从 LLM 到 Agent Skill，一期视频带你打通底层逻辑！
内容是这个视频里的，文案是评论区里【霉菌爱思考】总结的，这里仅记录学习过程

概念体系层级关系

LM（核心引擎）→ Token（数据单元）→ Context（记忆空间）→ Prompt（交互接口）→ Tool（外部能力）→ MCP（工具标准）→ Agent（决策系统）→ Agent Skill（任务定制）

自我总结（不权威，仅自己的理解）

• LLM：大语言模型，相当于 AI 的大脑，只负责分析、理解与推理，不直接执行外部操作。本质是文字接龙，通过预测下一个概率最高的 token，生成连贯文本。所以模型的训练数据与质量很重要，直接决定它的能力上限。
• Transformer：是所有现代大语言模型的底层架构。最核心能力是 Self-Attention（自注意力机制），即可以理解句子中谁和谁相关、谁更重要，从而理解语义与逻辑。
• Token：LLM 处理文本的最小数据单元，类似前端里的 “字节”。
• Prompt：提示词，相当于给 LLM 的入参 + 指令，LLM 完全依据提示词来理解任务、分析信息并输出结果，提示词写得准确，输出才会精准、符合预期。
• Tool：工具，相当于 LLM 可调用的第三方接口 / 能力，比如查询天气、调用接口、读取数据、执行计算等。
• Skills：技能，封装好的通用能力，类似 Vue 插件或公共工具方法，可以让 Agent 重复使用某一类功能。
• Context：上下文，本次对话的全部历史 + 最新输入的总和，是模型当前能 “看到” 的所有信息。
• Context Window：上下文窗口，模型一次性最多能处理的 token 总量，超过这个长度，早期信息会被遗忘或截断。
• MCP：模型上下文协议，是LLM 与外部 Tool 之间的标准连接通道，让模型能安全、统一地调用各种工具。

一、底层引擎：大语言模型(LLM)

核心定义与架构

• LM全称：Large Language Model（大语言模型），简称大模型
• 底层架构：基于Transformer（2017年Google团队在论文《Attention is All You Need》中提出）
• 工作原理：本质是文字接龙游戏，通过预测下一个概率最高的词生成连续文本

二、数据处理单元：Token

核心特性

• 定义：大模型处理文本的最小单位，通过Tokenizer（分词器）将文本切分为片段
• 编码过程：分两步——①文本切分为Token ②映射为Token ID（数字）
• 解码过程：将Token ID还原为文本（无需切分步骤）

Token与自然语言单位的关系

语言单位	与Token的关系	示例
中文词语	非一一对应，可能被拆分	“工作坊”→“工作”+“坊”
英文单词	常见词通常对应1个Token	“hello”→1个Token
复杂单词	可能被拆分	“helpful”→“help”+“ful”
特殊字符	可能需多个Token表示	“✅”→3个Token

量化参考

• 1个Token ≈ 0.75个英文单词
• 1个Token ≈ 1.5-2个汉字
• 40万Token ≈ 60-80万汉字 或 30万英文单词

三、临时记忆体：Context

核心概念

• 定义：大模型每次处理任务时接收的信息总和（就是接连上面所有的对话的总和加上新的对话），相当于模型的“临时记忆”，
• 组成部分：用户问题、对话历史、当前输出Token、工具列表、System Prompt等
• 容量限制：由Context Window（上下文窗口）定义，即最大可处理的Token数量

突破Context Window限制的方案

• RAG技术（检索增强生成）：从知识库中抽取与问题最相关的片段，仅将关键信息送入模型，降低Token消耗

四、指令交互：Prompt

定义与分类

• Prompt：给大模型的问题或指令，决定模型输出质量
• Prompt分类：
  • User Prompt：用户输入的具体任务（如“帮我写一首诗”）
  • System Prompt：开发者后台配置的人设与做事规则（如“你是一个耐心的数学老师，当学生问你数学问题时，不要直接给答案，而是要一步步引导学生思考，帮助他们理解解题的思路”）

五、外部能力扩展：Tool

核心作用

• 定义：大模型调用的外部函数，使其能够感知和影响外部环境
• 解决痛点：弥补大模型无法获取实时信息（如天气）、计算能力有限等弱点

工作流程

1. 用户提问→平台转发（含工具列表）
2. 大模型分析→生成工具调用指令
3. 平台执行调用→获取结果
4. 大模型整理结果→自然语言输出

角色分工

角色	职责
大模型	选择工具、生成参数、归纳结果
工具	执行具体功能（如查询天气）
平台	转发信息、执行工具调用

六、工具标准化：MCP

• 全称：Model Context Protocol（模型上下文协议）
• 本质：理解为统一的工具接入标准，解决不同平台工具接入规范不统一的问题
  • 比如：openAI、Anthropic、Google三个平台各自有接入规范，用一个要写一个接入规范。所以想搞一个统一的技术规范标准
  • 就像手机都统一用type c充电口统一标准
• 价值：工具开发者只需按MCP规范开发一次，即可在所有支持MCP的平台使用（类比手机Type-C接口）

七、自主决策系统：Agent

• Agent定义：能够自主规划、自主调用工具，持续工作直至完成用户任务的系统
• 核心能力：多步骤推理、工具选择、流程控制
• 代表产品：Claude Code、Codex、Gemini CLI等
• 典型构建模式：React、Plan and Execute等

八、任务定制：Agent Skill

核心功能

• 定义：给Agent的说明文档，包含任务规则、执行步骤、输出格式等
• 结构：
  • 元数据层：名称（name）、描述（description）、示例
  • 指令层：目标、执行步骤、判断规则、输出格式、示例

技术实现

• 存储形式：Markdown文档（文件名必须为SKILL.md）
• 存放位置：特定目录（如Claude Code找到用户目录的claude/skills文件夹）
• 加载机制：仅在用户问题与技能名称/描述相关时加载与整合指令
• 加载时机：仅在用户问题与技能名称/描述匹配时加载完整指令