不知道你有没有这种体验：打开一篇 AI 技术文章，满屏的 LLM、Token、MCP、Agent……每个字母都认识，连在一起就看不懂了。
这篇文章的目标，是用最接地气的方式，把这些高频名词一次性讲清楚。更重要的是——讲清楚它们之间的关系，而不是孤立地解释每个词。
一、LLM：一切 AI 应用的”发动机”
LLM，全称 Large Language Model（大语言模型），可以理解为 AI 的核心引擎。
你用的 ChatGPT、Claude、文心一言，背后跑的都是一个个 LLM。它们干了什么？简单说就是：给你一段文字，模型预测下一段最合理的文字。这件事做到了极致，就产生了”理解”和”推理”的涌现能力。
但 LLM 本身只是一堆参数（权重），它不联网、不会调用工具、也没有记忆。后面聊到的所有概念——Prompt、Tool、Agent——本质上都是在给这台发动机装方向盘、装轮子、装导航，让它能真正跑起来。
二、Transformer：发动机的底层架构
如果说 LLM 是发动机，那 Transformer 架构就是这台发动机的蓝图。
2017 年 Google 提出 Transformer 之后，几乎所有主流大模型都基于它构建。它的核心创新是一个叫 Self-Attention（自注意力） 的机制，让模型在处理一个词时，能同时看到这句话里其他所有词的关系。
举个例子：*”小明把苹果给了小红，她很高兴”*——传统模型很难搞清楚”她”指的是小红还是小明。Transformer 的 Attention 机制能让模型直接算出”她”和”小红”之间的关联权重更高，从而正确理解指代关系。
不需要记住 Transformer 的技术细节，只需要知道：GPT 里的”T”，就是 Transformer。这是当今 AI 大厦的地基。
三、Prompt：你给 AI 下达的”指令”
Prompt（提示词） 就是输入给 AI 的那段文字。
Prompt 的本质更接近编程——是在用自然语言给一个超级智能体下达精确指令。指令写得模糊，结果就不可控；指令写得清晰、结构化，输出质量就立竿见影地提升。
Prompt 分两层：
| 类型 | 谁设置的 | 作用 |
|---|---|---|
| User Prompt | 用户 | 直接提的需求，比如”帮我写一份周报” |
| System Prompt | 开发者/平台 | 后台设定的身份、规则、边界，比如”你是一个专业的文案助手，拒绝回答政治敏感问题” |
你看到的 ChatGPT 有”人格”、有”边界感”，很大程度上是 System Prompt 在背后约束。两个 Prompt 叠加在一起，才构成了 AI “听到”的完整指令。
四、Token：AI 阅读的最小单位
LLM 不是逐字阅读的，而是把文字切成一个个小碎片——这个碎片就叫 Token。
一个 Token 大约等于：
- 一个常见英文单词（如 “the”）
- 一个中文汉字（如 “我”）
- 一个标点符号
- 或者一个词根/子词片段
为什么 Token 重要？因为三个关键数字都和它有关：
- 计费：API 按 Token 数量收费，输入和输出都算
- 性能：模型每次生成都要逐 Token 预测下一个，Token 越多越慢
- 上下文窗口：每个模型有 Token 上限，超出部分会被截断
粗略估算：1000 个中文 Token ≈ 1500-2000 个汉字。选模型时，处理长文档的能力就看 Context Window 的 Token 上限。
五、Context 与 Context Window：AI 的”临时记忆”
Context（上下文） 就是 AI 在当前对话中能看到的全部信息。它包含：
- System Prompt（系统设定）
- 历史对话记录
- 你刚刚输入的新消息
- 工具调用的结果
而 Context Window（上下文窗口） 是能容纳这些信息的”容器大小”。比如 GPT-4 Turbo 的 Context Window 是 128K Token，差不多能吞下一本中篇小说。
这有两个直接后果：
- 超出窗口的内容会被遗忘。你和 AI 聊了 100 轮，前面的对话会被默默”挤出去”，就像鱼的记忆一样——不是 AI 不想记住，是窗口装不下了。
- **Context 就是 AI 的”工作记忆”**。它没有永久记忆（除非外接存储），每一次对话都是从零加载上下文。你上传的文件、贴的链接、聊过的内容，都只在当前窗口里有效。
六、Tool：AI 连接现实世界的”手”
前面说了，LLM 本身只是一个文字预测引擎。它不会查天气、不会发邮件、不会操作数据库——它只会生成文字。
那 ChatGPT 是怎么做到查实时天气、搜网页、生成图片的？
答案是 Tool（工具）。
Tool 的本质非常朴素——就是一个外部函数调用。流程是这样的：
1 | 用户：明天北京天气怎么样？ |
关键点：大模型本身不能自己调用工具，真正执行调用的是平台（如 ChatGPT 的服务器、Claude 的客户端）。模型只是”表达意图”：”我需要这个工具，传这些参数”，然后平台去执行，把结果喂回给模型。
这就像大脑和手的关系——大脑发出指令，手去执行动作。模型是大脑，Tool 是手。
七、MCP：统一工具的”USB 标准”
Tool 很好，但有一个问题：每家 AI 平台的工具接口都不一样。你给 ChatGPT 写的插件，Claude 用不了。你给 Claude 写的工具，Gemini 接不上。
这就像 2005 年的手机充电器——诺基亚、索爱、三星各有各的接口，出门得带一堆线。
MCP（Model Context Protocol） 就是来解决这个问题的。它由 Anthropic 提出，目标是成为 AI 工具的通用接口标准——就像 USB-C 对充电口做的那样。
MCP 做了什么？它定义了一套统一的协议：
- AI 怎么发现有哪些可用工具
- AI 怎么请求调用某个工具
- 工具怎么返回结果给 AI
有了 MCP，你写一个工具（比如”查询公司内部数据库”），理论上任何支持 MCP 的 AI 客户端都能用。一次开发，到处运行。
八、Agent：能”自主干活”的 AI
如果 LLM + Tool 是”你说一步，AI 做一步”，那 Agent（智能体） 就是”你给个目标，AI 自己拆解步骤并执行”。
Agent 的核心能力有两个：
- 自主规划：接到目标后，自己能拆成”先做什么、再做什么”
- 自主执行：规划完自己调用工具去跑，中间遇到问题会调整
举个例子：
1 | 你：帮我关注一下最近 AI 圈的重要新闻，整理成简报发我邮箱 |
整个过程不需要你一步步指挥。你只给了目标，Agent 自己搞定了规划+执行。
但这里有个核心认知：**Agent 不是一种新技术，而是一种”组织方式”**——它把 LLM 的推理能力 + Tool 的执行能力 + 循环决策的能力组合在一起，形成了一个自主运作的系统。
九、Agent Skill：给 Agent 安装的”技能包”
Agent 虽然能自主干活，但有一个问题：每次接到任务，它都要从零开始思考、重新拆解步骤。
以”写一份竞品分析报告”为例——Agent 每次都重新想一遍：”我应该先搜竞品、再对比功能、再分析定价……”这很浪费 Token，而且每次拆解的质量还不稳定。
Agent Skill（技能包） 就是为了解决这个问题。
Skill 的本质是：提前给 Agent 写好一套固定的流程模板。就像给新员工发了一份 工作手册，告诉他：”遇到这类任务，你就按这个步骤走。”
| Agent | Agent Skill | |
|---|---|---|
| 做什么 | 从零规划+执行 | 按预置流程执行 |
| 灵活性 | 高 | 中（遇到意外时可跳出 Skill） |
| 效率 | 每次重新推理 | 省 Token，结果更稳定 |
所以 Skill 不是限制 Agent 的能力，而是把常见任务的经验”固化”下来，让 Agent 不用每次都重新发明轮子。这是 Agent 从”能用”走向”好用”的关键一步。
把这些概念从底层到顶层串成一条线：
1 | Transformer（底层架构） |
- LLM 是核心引擎
- Transformer 是引擎的架构蓝图
- Prompt 是你和引擎的沟通方式
- Token 是引擎”咀嚼”文字的方式
- Context & Context Window 决定了引擎一次能”记住”多少
- Tool & MCP 让引擎长出了手，能触碰现实世界
- Agent 是把引擎、记忆、工具组装成一台能自动驾驶的车
- Agent Skill 是给这台车预设好导航路线，不用每次都重新找路
理解了这些名词之间的关系，再看 AI 领域的新闻和产品，就不会被花哨的术语绕晕了。本质上，所有人都在做同一件事：让这台叫 LLM 的发动机，跑得更快、记得更多、手脚更灵活、开车更自主。
本文定位：面向 AI 领域的开发者、产品经理和技术爱好者，提供名词概念的体系化梳理，不涉及具体代码实现。