从 LLM 到 Agent Skill

前言

AI 圈子里每天都在冒新名词：LLM、Token、Context、Prompt、Tool、MCP、Agent、Agent Skill……

把这些概念一个一个拆开、讲清楚。

---

概念全景：从底层往上搭

LLM（大模型）
  ↓
Token → Context → Context Window
  ↓
Prompt（User / System）→ RAG
  ↓
Tool → MCP
  ↓
Agent → Agent Skill

---

1. LLM：一切的核心

LLM（Large Language Model，大语言模型）是所有 AI 技术的核心引擎。

• 现代大模型基本都基于 Transformer 架构
• 2017 年 Google 发表论文 Attention Is All You Need，发明了这套架构
• 2022 年底 GPT-3.5 是第一个真正达到可用级别的大模型
• 2023 年 3 月 GPT-4 把能力天花板拉到新高度
• 如今 Claude、Gemini 等也在各自领域与 GPT 同台竞技

大模型怎么工作？文字接龙

大模型本质上就是一个文字接龙游戏。

假设你问：「的视频怎么样？」

1. 模型预测下一个词，比如「特别」
2. 把「特别」追加到输入后面，再预测下一个词「得」
3. 再把「得」塞回去，预测「棒」
4. 直到输出结束符，完整回答：特别得棒

所以大模型会一个词一个词地输出——因为它就是这么运作的。

实际上，大模型是一个庞大的数学函数，输入输出都是数字。人类和大模型之间需要一个「中间人」：Tokenizer。

---

2. Token：大模型处理文本的最小单位

Tokenizer 负责两件事：

环节	作用
编码	文字 → 数字（Token ID）
解码	数字 → 文字

编码分两步：

1. 切分：把文本拆成最小片段，叫 Token
2. 映射：每个 Token 对应一个 Token ID

例如「马克的视频怎么样」可能被切成 4 个 Token：马克 / 的 / 视频 / 怎么样。

Token ≠ 词

Token 和词没有一一对应关系：

• 「工作坊」可能被拆成「工作」+「坊」
• 「程序员」可能被拆成「程序」+「员」
• 英文 helpful 可能被拆成 help + ful
• 某些特殊字符甚至需要 3 个 Token 表示

经验值：

• 1 Token ≈ 0.75 个英文单词
• 1 Token ≈ 1.5～2 个汉字
• 100 万 Token ≈ 150 万汉字（整套《哈利·波特》都能装下）

---

3. Context 与 Context Window：大模型的「临时记忆」

大模型本质上只是数学函数，并没有人类意义上的记忆。

那为什么聊天时它能记住你说过的话？

因为每次发消息，程序会把你之前的整段对话历史一起发过去。模型每次看到的都是完整对话，所以「记得住」。

Context（上下文）

Context = 大模型每次处理任务时接收到的信息总和，包括：

• 用户问题
• 对话历史
• 模型正在输出的 Token
• 工具列表
• System Prompt
• ……

可以把它看成大模型的临时记忆体。

Context Window（上下文窗口）

Context Window = Context 能容纳的最大 Token 数量。

模型	Context Window
GPT-5.4	105 万
Gemini 3.1 Pro	100 万
Claude Opus 4.6	100 万

RAG：上下文装不下怎么办？

假如你有上千页产品手册，不可能整本扔给大模型——成本高，也可能撑爆窗口。

RAG（Retrieval-Augmented Generation）的做法：

1. 从手册中检索与用户问题最匹配的几个片段
2. 只把这几个片段发给大模型
3. 让模型基于片段回答

---

4. Prompt：给大模型的指令

Prompt（提示词）= 你给大模型的具体问题或指令。

• 「帮我写一首诗」→ 这就是 Prompt
• 别把它想得多神秘，就是问题或指令

写好 Prompt 很重要

模糊的 Prompt → 输出不可控（古诗、现代诗、打油诗都可能）。

清晰的 Prompt 示例：

请帮我写一首五言绝句，主题是秋天的落叶，风格要悲凉一点。

这就是 Prompt Engineering（提示词工程）——研究怎么把话说清楚。不过随着模型能力增强，对 Prompt 的依赖在降低。

两种 Prompt

类型	谁写的	作用
User Prompt	用户	具体任务 / 问题
System Prompt	开发者（后台）	人设 + 做事规则，用户看不到

例子：数学辅导机器人

• System Prompt（后台）：「你是耐心的数学老师，不要直接给答案，要引导学生思考。」
• User Prompt（用户输入）：「3 加 5 等于几？」

有 System Prompt 约束，模型会引导思考；没有的话，可能直接回答「8」。

---

5. Tool：大模型的「外挂能力」

大模型的弱点：无法感知外界。

你问「今天上海天气怎么样？」，它只能说「抱歉，我无法获取实时信息」——因为它只是文字接龙，没法查天气网站。

Tool = 函数

Tool（工具）本质上就是一个函数：输入 → 处理 → 输出。

天气查询工具：输入城市和日期 → 调用气象局接口 → 返回天气信息。

完整调用流程

涉及四个角色：用户、大模型、工具、平台

角色	职责
用户	提问
大模型	① 选择工具并生成调用参数 ② 归纳工具返回结果
工具	执行具体动作（查天气等）
平台	传话筒：转发消息、调用工具、串联流程

关键认知：模型不能自己调用工具。

它只能输出一段文本，告诉平台「我想调用某某工具，参数是……」。真正执行调用的是平台。

---

6. MCP：工具接入的统一标准

问题来了：ChatGPT、Claude、Gemini 各有一套工具接入规范，同一个工具要写 3 遍。

MCP（Model Context Protocol，模型上下文协议）就是为了解决这个问题——统一的工具接入标准。

类比：所有手机都用 Type-C，开发者按 MCP 规范写一次工具，所有支持 MCP 的平台都能用。

---

7. Agent：能自主规划的系统

有了 Tool + MCP，大模型能查天气了。但复杂任务需要多次工具调用。

例子：「今天天气怎么样？如果下雨，帮我查附近卖雨伞的店。」

Agent 的思考链：

1. 调用定位工具 → 获取经纬度
2. 调用天气工具 → 发现下雨
3. 调用店铺工具 → 搜索雨伞店
4. 综合信息，给出最终答案

这种能够自主规划、自主调用工具、持续工作直到完成任务的系统，就是 Agent。

代表产品：Claude Code、Codex、Gemini CLI 等。经典构建模式包括 ReAct、Plan and Execute 等。

---

8. Agent Skill：给 Agent 的说明文档

Agent 很强，但高频使用会遇到痛点：

每次出门前查天气、提醒带东西——你有自己的习惯（下雨带伞、风大穿外套、手机必带），还有输出格式要求。
如果每次都要在 Prompt 里塞一大段规则和示例，太反人类了。

Agent Skill 是什么？

Agent Skill = 提前写好、塞给 Agent 的一份说明文档（本质是 Markdown）。

以「出门清单」为例，结构分两层：

元数据层（封面）

字段	说明
Name	技能名称，如 go-out-checklist
Description	技能描述

指令层（正文）

格式自由，把规则说清楚即可，包括：

• 目标
• 执行步骤（先定位 → 再查天气 → 按规则整理物品）
• 判断规则（下雨带伞、UV 高带帽子……）
• 输出格式
• 示例

存放规范（以 Claude Code 为例）

路径：~/.claude/skills/

1. 新建文件夹，名称必须与 Skill 的 Name 一致（如 go-out-checklist）
2. 文件夹内新建 SKILL.md（必须大写 SKILL，不能随便起名）

启动时 Claude Code 读取元数据；只有当用户问题与 Skill 相关时，才读取完整指令层——这就是渐进式披露，节省 Token。

用户问「我要出门了，告诉我带什么」，Agent 自动匹配 Skill，按步骤调用工具，按指定格式输出。

---

9. 概念总结

概念	一句话
LLM	大语言模型，AI 的核心引擎
Token	大模型处理文本的最小单位
Context	每次任务接收的信息总和（临时记忆）
Context Window	Context 最多能装多少 Token
Prompt	给模型的指令（User / System）
Tool	模型可调用的外部函数
MCP	工具接入的统一协议
Agent	自主规划、调用工具直到完成任务的系统
Agent Skill	给 Agent 看的步骤与规则文档

---

写在最后

理解了这套体系，再看 Claude Code、Codex、Cowork、OpenClaw 等各种新产品，本质都在这个框架下运作。

AI 不是魔法，是一层一层搭起来的工程概念。从 LLM 到 Agent Skill，每一层解决一个具体问题：

• Token 解决「怎么表示文本」
• Context 解决「怎么记住对话」
• Tool 解决「怎么连接外界」
• MCP 解决「怎么统一接入」
• Agent 解决「怎么自主完成复杂任务」
• Agent Skill 解决「怎么复用个人规则和流程」

---

出门清单 Agent Skill 示例结构

---
name: go-out-checklist
description: 根据定位和天气，生成出门携带物品清单
---

## 目标
根据用户位置和天气，给出出门携带建议。

## 执行步骤
1. 调用定位工具获取经纬度
2. 调用天气工具获取天气信息
3. 按判断规则整理携带物品
4. 按输出格式返回结果

## 判断规则
- 下雨 → 带伞
- UV 高 → 带帽子
- 空气差 → 带口罩
- 风大 → 穿防风外套
- 无论如何 → 手机必带

## 输出格式
第一段：一句话总结
第二段：物品清单（列表）

## 示例
（用户问题 + 工具返回 + 期望输出）

---

本文由 [youtube_download_summary] 工具基于视频字幕 subtitle_cleaned.txt 整理生成。