一句话总结

本文梳理 AI Agent 全套核心概念，覆盖 LLM 底层 Token、上下文窗口、RAG、提示词、工具、MCP 协议与智能体自主执行逻辑，并附出门小助手 Skill 示例。

一、LLM 大语言模型

全称：Large Language Model

1. Token

• 定义：大模型处理文本最小基础单元，和词语不存在一一对应关系
• 流转逻辑 用户文本→切分 Token→映射 TokenId→编码传入大模型 模型输出 TokenId→映射 Token→解码展示给用户
• 换算标准 1 token ≈ 0.75 英文单词 1 token ≈ 1.5~2 个汉字 40 万 token ≈ 60~80 万汉字 / 30 万英文单词

1. Context 上下文

• 含义：模型单次任务接收的全部信息，等同于临时记忆体
• 包含内容：System Prompt、对话历史、用户提问、工具列表、模型实时输出内容
• Context Window（上下文窗口）：上下文能够承载的最大 Token 总量，超限会截断或报错

二、RAG

检索增强生成，依靠向量检索私有知识库补充模型外部信息，配套讲解视频可系统学习完整工作机制。

三、Prompt 提示词

1. 分类

• System Prompt（系统提示词，后台预设）：定义模型人设、执行规则
• User Prompt（用户提示词）：用户输入的具体需求、任务指令

1. 提示词工程：优化提示词写法，提升模型输出效果
2. 示例：你是一位耐心的数学老师。当学生问你数学问题时，不要直接给出答案，而是一步一步引导学生思考，帮助他们理解解题思路

四、Tool 工具

1. 作用：拓展大模型能力，让模型可读取外部真实数据、执行外部操作（如查询天气、数据库）
2. 三方分工

• 大模型：判断何时调用工具、选择对应工具、汇总工具返回结果
• 工具：执行具体业务查询、数据获取
• 平台：串联完整执行流程，负责发起工具调用、接收返回数据

五、MCP 模型上下文协议

全称 Model Context Protocol 统一标准化工具接入规范，所有工具可依靠同一套标准接入 AI 平台，配套《MCP 终极指南》学习视频。

六、Agent 智能体

1. 定义：可自主拆解任务、循环调用工具直至完整解决用户需求的程序，核心两大能力：自主规划、自主调用工具
2. 主流产品：Claude Code、Codex、Gemini CLI
3. 标准执行流程（循环） 思考 → 调用工具 → 获取工具结果，重复循环直到任务完成 示例出门场景链路： 思考→调用定位工具→获取定位结果 思考→调用天气工具→获取天气结果 思考→调用店铺工具→获取店铺信息
4. 学习资料：《Agent 概念、原理与构建模式》，手把手从零实现简易版 Claude Code

七、Agent Skill 智能体技能

1. 含义：告知智能体可用能力的说明文档，统一使用 SKILL.md 格式编写
2. 学习资料：《Agent Skills 从使用到原理，一次讲清》
3. 示例：出门小助手 Skill

出门清单

• 雨伞（下雨使用）
• 帽子（光照强烈遮阳）
• 口罩（空气质量差防护）
• 防风外套（大风天气保暖防风）
• 手机（无论任何天气必备）