10分钟入门大模型：从LLM到Agent Skill，小白也能轻松掌握（收藏版）

AI小白熊

407人浏览 · 2026-05-27 10:24:45

AI小白熊 · 2026-05-27 10:24:45 发布

你有没有过这种体验——刷到一篇 AI 文章，满屏的 LLM、Token、Prompt、MCP、Agent Skill，每个字母都认识，但连在一起就不知道在说什么。

别慌，你不是一个人。这些词背后都是非常朴素的思想，今天我们就用十分钟的时间，把它们一个一个拆开来看。

🧭 先给你一张图。 下面这张图展示了这九个概念之间的关系。不用死记，读到后面自然会明白。

一、LLM：它不是什么魔法，是一个「成语接龙」高手

Large Language Model · 大语言模型

先说一个你可能没想到的事实：ChatGPT 在回答你问题的时候，并不知道自己在说什么。

它只是在做一件事——给定前面所有的文字，猜下一个字该是什么。猜完一个字，把这个字拼到句子里，再猜下一个字。就这样一个字一个字地「接龙」下去，直到觉得该停了。

这个「接龙」能力的背后，是如今几乎所有主流模型都在用的 Transformer 架构。这个架构 2017 年由 Google 团队在论文《Attention Is All You Need》中提出——论文标题就透露了一切：「你需要的只有注意力机制」。

但你不需要理解 Attention 是什么。你只需要知道：

💡 关键认知： 大模型不是数据库，不是搜索引擎，也不是奥数冠军。它是一个被训练成「接龙大师」的概率计算器。它的「聪明」来自于它读过人类互联网上几乎所有文字之后形成的对语言模式的理解。

主流大模型一览： GPT 系列 · Claude 系列 · Gemini 系列 · DeepSeek · 文心一言 · 通义千问

二、Token：模型不会说人话，它只认数字

Tokenizer · 文本的最小处理单元

又到了拆穿「魔法」的时刻：大模型根本不认识汉字、英文、或者任何人类文字。 它内部全是数学运算，只认数字。

所以任何文字在喂给模型之前，都要先经过一个翻译官——Tokenizer（分词器）。它把文字切成一小块一小块的数字编号，这一小块就是 Token。

切分样例：

“工作坊” → 工作 / 坊
“程序员” → 程序 / 员
“helpful” → help / ful
“Monet” → Mon / et

Token 的切分方式不是人类规定的，而是模型在训练过程中自己学会的。它会发现「工作」和「坊」经常出现在不同上下文中，于是把它们当成两个单位来记。这种切法比按词切更灵活：遇到罕见生僻词，模型不会直接傻掉，而是用学过的小碎片尽量拼出来。

💡 实用换算： 中文大约 1～2 个汉字 = 1 Token；英文大约 0.75 个单词 = 1 Token。下次看到「这个模型支持 100 万 Token」，你可以快速换算——大约能处理一部《三体》三部曲那么长的内容。

三、Context：AI 的「瞬间记忆」，阅后即焚

上下文 · 大模型的临时记忆体

很多人以为 ChatGPT 会记住之前的对话。实际上，它每次被调用时都是「全新」的，没有任何记忆。

那为什么它好像能记住你刚才说过什么？秘密在于——每次你跟它说话时，程序会把你和它的整段对话历史，原封不动地塞进请求里一起发过去。

Context对话记忆机制

这个每次打包发给模型的全部信息，就是 Context（上下文）。它包括：📝 对话历史 | ❓ 当前问题 | 📐 系统设定 | 🔧 可用工具列表 | 📤 模型正在输出的内容

Context 就像 AI 的「草稿纸」——只要在这张纸上的信息，它都能看到。这张纸能写多大，就是 Context Window（上下文窗口）。

💡 一张表看清主流模型的「草稿纸」有多大：

模型 Context Window 约等于

GPT-5.4 105 万 Token 约 70 万汉字

Claude Opus 4.6 100 万 Token 约 67 万汉字

Gemini 3.1 Pro 100 万 Token 约 67 万汉字

一个 Token ≈ 0.7 个汉字（粗略估算）

模型	Context Window	约等于
GPT-5.4	105 万 Token	约 70 万汉字
Claude Opus 4.6	100 万 Token	约 67 万汉字
Gemini 3.1 Pro	100 万 Token	约 67 万汉字

在这里插入图片描述

四、Prompt：你给 AI 设的「人设」和「任务」

提示词 · System Prompt vs User Prompt

Prompt 就是你对 AI 说的话。但这里有个大多数人不知道的门道——Prompt 其实分两层。

🛠️ System Prompt（系统提示词）

开发者后台设定的「角色说明书」，定义 AI 是谁、什么风格、什么底线。用户看不见，但全程生效。

💬 User Prompt（用户提示词）

你每次打字输入的那句话，就是 User Prompt。它是最直接的任务指令。

举个例子——假设你做了一个「暴躁老哥翻译器」：

💡 写好 Prompt 的核心心法： 把 AI 当成一个能力很强但完全不懂你心思的新同事。你不说清楚它就会瞎猜。你的 Prompt 越具体、约束越明确，它给出的结果越接近你的预期。模糊的问题 = 模糊的答案。

五、Tool：给 AI 装上「手和眼睛」

工具调用 · 让模型感知和改变外部世界

大模型有两个致命短板：它的知识有截止日期，而且它完全不知道外部世界正在发生什么。 你问它「现在北京几度」，它答不了；你让它「帮我发一封邮件」，它做不到。

但如果你给它一个「开关」——一个可以调用的函数——它就能突破这个限制。这个函数就是 Tool（工具）。

工具调用流程

常见工具类型： 🌤️ 天气 API · 📧 邮件 API · 🗄️ 数据库查询 · 🔍 搜索引擎 · 📅 日历 API · 💰 支付接口

模型自己是不会执行工具的——它只是发出「我想调用某某功能」的信号，真正的执行由外部的程序（也就是你用的 App 或框架）来完成。

六、MCP：AI 世界的「Type-C 接口」

Model Context Protocol · 统一工具接入标准

前面的 Tool 听起来很美好，但有一个现实问题：OpenAI 定义 Tool 的方式跟 Anthropic 不一样，Anthropic 的方式又跟 Google 不一样。如果你给三个平台写同一个天气工具，你得写三份代码，用三种不同的格式。

MCP对比图

MCP（Model Context Protocol）就是来解决这个问题的。 它由 Anthropic 于 2024 年底提出，定义了一套通用的工具描述格式。工具开发者只需要按 MCP 标准写一次，任何支持 MCP 的 AI 平台都能直接使用——就像 USB-C 一样，一根线通吃所有设备。

💡 一句话记住 MCP： 它是一种「中间语言」。工具开发者说 MCP 语，AI 平台也听懂 MCP 语——翻译成本从 N×M 降到了 1。

七、Agent：从「一问一答」到「自主干活」

智能体 · 能自己规划、调用工具、迭代直到完成任务

到这里，我们有了模型（LLM），有了工具（Tool），有了提示词（Prompt）。但这些都是「被动」的——你需要一个问题一个问题地问。

Agent 则是「主动」的。 你给它一个目标，它自己拆解步骤、自己决定什么时候调用什么工具、自己检查结果对不对、不对就重来——直到完成你的任务为止。

这就是为什么 Agent 比普通的「AI 聊天」强大得多：Agent 不是在回答你的问题，而是在帮你完成一件事。

举个例子：你让 Agent「帮我订一张下周三去上海的机票，要白天的航班，预算 1500 以内」。普通聊天机器人只会告诉你「建议您去携程查询」。而一个真正的 Agent 会自己打开机票搜索工具 → 筛选时间 → 对比价格 → 找到合适的航班 → 给出几个选项让你确认。

💡 区分标准： 是不是 Agent，关键看它有没有「自主决策 + 多步执行」能力。只回一句话的，不是 Agent。能自己想办法、调工具、试错了再来的，才是。

八、Agent Skill：给智能体写的「标准作业程序」

智能体技能 · Agent 的 SOP 说明书

Agent 虽然能自主决策，但「自主」不意味着「随便」。如果你想让它按照某种固定的套路来办事——比如你的团队有自己的一套代码审查流程——你就需要一份文档来告诉它怎么做。这份文档就是 Agent Skill。

📄 Agent Skill 是什么

一份结构化的说明书，告诉 Agent：这个任务的目标是什么、分几步做、每步用什么工具、判断标准是什么、输出格式是什么。

🧑‍🏫 像什么

像给新员工看的「操作手册」或者「标准作业程序（SOP）」。新员工（Agent）很聪明但不懂你们团队的规矩，看了手册就会了。

举个接地气的例子——「出门清单助手」Skill：

📌 任务： 帮用户生成出门前需要带的物品清单

**📋 步骤：**① 调用定位工具，获取用户当前城市的天气
② 调用日历工具，查看用户今天的行程安排
③ 根据规则判断：下雨 → 带伞；有运动安排 → 带运动装备；有正式会议 → 提醒正装
④ 生成清单，按「必须带」「建议带」「不用带」分组输出

📐 输出格式： 分三组的 Markdown 列表

💡 Agent Skill ≠ 代码。 它更像是给 AI 看的「剧本」——用自然语言写清楚流程、规则和期望。Agent 读到它之后，就会自动按你设定的套路来执行。

🔗 把它们串起来

这九个概念不是孤立的，它们一层一层叠加，构成了今天 AI 应用的完整技术栈：

🤖 Agent Skill — 给 Agent 的 SOP 操作手册🤖 Agent — 自主规划、调用工具、迭代执行🔌 MCP + 🔧 Tool — 统一工具协议 + 外部能力✍️ Prompt — User Prompt + System Prompt🧠 LLM + Token + Context — 底层模型 + 最小单元 + 记忆载体

最底层是 LLM，它通过 Token 理解文字，通过 Context 维持对话记忆。往上一层是 Prompt，它给模型设定人设和任务。再往上是 Tool 和 MCP，让模型能感知和改变外部世界。再往上是 Agent，把前面所有能力组合成自主工作的智能体。最上层是 Agent Skill，给 Agent 上规矩，让它按你的标准流程干活。