AI核心概念拆解笔记

CuteNote.app 颜值笔记

工程视角 · 底层拆解

AI 核心概念
一图全搞懂

从 LLM 到 Agent Skill，层层剥开 AI 圈子里的高频术语。不堆商业概念，只讲工程原理。

📌 导读

大模型本质是「文字接龙」游戏，一个 token 一个 token 地生成答案。所有上层能力 —— 工具调用、自主规划、技能编排 —— 都建立在这套朴素的机制之上。本文带你从零开始，串联起 9 个核心概念。

🧠

LLM · 大语言模型

Large Language Model

底层引擎：Transformer

2017 年 Google 团队提出 Attention Is All You Need，OpenAI 将其点燃。GPT-3.5 在 2022 年底达到可用级别，GPT-4 在 2023 年 3 月拉高能力天花板。如今 GPT、Claude、Gemini 同台竞技。

                    本质：一个庞大的数学函数，接收数字，输出数字。中间全靠文字接龙——预测下一个概率最高的词，再塞回输入，循环直到输出结束标识符。
                

🔤

Token · 最小处理单元

Tokenizer 编码 & 解码

大模型只认数字，不认文字。Tokenizer 充当翻译官：编码把文字拆成 token 并映射为 token ID，解码把 token ID 还原回文字。

                    切分规则：模型自己学会的，并非天然等于「词」。

                    例：「程序员」→ 程序 + 员（2 token）；「helpful」→ help + ful（2 token）；✅ 对勾 → 3 个 token。

1 token ≈ 0.75 英文词 1 token ≈ 1.5~2 汉字

40 万 token ≈ 60~80 万汉字，或约 30 万英文单词。

📋

Context · 上下文

Context Window · 上下文窗口

大模型没有真实记忆，每次对话都会把整段历史 + 当前问题 + 系统规则一起发过去，这些信息的总和就是 Context（临时记忆体）。

Context Window 则代表 Context 最多能塞多少 token。

105 万

GPT-4o Context Window

100 万

Claude Opus / Gemini

100 万 token ≈ 150 万汉字，可容纳整部《哈利波特》全集。

📎

RAG · 检索增强生成

Retrieval-Augmented Generation

当文档太长（如上千页产品手册），不必全文喂给模型。RAG 从中检索出与问题最匹配的几个片段，只发送这些片段给大模型，省成本、破窗口限制。

                    📌 核心思路：先检索，后生成。用外部知识库辅助模型回答。
                

💬

Prompt · 提示词

User Prompt + System Prompt

User Prompt：用户输入的具体问题或指令（如“帮我写一首诗”）。
System Prompt：开发者在后台配置的人设与规则（如“你是一个耐心的数学老师，引导学生思考”）。

                    示例：数学辅导机器人

                    System Prompt：「不要直接给答案，引导学生思考」

                    学生问「3+5=？」→ 模型回答「你手上有 3 个苹果，又拿了 5 个，现在一共几个？」而非直接说 8。

Prompt Engineering 门槛已降低，模型能力越强，对措辞的敏感度越小。

🔧

Tool · 工具

让大模型感知外部世界

大模型无法自己查天气、访问互联网。Tool 本质上是一个函数：接收输入（如城市、日期），返回输出（如天气信息）。

                    完整流程：

                    用户 → 平台 → 大模型（分析并决定调用哪个工具）→ 平台（实际执行工具调用）→ 大模型（归纳结果）→ 平台 → 用户

关键：大模型只负责输出「要调用工具」的文本指令，真正执行工具的是平台代码。

🔌

MCP · 模型上下文协议

Model Context Protocol

不同平台（OpenAI、Claude、Gemini）接入工具的规范各不相同，开发者要写多套代码。MCP 就是统一标准 —— 如同所有手机都用 Type-C 接口。

                    ✅ 工具开发者只需按 MCP 规范开发一次，即可在所有支持 MCP 的平台使用。
                

MCP = 工具界的「通用插头」。

🤖

Agent · 智能体

自主规划 · 多步调用

Agent 能自主思考、多次调用工具，直到完成用户任务。不是简单的问→答，而是一连串的推理与行动。

                    示例：天气 + 雨伞查询

                    ① 调用定位工具 → ② 调用天气工具 → ③ 判断是否下雨 → ④ 调用店铺工具查雨伞 → ⑤ 汇总答案

代表产品：Claude Code、Codex、Minci 等。构建模式包括 ReAct、Plan-Execute 等。

Agent = 能「想几步」并「调用工具」的强化版大模型。

📄

Agent Skill · 智能体技能

给 Agent 看的说明文档

Agent Skill 是一个 Markdown 文档，包含元数据层（名称 + 描述）和指令层（目标、步骤、规则、输出格式、示例）。

                    出门清单示例：

                    步骤：定位 → 查天气 → 按规则判断带什么 → 按格式输出

                    规则：下雨带伞，光照强戴帽，空气差戴口罩，风大穿防风外套，手机必带。

                    输出格式：先一句总结，再列出带原因的物品清单。

存储要求：文件夹名 = Skill 名，文件名必须为 skill.md（S 大写）。

Agent Skill 的「渐进式披露」机制可节省大量 token：只在需要时才加载完整指令层。

“大模型本质上就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，压根不认识人类写的文字。”

—— 工程视角的本质洞察

📊

关键数据 · 一目了然

2017

Transformer 诞生

2022

GPT-3.5 可用级

105万

GPT-4o 窗口

100万

Claude 窗口

1 token ≈ 1.5~2 汉字 40万 token ≈ 60~80 万字

🔗

概念体系 · 从底到顶

LLM — 核心引擎，文字接龙
Token — 最小处理单元，编码/解码基础
Context — 临时记忆体，由 token 构成
Context Window — 记忆体容量上限
Prompt — 指令（用户 + 系统）
Tool — 外部函数，扩展感知
MCP — 工具统一接入标准
Agent — 自主规划 + 工具调用
Agent Skill — 给 Agent 的说明书

从下往上，每一层都建立在下层的基础上。

🎯 总结 · 一张图看懂 AI 技术栈

大模型（LLM）以 token 为单位进行文字接龙，借助 Context 记住对话，通过 Prompt 理解指令，使用 Tool 感知外界，经由 MCP 统一接入，进化成能自主规划的 Agent，再通过 Agent Skill 定制化行为规则。这 9 个概念构成了今天 AI 应用的全部骨架。

AI 核心概念一图全搞懂

AI 核心概念
一图全搞懂