AI核心概念扫盲：从大模型到Agent的一站式入门指南

掌握这条链路，让你彻底搞懂AI热词不再发懵。

学AI工具时，最让人头疼的往往不是“不会用”，而是扑面而来的各种名词：大语言模型、Token、上下文、Prompt、工具调用、MCP、Agent、Agent Skill……
其实，这些概念并非孤立存在，它们可以串联成一条完整的逻辑链路，理解了它，就能从底层看懂当前绝大多数AI应用（如Claude Code、Cursor、MCP工具等）。

一、核心概念速览

我们可以用一张图来理解这条核心链路：

LM → Token → Context → Prompt → Tool → MCP → Agent → Agent Skill

下面，我们来逐一拆解每个环节。

1. LM / 大语言模型 (Large Language Model)

定义：AI的底层引擎，负责理解和生成文本。
通俗理解：可以把它想象成AI的“大脑”。所有基于文本的推理、创作、对话，都依赖这个大模型作为核心动力源。它通过海量数据训练而成，能根据输入的文字预测并生成最合理的输出。

2. Token

定义：模型处理文本的最小单位。
通俗理解：AI看不懂我们日常的“字”或“词”，它看到的是一个个“Token”。一个词、一个子词、一个标点符号，甚至一个表情符号，都可能被拆解成一个或多个Token。比如，“ChatGPT”可能被拆成“Chat”和“GPT”两个Token。

3. Context / 上下文

定义：模型当前能“看到”和“记住”的所有信息的总和。
通俗理解：就像和人聊天时，你需要知道前面说了什么才能接话。对于AI来说，上下文包含了用户本次提出的问题、之前聊过的历史对话、系统给它设定的规则，以及它刚刚调用工具得到的结果。上下文的大小（通常以Token数量衡量）决定了模型能“记住”多少信息。

4. Prompt / 提示词

定义：你给模型下达的任务指令。
通俗理解：你向AI提出的“问题”或“要求”就是Prompt。Prompt的质量直接决定了输出的质量。一个清晰、具体、包含示例的Prompt，能引导模型生成更稳定、更符合预期的结果。

5. Tool / 工具调用

定义：让模型不仅仅会“说话”，还能“动手做事”的能力。
通俗理解：大模型本身只能生成文本。但通过Tool，它能够调用外部的功能，比如搜索网页、读取本地文件、执行代码、查询数据库、调用第三方API等。这让AI从一个“纸上谈兵”的理论家，变成了一个“能动手执行”的实干家。

6. MCP (Model Context Protocol)

定义：模型接入外部工具的一套统一协议，全称是Model Context Protocol。
通俗理解：可以将MCP理解为AI界的“USB-C接口”。以前，每个工具都要给AI写一套独特的“驱动程序”（接入代码）。有了MCP，所有符合该协议的工具，AI都可以即插即用，极大地简化了工具接入的过程，实现了标准化。它解决了工具调用的碎片化问题。

7. Agent

定义：能围绕目标自主规划、调用工具、观察结果并持续推进任务的系统。
通俗理解：Agent是一个“高阶智能体”。你不是简单地问它“今天天气怎么样”，而是交给它一个总目标，比如“帮我规划一次下周去北京的3日游行程，预算5000元，然后输出一份旅游攻略文档”。Agent会自主地将这个大目标分解为多个子任务（查机票、查酒店、规划景点路线、计算预算、生成文档），然后按顺序调用对应的工具来执行，并观察每一步的结果，直到完成最终目标。

8. Agent Skill

定义：写给Agent“阅读”和“执行”的技能说明书。
通俗理解：为了让Agent能高效完成特定任务（比如“企业财务分析”），你需要教它怎么做。Agent Skill就是一本详细的操作手册，里面写清楚了执行该任务的具体规则、详细步骤、注意事项、以及最终输出的格式。当Agent遇到特定任务时，就会读取并遵循对应的Skill，这使得Agent的能力可以被标准化、模块化，并且可以被复用。

二、总结

记住这条核心链路，你就抓住了理解AI Agent的钥匙：

LM 是大脑，拥有基础能力。
Token 是基本认知单元。
Context 是工作记忆区。
Prompt 是任务指令。
Tool 是外部执行器。
MCP 是标准化接口协议。
Agent 是能自主完成复杂任务的智能体。
Agent Skill 是让Agent做特定工作的专业操作手册。