罗佳 
8 个核心概念，一层一层往上搭，看完你对 AI 的理解会上一个台阶。
核心概念地图：LLM → Token → Context → Prompt → Tool → MCP → Agent → Agent Skill
AI 圈子里每天都在冒一些看似高大上的新名词，这篇文章目的是让我们从最底层的工程视角出发，一个一个把这些词语拆开、揉碎、讲清楚，帮你对这些词语去魅的同时，理解 AI 运行的底层逻辑。
我们先从最底层的东西开始，一层一层往上搭。
01 LLM：大语言模型
AI 的「大脑」： 一切的起点
LLM 全称 Large Language Model（大语言模型），简称大模型。你日常接触到的 ChatGPT、Claude、Gemini、豆包、文心一言，它们的核心都是一个 LLM。
工作原理：文字接龙
大模型的工作原理其实非常朴素：本质上就是一个文字接龙游戏。
想象你跟朋友玩成语接龙：你说"龙飞凤舞"，朋友要接"舞"开头的成语。大模型干的事差不多，只是它接的不是成语，而是任何文字。你说一句话，它根据前面的所有内容，猜下一个最合适的词是什么，吐出来，再猜下一个……一个词一个词地往外蹦，直到它觉得话说完了，才停下来。
关键点： 这就是为什么大模型要一个词一个词地输出答案：因为它就是这么运作的。就像你写作文时一个字一个字地写，它也是一个词一个词地"写"出回答。
但这里有个关键问题：大模型本质上是一个庞大的数学函数，里面跑的全是矩阵运算。它接收的是数字，输出的也是数字，压根就不认识人类写的文字。那它是怎么理解我们的语言的？
💡 类比： 想象一个只懂数字的外星人来到地球，它完全看不懂中文和英文。但如果你给它一本「密码本」：比如"苹果=42，好吃=77"：它就能把人类的文字翻译成自己懂的数字来处理了。大模型就是这个外星人，而帮它翻译的「密码本」就是我们下一节要讲的东西。
02 Token：语言的积木块
大模型处理文本的最基本单元
在人类和大模型之间，必须有一个「翻译官」来做转换。这个翻译官叫 Tokenizer，它负责两件事：编码（把文字变成数字）和解码（把数字还原成文字）。
编码过程：两步走
第一步：切菜。 就像厨师做菜之前要先把食材切成小块一样，Tokenizer 会把你的一句话切成一个个小片段，这些片段就叫做 Token。比如「我喜欢人工智能」会被切成：[我][喜欢][人工][智能]。
第二步：编号。 切好之后，给每个小片段贴一个数字标签（叫 Token ID）。就像超市里每件商品都有一个条形码："苹果"的条形码是 48231，"牛奶"的条形码是 15097。Token ID 和 Token 本质上是同一个东西，只是换了一种大模型能看懂的表达方式。
Token ≠ 词
很多人以为一个 Token 就等于一个词，但其实不是。这就像切菜：你以为"西红柿"会被整个保留，但厨师可能把它切成了"西红"和"柿"两块：
文本
你以为
实际切分
工作坊
1 个 Token
工作
- 坊 = 2 个
程序员
1 个 Token
程序
- 员 = 2 个
helpful
1 个 Token
help
- ful = 2 个
✓（对勾）
1 个 Token
需要 3 个 Token 表示
关键点： Token 是模型自己学会的一套切分规则，跟我们理解的"词"不完全对应。平均来讲，1 个 Token ≈ 0.75 个英文单词 ≈ 1.5~2 个汉字。
来源：rodya.top/articles/ai-core-concepts · 罗佳 Rodya 原创
03 Context：上下文
AI 的「临时记忆体」
我们平时和大模型聊天，它好像能记住之前说过的话。比如你开头告诉它「我叫小明」，后面再问「我叫什么」，它还能回答出来。但大模型只是一个数学函数，并不像人一样真的有记忆。
那它是怎么做到的？
💡 类比： 想象你去一家餐厅，每次叫服务员过来，服务员都会换一个新人。新服务员对你之前点过什么菜一无所知。但餐厅有个规矩：每次叫服务员时，他会先看一遍桌上的点菜单：上面记录了你从进门到现在所有的点单记录。所以虽然每次来的都是「新人」，但他看完点菜单就知道你之前点了什么。
大模型就是这个"永远的新服务员"。每次你发消息，背后的程序会自动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的"点菜单"，所以它才能"记住"之前发生了什么。
Context（上下文） 就是这张"点菜单"：大模型每次处理任务时所接收到的信息总和，包括用户问题、对话历史、模型正在输出的内容、工具列表、System Prompt 等等。
Context Window：点菜单的纸有多大
这张点菜单不是无限长的。Context Window（上下文窗口） 就是这张纸的大小：它代表 Context 能容纳的最大 Token 数量。
模型
Context Window
约等于
GPT-5.4
105 万 Token
≈ 157 万汉字
Gemini 3.1 Pro
100 万 Token
≈ 150 万汉字
Claude Opus 4.6
100 万 Token
≈ 150 万汉字
100 万个 Token 差不多是 150 万个汉字，整套《哈利波特》都能装得下。但即便如此，对于超大文档（比如上千页的产品手册），把全部内容塞进去也不现实：太贵了。
💡 类比： 这就像你去图书馆查资料。你不会把整个图书馆的书都搬到桌上，而是先去目录柜查一下，找到最相关的几本书，只把这几本带到座位上翻阅。AI 领域有个技术叫 RAG（检索增强生成），干的就是这个事：先从海量文档中抽取跟你问题最相关的几个片段，只把这几段喂给模型。
04 Prompt：提示词
和 AI 对话的「技术」
Prompt 就是大模型接收的具体问题或指令。你在聊天框里输入的每一句话，都是一个 Prompt：它并不是什么高端概念。
但 Prompt 怎么写，直接决定了大模型的输出质量。
💡 类比： 你去理发店，跟 Tony 老师说"帮我剪短一点"，结果可能千差万别：他不知道你要哪种短。但如果你说"两边推 3mm，顶部保留 5cm，打薄，不要刘海"，Tony 就知道该怎么下刀了。跟 AI 说话也是一样，说得越具体，结果越靠谱。
普通 Prompt（模糊）
高质量 Prompt（具体）
帮我写一首诗
请写一首五言绝句，主题秋天落叶，风格悲凉
帮我写个邮件
你是职场沟通顾问，请写一封给客户的跟进邮件，语气友好且专业…
两种 Prompt
实际应用中，Prompt 分为两种：
User Prompt（用户提示词） ：你自己输入的具体任务。比如「帮我看看这道数学题」。
System Prompt（系统提示词） ：开发者在后台偷偷塞给模型的"人设卡"，你看不到，但它一直在生效。
💡 类比： 你去剧本杀，拿到的角色卡上写着"你是一个冷面侦探，说话简洁，从不开玩笑"。之后不管玩家问你什么，你都会按照这个人设来回应。System Prompt 就是大模型的「角色卡」：开发者在后台给它发了一张，用户根本看不到，但模型的一切行为都受它影响。
举个例子：你做了一个数学辅导机器人，在后台设置 System Prompt：「你是一个耐心的数学老师，不要直接给答案，要引导学生思考。」当学生问「3+5 等于几」时，模型不会直接说 8，而是回答：「你手里有 3 个苹果，又拿了 5 个，现在一共有多少个呢？」
05 Tool：工具
让 AI 感知和影响外部世界
大模型有一个致命弱点：它无法感知外界环境。你问它「今天上海天气怎么样」，它会说「抱歉，我无法获取实时天气信息」。
💡 类比： 大模型就像一个被关在隔音房间里的超级学霸。他脑子里装满了知识，你递纸条进去问问题，他能写出精彩的回答递出来。但你要是问他"外面现在下雨了吗"，他完全没辙：因为房间没有窗户，他看不到外面的世界。
Tool（工具） 就是给这个隔音房间开的窗户和装的电话。Tool 本质上就是一个函数：你给它输入，它就给你输出。比如一个天气查询工具，输入「上海 + 今天」，输出天气信息。
来源：rodya.top/articles/ai-core-concepts · 罗佳 Rodya 原创
完整流程：四个角色的协作
但这里有个重要细节：学霸自己不能打电话，他只能写一张纸条说"请帮我打电话给气象局查一下上海天气"，然后由房间外的助理来真正执行这个操作。
整个流程涉及四个角色：用户、平台（助理）、大模型（学霸）、工具（电话/窗户）。
步骤
谁 → 谁
做了什么
①
用户 → 助理 → 学霸
把问题递进去，同时告诉学霸"你可以让我帮你打电话查天气"
②
学霸 → 助理
学霸写纸条："请帮我查一下上海今天的天气"
③
助理 → 工具
助理真正打电话给气象局，拿到结果
④
助理 → 学霸 → 用户
学霸收到天气数据，组织成一句人话回复用户
关键点： 大模型（学霸）能做的仅仅是写一张纸条，告诉助理它想查什么。真正打电话的是助理（平台），不是学霸（模型）：这是很多初学者容易搞混的地方。
06 MCP：统一接口
AI 世界的「Type-C」
工具有了，但工程上有个大问题：每个平台的工具接入规范都不一样。
💡 类比： 想象你买了一部手机、一个平板、一副耳机，结果发现手机用 Lightning 线，平板用 Micro-USB，耳机用 Mini-USB：三根线，三种接口，出门要带一堆线，崩溃。
AI 领域也一样。同一个天气工具，接 ChatGPT 要写一套代码，接 Claude 再写一套，接 Gemini 又写一套：同一个工具写三遍，开发者直接裂开。
MCP（Model Context Protocol，模型上下文协议） 就是 AI 世界的 Type-C 接口。名字听起来很学术，但本质就是一套统一的工具接入标准。有了 MCP，工具开发者只需按一个规范开发一次，工具就能被所有支持 MCP 的平台使用。一根线走天下。
没有 MCP（各种接口）
有了 MCP（统一 Type-C）
开发成本
同一工具写 N 遍代码
写一次即可
接入方式
每个平台规范不同
统一标准协议
可复用性
低，各平台互不兼容
高，一次开发处处可用
07 Agent：智能体
会自己「想办法」的 AI
有了大模型和工具，还差什么？让我们看一个更复杂的例子：
「今天我这里的天气怎么样？如果下雨的话，帮我查一下附近有没有卖雨伞的店。」
之前讲的 Tool，是你告诉 AI"用这个工具查一下"，它就查一下。但现在这个问题不一样：它需要 AI 自己拆解任务、自己决定调用哪些工具、甚至根据中间结果改变策略。
💡 类比： 之前的 AI 像一个只会执行命令的实习生：你说"帮我查个天气"，他就查个天气，然后坐着等下一个指令。但现在我们需要的是一个靠谱的私人助理：你只说一句"我要出门，帮我搞定"，他就会自己想：先查你在哪儿、再查天气、发现下雨了就帮你找附近卖伞的店，最后把所有结果整理好告诉你。全程不需要你一步一步指挥。
步骤
助理的脑回路
行动
①
"主人问天气，我得先知道他在哪"
调用定位工具 → 获取经纬度
②
"好，位置有了，查天气"
调用天气工具 → 结果：有雨
③
"下雨了，主人说要找伞，我来查查"
调用店铺工具 → 附近 100m 全家有卖
④
"齐了，整理一下汇报"
综合信息，给出最终答案
我们称这种能够自主规划、自主调用工具、直至完成任务的系统为 Agent（智能体）。目前市面上已有很多 Agent 产品，比如 Claude Code、Codex、Gemini CLI 等。
08 Agent Skill：智能体技能
Agent 的「操作手册」
有了靠谱的私人助理（Agent），事情是不是就完美了？还差一步。
💡 类比： 你新招了一个助理，很聪明，什么都能做。但他不了解你的个人习惯。你喜欢出门前检查天气、根据天气带不同的东西（下雨带伞、太阳大带帽子、空气差带口罩）、而且你希望他每次用固定格式汇报。如果你不把这些规矩写下来，每次出门前你都得口头交代一大堆："记得查天气啊，下雨提醒我带伞啊，格式按这个来啊"：第二天又得重新说一遍。太累了。
Agent Skill 就是你给助理写的那份 《工作手册》。写一次，助理永远照着执行，你再也不用重复交代。
本质：一份给 Agent 看的说明文档
Agent Skill 本质上就是你提前写好塞给 Agent 的一份说明文档（一个 Markdown 文件）。它的结构分为两部分：
封面（元数据层） ：相当于手册的标题页，告诉助理"这本手册叫什么名字，管什么事"。至少包含 Name 和 Description。
正文（指令层） ：具体的执行步骤、判断规则、输出格式和示例。就像你写给新员工的 SOP（标准操作流程）：第一步做什么，第二步做什么，遇到什么情况怎么处理，最后结果用什么格式输出。
智能加载机制：不是一股脑全看完
这里还有一个巧妙的设计：助理上班时不会把所有手册从头到尾全看一遍，他只会先扫一眼每本手册的封面：看看标题和简介。只有当你提的问题跟某本手册相关时，他才会翻开那本手册仔细看正文。
💡 类比： 就像一个高效的员工，桌上放着十本操作手册。来了一个关于"出差报销"的问题，他不会把十本全翻一遍，而是一眼扫到《出差报销手册》的封面，然后只打开这一本来按规定处理。
这种「渐进式披露」机制可以节省大量 Token，避免把所有 Skill 的完整内容都塞进 Context。
实操提示： 以 Claude Code 为例，Skill 文件需存放在 ~/.claude/skills/ 目录下，文件名必须叫 SKILL.md（大写）：这是硬性规范，算是个「接头暗号」，随便起名字系统不会认。
全景回顾
一张表串起所有概念
概念
一句话解释
类比
LLM
基于 Transformer 的文字接龙引擎
会玩成语接龙的超级学霸
Token
模型处理文本的最小单位，由 Tokenizer 切分
食材切成的小块
Context
模型每次处理任务时接收的信息总和
餐厅里的点菜单
Prompt
给模型的指令，分 User / System 两种
跟 Tony 老师说的发型要求
Tool
让模型感知和影响外部世界的函数
隔音房间里的电话和窗户
MCP
统一工具接入格式的标准协议
所有设备通用的 Type-C
Agent
能自主规划、调用工具、完成任务的系统
靠谱的私人助理
Agent Skill
给 Agent 的可复用说明文档
给助理写的《工作手册》
记住这条主线：
LLM → Token → Context → Prompt → Tool → MCP → Agent → Agent Skill
从底层智能到上层应用，一层一层，逐步构建。
理解了这些概念，你就看懂了 AI 圈子里的各种新产品、新技术。无论是 Claude Code、Codex、Cowork 还是 OpenClaw，它们本质上都在这个框架下运作。
AI 技术发展很快，新概念层出不穷，但万变不离其宗：理解了这 8 个核心概念，你就掌握了当前 AI 技术栈的主干。无论未来出现什么新概念，大概率都可以在这个框架里找到它的位置。
风骨
