大语言模型底层逻辑：从LM到Agent的完整工作流解析！

本文深入剖析了大语言模型LM的核心架构与工作原理重点介绍了Token作为数据处理单元、Context作为临时记忆体的作用以及Prompt、Tool、MCP等关键组件如何协同运作。文章还探讨了Agent的自主决策系统与Agent Skill的任务定制机制并揭示了RAG技术如何突破Context Window限制。整体内容系统性地梳理了大语言模型的内部机制与外部扩展能力为读者呈现了一个完整的AI工作流图景。一、底层引擎大语言模型(LM)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发展里程碑时间事件意义2017年Transformer架构提出奠定大模型技术基础2022年底GPT-3.5发布首个达到可用级别的大模型2023年3月GPT-4发布大幅提升AI能力天花板2023年后Claude、 Gemini等模型涌现AI赛道从OpenAI独角戏变为多强竞争二、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Token②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 Windo w (上下文窗口) 定义,即最大可处理的 Token数量主流模型 Context Window对比模型Context Window (Token)约合汉字数量GPT-5.4105万约157.5万Gemini 3.1 Pro100万约150万Claude Opus 4.6100万约150万突破 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)SystemPrompt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)Prompt Engineering提示词工程·核心原则清晰、具体、明确·现状曾经重要但现在重要性下降原因①门槛低 (本质是把话说清楚)②大模型能力提升可推测模糊意图五、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openAl、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)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/描述相关时加载完整指令九、概念体系关联[概念体系层级关系]LM (核心引擎) →Token (数据单位) →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)补充细节· Transformer架构: 虽由 Google提出,但由OpenAI通过GPT系列引爆应用· Token切分原理基于BPE (字节对编码)算法模型自主学习的文本切分规则· Agent Skill高级特性支持运行代码、引用资源采用渐进式披露机制节省 Token·RAG技术通过检索相关片段而非全文有效解决 Context Window限制问题2026年AI行业最大的机会毫无疑问就在应用层字节跳动已有7个团队全速布局Agent大模型岗位暴增69%年薪破百万腾讯、京东、百度开放招聘技术岗80%与AI相关……如今超过60%的企业都在推进AI产品落地而真正能交付项目的大模型应用开发工程师****却极度稀缺落地AI应用绝对不是写几个prompt调几个API就能搞定的企业真正需要的是能搞定这三项核心能力的人✅RAG融入外部信息修正模型输出给模型装靠谱大脑✅Agent智能体让AI自主干活通过工具调用Tools环境交互多步推理完成复杂任务。比如做智能客服等等……✅微调针对特定任务优化让模型适配业务目前脉脉上有超过1000家企业发布大模型相关岗位人工智能岗平均月薪7.8w实习生日薪高达4000远超其他行业收入水平技术的稀缺性才是你「值钱」的关键具备AI能力的程序员比传统开发高出不止一截有的人早就转行AI方向拿到百万年薪AI浪潮正在重构程序员的核心竞争力现在入场仍是最佳时机我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】⭐️从大模型微调到AI Agent智能体搭建剖析AI技术的应用场景用实战经验落地AI技术。从GPT到最火的开源模型让你从容面对AI技术革新大模型微调掌握主流大模型如DeepSeek、Qwen等的微调技术针对特定场景优化模型性能。学习如何利用领域数据如制造、医药、金融等进行模型定制提升任务准确性和效率。RAG应用开发深入理解检索增强生成Retrieval-Augmented Generation, RAG技术构建高效的知识检索与生成系统。应用于垂类场景如法律文档分析、医疗诊断辅助、金融报告生成等实现精准信息提取与内容生成。AI Agent智能体搭建学习如何设计和开发AI Agent实现多任务协同、自主决策和复杂问题解决。构建垂类场景下的智能助手如制造业中的设备故障诊断Agent、金融领域的投资分析Agent等。如果你也有以下诉求快速链接产品/业务团队参与前沿项目构建技术壁垒从竞争者中脱颖而出避开35岁裁员危险期顺利拿下高薪岗迭代技术水平延长未来20年的新职业发展……那这节课你一定要来听因为留给普通程序员的时间真的不多了立即扫码即可免费预约「AI技术原理 实战应用 职业发展」「大模型应用开发实战公开课」还有靠谱的内推机会直聘权益完课后赠送大模型应用案例集、AI商业落地白皮书