AI 核心概念大串联：LLM, Token, Context, Context Window, Prompt, User Prompt, System Prompt, Tool, MCP, Agent, Agent Skill

LLM 以 Token 为单位，在 Context Window 容纳的 Context 里，通过 System Prompt 设定身份、User Prompt 接收任务，借助 MCP 调度各种 Tool，让 Agent 可以使用不同 Skill 自主完成复杂任务。

一、基础层：语言模型的“原子与容器”

1. LLM（Large Language Model）

大语言模型，基于海量文本训练、能理解和生成人类语言的深度学习模型。

2. Token

LLM 处理文字的最小单位，不是字也不是词，而是模型切分后的片段。

• 中文：1 个 Token ≈ 1～2 个汉字
• 英文：1 个 Token ≈ 4 个字母或者0.75个单词

所有计算、长度限制、计费，都按 Token 算。

Tokenizer，LLM与用户之间的中间人。LLM接收和输出数字，用户输出和接收文字。

Tokenizer将用户的文字编码为LLM的输入数字：
编码过程分为切分和映射两步：1.输入文本被切分成一串token；2，每一个token转换为对应的token ID,所有的Token ID 组成LLM的输入编码。

解码环节 则是将LLM输出的Token ID映射为对应的文本，由于LLM每次输出一个Token ID，所以解码不需要切分。

3. Context

上下文，就是模型“当前记得的所有信息”，包括：

• 历史对话
• 用户问题
• 当前输出
• 系统给的指令（system Prompt）
• 工具返回的结果（天气，定位等）

4. Context Window

上下文窗口，模型一次性能装下的最大 Token 数量。
超过这个长度，模型就会“忘事”或截断。

二、交互层：怎么跟 LLM 说话

5. Prompt

提示词，泛指所有喂给模型的输入文本，表示LLM接收的具体问题或者指令，用来引导它输出。
Prompt engineering, 提示词工程。

6. User Prompt

用户提示，用户输入的，就是你在对话框里输入的内容，是任务本身。

7. System Prompt

系统提示，在对话最开头、对用户不可见的指令，是后台配置的，用来：

• 设定角色（如“你是专业助手”）
• 设定输出格式、语气、规则
• 约束行为边界

三、能力扩展层：让模型会“做事”

8. Tool

工具，是 LLM 可以调用的外部功能或者函数，让LLM能够感知和影响外部环境**。
常见工具：

• 计算器
• 代码解释器
• 搜索
• 数据库查询
• 绘图、文档处理等
  

这是一个通过工具查询天气的例子，其中，用户，LLM，工具之间无法直接通信，需要通过平台进行沟通。过程如下：

1. 用户向平台发出问题
2. 平台将问题和可用用具发送给LLM
3. LLM本身如果无法给出答案或者答案不可用，告诉平台需要调用工具以及需要的参数
   
4. 平台调用相应的工具对应的函数
5. 工具反馈调用结果
6. 平台将结果输入到LLM
7. LLM 将结果整理输出到平台
8. 平台将结果输出到用户
   其中LLM的角色包括：根据问题选择工具、根据工具反馈的结果归纳总结
   工具的职责是执行具体的查询任务
   平台的作用就是将所有的流程串联在一起

9. MCP（Model Context Protocol 模型上下文协议）

MCP 是统一管理和调度工具的控制平面，负责：

• 告诉模型有哪些工具可用
• 解析模型想调用哪个工具
• 执行工具调用并把结果返回给模型

可以理解为：模型的“工具中台”。

10. Agent

智能体，是具备自主决策能力的 LLM，它可以自主规划和调用工具，直至完成任务。
它不再只是“一问一答”，而是：

• 理解目标
• 规划步骤
• 自主调用工具
• 反思结果
• 直到完成任务

11. Agent Skill

智能体技能，是 Agent 可以复用的标准化能力单元。
比如：

• 写邮件技能
• 数据分析技能
• 行程规划技能
• 代码调试技能

Skill 让 Agent 更专业、更稳定，而不是每次都从零思考。