#

来源：马克的技术工坊。

一条从下到上的 AI 概念链，讲清楚 LLM、Token、Context、Prompt、Tool、MCP、Agent、Agent Skill 八个核心概念。

另外这是我写好初始文章，由codex总结排版润色的，deepseek真挺好用😋。

🔗 原视频：https://www.youtube.com/watch?v=7qO8-kx3gW8

# 1. LLM（大语言模型）— 一切的基础

要点	说明
底层架构	Transformer（Google, 2017 · 论文《Attention Is All You Need》）
引爆点	OpenAI — GPT-3.5（2022 年底）→ GPT-4（2023 年 3 月）
当前格局	GPT / Claude / Gemini 等多强争霸
本质原理	文字接龙游戏：每次预测下一个概率最高的词，吐出来塞回输入，再预测下一个，循环往复直到输出结束符

# 2. Token（词元）— 模型处理文本的最基本单元

模型只认数字，所以需要 Tokenizer 在人类与模型之间做翻译。

工作流程

编码（文字 → 数字）
- 切分：用户输入被拆成最小片段，每个片段叫一个 Token
- 映射：每个 Token 对应到一个 Token ID（数字）
解码（数字 → 文字）：把模型吐出的 Token ID 翻译回文字

Token ≠ 词。比如"工作坊"被切成 [工作, 坊]，"程序员"被切成 [程序, 员]。
平均 1 Token ≈ 0.75 个英文单词 / 1.5~2 个汉字。

极端情况：一个对勾字符（✅）可能需 3 个 Token 才能表示。
底层切分算法为 BPE（Byte Pair Encoding），视频另有专题讲解。
OpenAI 官方提供了 Token 可视化页面，可以直观查看任意文本被如何切分。

# 3. Context（上下文）& Context Window（上下文窗口）

概念	含义
Context	模型每次处理任务时接收到的信息总和（历史记录 + 系统规则 + 当前输入等），本质是模型的临时记忆体
Context Window	Context 能容纳的最大 Token 数量

当前主流模型的 Context Window 普遍在 100 万 Token 左右（约 150 万个汉字）。

相关技术：RAG（Retrieval-Augmented Generation）

面对大量资料（如上千页产品手册），不是全部塞进 Context，而是先检索最相关的片段，只将这些片段送入模型——降低成本和 Token 消耗。
视频另有 RAG 专题讲解。

# 4. Prompt（提示词）

从用户的简单指令到开发者后台配置的约束，Prompt 共同决定了模型的输出行为。

类型	来源	作用
User Prompt	用户直接输入	具体任务或问题
System Prompt	开发者后台配置	设定模型角色、人设和做事规则（用户不可见）

示例：一个数学辅导机器人

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

User Prompt：3 加 5 等于几？

模型不会说"8"，而是说"你手里有 3 个苹果，又拿了 5 个，现在一共有多少个？"

Prompt Engineering 正在衰退——不是因为不重要，而是模型能力越来越强，模糊指令也能大致猜对意图。

# 5. Tool（工具）— 让模型感知外部世界

大模型的先天缺陷：无法获取实时信息（天气、数据库等）。

Tool 本质上就是一个函数——给它输入，它返回输出。

完整调用链路

- 模型分析该用哪个工具，生成调用指令
- 平台实际调用工具函数
- 模型归纳工具返回的结果
- 最终输出给用户

关键认知：模型不会自己调用工具，它唯一的能力是输出文本指令。实际调用由平台完成。

各角色职责

角色	职责
模型	① 选择工具并生成参数 ② 归纳工具执行结果
平台	串联整个流程：告诉模型可用工具、根据模型指令去调用工具
工具	完成具体的查询/计算任务

# 6. MCP（Model Context Protocol）— 统一工具接入标准

痛点：以前每个平台（ChatGPT / Claude / Gemini）有自己的一套工具接入规范，同一个工具要写多遍。

MCP 的作用：定义一套统一标准，工具开发者只写一次，所有支持 MCP 的平台都能用——就像 Type-C 接口。

视频另有 MCP 终极指南系列（3 期），从使用到原理全面讲解。

# 7. Agent（智能体）— 能自主规划的程序

要点	说明
定义	能够自主规划 → 自主调用工具 → 持续运作直到完成任务的系统
代表产品	Claude Code、Codex、Gemini CLI、Cowork、OpenClaw 等
构建模式	ReAct、Plan and Execute 等经典模式

Agent 不再是"问一句答一句"，而是面对复杂任务时自己分析、拆解步骤、多次调用工具、最终给出答案。

视频中的多步串联例子："查天气→下雨→搜附近雨伞店"

调用定位工具获取经纬度
调用天气工具查询天气（有雨）
调用店铺工具搜索附近雨伞店（100 米有全家便利店卖伞）
归纳所有信息，输出最终答案

视频另有专题深入拆解了 ReAct 等构建模式的运行流程，甚至手写了一个简化版 Claude Code。

# 8. Agent Skill — 给 Agent 看的说明文档

本质：一份提前写好的 Markdown 文件，告诉 Agent 遇到某类任务该怎么做事。

文档结构

┌─ 元数据层 ─────────────────────────┐
│  Name:        go-out-checklist    │
│  Description: 出门前帮你查天气、带物品│
├─ 指令层 ───────────────────────────┤
│  目标                              │
│  执行步骤（先调定位 → 再调天气 → …）   │
│  判断规则（下雨带伞，风大穿外套 …）     │
│  输出格式（先总结句，再列清单）         │
│  示例（给出一组输入→输出的样例）        │
└────────────────────────────────────┘

存放规范（以 Claude Code 为例）

进入 ~/.claude/skills/ 目录
新建文件夹，文件夹名必须等于技能名（如 go-out-checklist）
文件夹内创建 SKILL.md（必须大写，这是"接头暗号"）
所需工具需提前做成 MCP 工具 并导入

渐进式披露：启动时只读取元数据层；只有用户问题与技能的名称/描述相关时，才加载指令层——节省 Token。

视频另有专题深入讲解 Agent Skill 的使用和原理。

# 体系总结

Agent Skill   ← 给 Agent 看的说明文档
    ↑
Agent         ← 能自主规划、调用工具完成任务的程序
    ↑
MCP           ← 工具的统一接入标准协议
    ↑
Tool          ← 让大模型感知外部世界的函数
    ↑
Prompt        ← 给模型的指令（User + System）
    ↑
Context       ← 模型每次处理任务时的信息总和
    ↑
Token         ← 模型处理文本的最基本单元
    ↑
LLM           ← 一切的基础（基于 Transformer 的大语言模型）

理解了这条概念链，无论 AI 圈子里出现什么新产品、新技术，你都能看清它的底层逻辑。

搬运

#