从 LLM 到 Agent Skill —— 一文打通 AI 核心概念底层逻辑

你是否经常听到 LLM、Token、Prompt、RAG、Agent 这些词，却总觉得一知半解？
别担心，这篇文章用最通俗的方式，把这10个AI核心概念一次性讲清楚。

---

1. LLM —— 大 Language Model（大语言模型）

一句话理解： LLM 就是 AI 的"大脑"，一个见过天文数字文本的超级读书人。

它读了整个互联网级别的文字（书籍、文章、代码、对话），所以它学会了：

• 语言规律（语法、表达方式）
• 知识储备（事实、概念、逻辑）
• 推理能力（回答问题、写代码、做总结）

类比： 就像一个读了全世界所有书的学霸，你问什么他都能接上话。

💡 常见例子：GPT-4、Claude、文心一言、通义千问 都是 LLM。

---

2. Token —— AI 的"最小语言单位"

一句话理解： Token 是 LLM 理解语言的最小碎片。

当我们说一句话时，LLM 并不是按"字"来理解的，而是按 Token。

中文示例	Token 拆分
“我喜欢AI”	[“我”, “喜欢”, “AI”]（约3个token）
“你好世界”	[“你好”, “世界”]（约2个token）

关键记忆：

• 1 个汉字 ≈ 1~2 个 Token
• 1 个英文单词 ≈ 1 个 Token
• 计费按 Token 算，不是按字数！

输入： "请帮我写一首诗"  →  拆成 Tokens  →  LLM 处理  →  生成回答

💡 通俗理解： Token 就像是 AI 的"乐高积木块"，积木块越小，能拼出的内容越精细。

---

3. Context —— 上下文

一句话理解： Context 就是 AI 当前"看到"的所有内容。

你和 AI 的每一次对话，前面说了什么，这些都属于 Context。

你: "帮我写一首关于春天的诗"
AI: "春风拂面..."           ← 这是第一轮

你: "再写一首关于夏天的"     
AI: 因为有 Context，它知道 "再" 是指 "再写一首诗"   ← 上下文起作用了！

没有 Context 会怎样？

每一轮对话 AI 都会"失忆"，就像每次都要重新认识一个新朋友。

---

4. Context Window —— 上下文窗口

一句话理解： AI 一次性能"记住"的最大信息量。

每个 LLM 都有一个 Context Window 大小限制：

模型	Context Window
早期 GPT-3	4K Tokens（约3000字）
GPT-4 Turbo	128K Tokens
Claude 3	200K Tokens

通俗比喻：

• Context Window 就像 AI 的"工作台"
• 工作台越大，能同时处理的信息越多
• 你扔一本500页的书上去，如果工作台不够大，它就只能看到前面一部分

⚠️ 注意： 超出 Context Window 的内容，AI 会直接"忘记"。

---

5. Prompt —— 提示词

一句话理解： Prompt 就是你给 AI 的"指令"。

这是你和 AI 交互的主要方式。写 Prompt 就像在"给 AI 布置作业"。

❌ 糟糕的 Prompt：
"写个文案"

✅ 好的 Prompt：
"你是一位资深营销专家，请为一款面向年轻人的智能手表写3条朋友圈文案，
要求：每条不超过50字，风格活泼，突出健康监测功能。"

Prompt 之所以重要，是因为 LLM 的输出质量 严重依赖 输入质量。
这就是为什么现在有一个专门的职业叫 Prompt Engineer（提示词工程师）。

---

6. User Prompt —— 用户提示词

一句话理解： 就是你（用户）直接输入给 AI 的那句话。

用户输入: "请用Python写一个计算斐波那契数列的函数"
           ↑
       这是 User Prompt

User Prompt 是对话中最直观的部分，你想让 AI 做什么，直接告诉它。

---

7. System Prompt —— 系统提示词

一句话理解： System Prompt 是 AI 的"人设"和"行为准则"，用户看不到但时刻在起作用。

System Prompt（开发者设置的，用户看不到）:
  "你是一个专业的数学辅导老师，回答要耐心细致，
   多用举例说明，不要直接给出答案，要引导学生思考。"

User Prompt（用户输入的）:
  "帮我解这道题：x² - 5x + 6 = 0"

AI 回答:
  "我们来一步步分析这个方程：
   第一步，这是一个一元二次方程...
   （引导式教学，而不是直接给答案）"

类比：

• System Prompt = 公司的员工手册（规定行为准则）
• User Prompt = 客户今天提的需求

---

8. Tool —— 工具调用

一句话理解： 让 AI 能"动手做事"，而不仅仅是"动嘴说话"。

纯 LLM 只能输出文字，但有了 Tool 能力，AI 可以：

工具类型	能做什么
计算器	精确计算数学题
搜索引擎	查实时信息
代码执行器	运行 Python 代码
数据库查询	查用户订单
API 调用	发邮件、订机票

用户: "帮我查一下北京的天气"
                    ↓
LLM 识别需要调用工具  →  调用天气查询 API  →  拿到结果  →  回复用户
                    ↑
          这就是 Tool 调用的威力

💡 没有 Tool 的 LLM： 理论家，只会说不会做
有 Tool 的 LLM： 工程师，能说会做

---

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

一句话理解： MCP 是 AI 世界的"USB 标准接口"。

在 MCP 出现之前，每个 AI 连接外部工具都需要定制开发：

传统方式（每个工具都要单独适配）:
  LLM ←→ 自定义代码 ←→ 天气 API
  LLM ←→ 自定义代码 ←→ 数据库
  LLM ←→ 自定义代码 ←→ 文件系统
  每个连接都要写一套新代码 ❌

MCP 方式（统一标准）:
  LLM ←→ MCP 协议 ←→ 天气服务器
  LLM ←→ MCP 协议 ←→ 数据库服务器
  LLM ←→ MCP 协议 ←→ 文件系统
  一次适配，到处使用 ✅

类比：

没有 MCP 之前，每个外设都要自己焊线接电脑。
有了 MCP 之后，就像有了 USB 接口 —— 即插即用。

---

10. Agent / Agent Skill —— 智能体 & 智能体技能

一句话理解： Agent 是能自主思考+行动的 AI，Agent Skill 是它的"专业技能"。

把前面的所有概念串起来：

┌──────────────────────────────────────┐
│              Agent                   │
│  ┌────────────────────────────────┐  │
│  │         LLM (大脑)              │  │
│  │  + Context Window (工作台)      │  │
│  │  + System Prompt (人设)        │  │
│  ├────────────────────────────────┤  │
│  │  工具库 (Agent Skills)          │  │
│  │  ├─ 搜索 Skill                 │  │
│  │  ├─ 代码 Skill                 │  │
│  │  ├─ 数据分析 Skill             │  │
│  │  └─ MCP 连接的更多 Skill...    │  │
│  └────────────────────────────────┘  │
└──────────────────────────────────────┘

Agent 的工作流程：

接收到任务
    ↓
理解任务（LLM + Context）
    ↓
规划步骤（思考）
    ↓
调用工具/技能（Tool/MCP）
    ↓
获取结果
    ↓
继续推理，直到任务完成

通俗例子：

你让 AI 助手"帮我订一张下周去北京的机票"：

1. Agent 理解需求（LLM）
2. 查询你的日程（调用日历 Tool）
3. 搜索航班（调用搜索 Tool）
4. 比价推荐（分析能力）
5. 下单支付（调用支付 Skill）
6. 把确认信息发给你

这就是 Agent 的威力 —— 不只是聊天，而是真正帮你完成任务。

---

总结：一张图看透所有概念的关系

你输入问题
    │
    ▼
User Prompt ──→ 进入 Context Window
                    │
                    ▼
          System Prompt 设定行为准则
                    │
                    ▼
          LLM 处理 Token（理解+推理）
                    │
         ┌──────────┼──────────┐
         ▼          ▼          ▼
      纯文本回答   调用 Tool   使用 MCP 连接外部服务
         │          │          │
         └──────────┼──────────┘
                    ▼
            Agent 自主完成任务
                    │
                    ▼
             返回最终结果给你

---

进阶阅读

如果你对这些概念想深入了解，可以按这个路径学习：

1. 入门：先用好 Prompt（提示词工程）
2. 进阶：了解 Token 机制和 Context Window 限制
3. 高级：学习 Tool Calling 和 MCP 协议
4. 专家：搭建自己的 Agent，组合多个 Agent Skills

---

本文内容整理自 B站 UP主「马克的技术工作坊」的视频《从 LLM 到 Agent Skill，一期视频带你打通底层逻辑！》