写文档

• 会分析数据

• 会总结资料

但有个问题。

他刚入职。

他不知道：

公司流程 公司业务 公司数据在哪

所以 AI 最大的问题从来不是智商，而是：

不了解你的业务。

后面的所有概念，本质都是在解决这个问题。

---

三、Prompt：你给 AI 的临时指令

最直接的方式是什么？

你直接告诉他。

例如：

帮我写一份技术方案 语气专业一点 参考之前的模板

这就是 Prompt。

Prompt 的本质是：

临时指令。

特点很明显：

特点	说明
临时	用完即弃
一次性	每次都要重新写
不可复用	不会沉淀

所以 Prompt 最大的问题是：

每次都要从零开始。

---

四、Agent：AI开始自己干活

传统 AI 工作模式是：

人问一句 AI答一句

流程是：

人 -> 提问
AI -> 回答

但 Agent 不一样。

Agent 的模式是：

你给目标，它自己执行。

例如：

目标：

做一份竞品分析报告。

Agent 会自动：

1 搜资料 2 整理数据 3 写报告 4 自检优化

流程大概是这样：

Agent 的核心能力只有一句话：

从问答模式，变成执行模式。

---

五、Skill：AI的 SOP 手册

问题来了。

Agent 虽然会干活，但质量不稳定。

有时候很好。 有时候很乱。

原因其实很简单：

没有标准流程。

解决方案就是：

Skill。

Skill 可以理解为：

给 AI 写的一本 SOP 手册。

例如：

写技术方案的 Skill：

1 收集需求 2 整理架构 3 对比方案 4 输出结论

Skill 的特点：

Prompt	Skill
临时	长期
每次重写	可复用
临时指令	标准流程

所以很多 AI Agent 系统，其实核心就是：

Skill库。

Skill 越多：

AI 越像一个老员工。

---

六、MCP：AI连接世界的门禁卡

AI 还有一个巨大问题。

它虽然聪明，但：

看不到真实世界。

例如：

GitHub 数据库 CRM 搜索引擎

AI默认是访问不到的。

这时候就需要 MCP。

MCP 全称：

Model Context Protocol

你可以理解为：

AI访问系统的统一接口。

就像 USB 接口一样。

Skill 和 MCP 的区别其实非常关键：

能力	Skill	MCP
作用	方法	连接
本质	SOP	API
解决问题	怎么做	去哪拿数据

一句话总结：

Skill 解决 方法问题MCP 解决 数据问题

---

七、IDE：AI工作的办公室

AI也需要工作环境。

对于程序员来说，这个环境就是：

IDE。

例如：

Cursor Trae Windsurf

以前 IDE 只是写代码的工具。

现在 AI IDE 变成了：

AI工作空间。

里面已经集成：

• LLM

• Agent

• Skill

• MCP

Cursor 火的原因就是：

Agent可以直接操作整个代码仓库。

---

八、Claude Code：终端里的 AI 特种兵

还有一类工具，不走 IDE。

直接在终端里工作。

代表就是：

Claude Code。

特点是：

• 没有图形界面

• 直接操作代码库

• 可以执行 shell

• 可以并行执行任务

流程类似这样：

所以很多人会这样理解：

IDE里的AI 像办公室员工。

Claude Code 更像直接在工地干活的工程师。

---

九、一张图看懂 AI 技术栈

最后，用一张图把所有概念串起来。

整个 AI 技术栈其实就是：

层级	作用
LLM	大脑
Prompt	指令
Agent	执行
Skill	方法
MCP	连接
IDE	工作环境
Claude Code	自动执行工具

---

最后

很多人喜欢问：

Prompt Agent RAG Skill

哪个更重要？

其实答案是：

都不是。

真正改变效率的，是：

它们一起工作。

当这些能力组合起来：

大模型负责理解 Agent负责执行 Skill提供方法 MCP连接数据

AI就不再只是聊天工具。

而是一套：

真正能执行工作的系统。

AI时代真正改变的不是某个模型。

而是：

软件系统第一次拥有了执行能力。

这才是变化的开始。

关于我们

霍格沃兹测试开发学社，隶属于 测吧（北京）科技有限公司，是一个面向软件测试爱好者的技术交流社区。

学社围绕现代软件测试工程体系展开，内容涵盖软件测试入门、自动化测试、性能测试、接口测试、测试开发、全栈测试，以及人工智能测试与 AI 在测试工程中的应用实践。

我们关注测试工程能力的系统化建设，包括 Python 自动化测试、Java 自动化测试、Web 与 App 自动化、持续集成与质量体系建设，同时探索 AI 驱动的测试设计、用例生成、自动化执行与质量分析方法，沉淀可复用、可落地的测试开发工程经验。

在技术社区与工程实践之外，学社还参与测试工程人才培养体系建设，面向高校提供测试实训平台与实践支持，组织开展 “火焰杯” 软件测试相关技术赛事，并探索以能力为导向的人才培养模式，包括高校学员先学习、就业后付款的实践路径。

同时，学社结合真实行业需求，为在职测试工程师与高潜学员提供名企大厂 1v1 私教服务，用于个性化能力提升与工程实践指导。