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

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 Token1 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-34K Tokens约3000字GPT-4 Turbo128K TokensClaude 3200K 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 PromptUser 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 AIAgent 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Agent 理解需求LLM查询你的日程调用日历 Tool搜索航班调用搜索 Tool比价推荐分析能力下单支付调用支付 Skill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入门先用好 Prompt提示词工程进阶了解 Token 机制和 Context Window 限制高级学习 Tool Calling 和 MCP 协议专家搭建自己的 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》