CuteNote颜值笔记
← 返回
查看原链接原链接
Bilibili32分31秒 · —

AI基础概念：从LLM到Agent Skill

AI基础概念：从LLM到Agent Skill核心结论本文系统梳理了从大语言模型到智能体技能的核心概念，揭示了AI应用的技术栈与机制。大语言模型（LLM）定义与架构基于Transformer架构的大型语言模型Transformer由Google于2017年提出，论文《Attention is All You Need》发展历程OpenAI点燃爆发：GPT-3.5（2022年底）和GPT-4（2023年3月）当前标杆：GPT-4.5、Claude、Gemini等同台竞技工作原理：文字接龙预测下一个概率最高的词，输出后追加到输入继续预测直至输出结束符，完成回答例子：“马克的视频怎么样” → 特别 → 的 → 棒Token定义与作用大模型处理文本的最小单元Tokenizer编码解码编码：切分为token，再映射为token ID解码：将token ID还原为token与词的关系不一一对应，如“工作坊”拆成工/作/坊英文helpful拆成help/ful，对勾需3个token数量换算token ≈ 0.75英文单词或1.5-2汉字上下文与窗口Context定义大模型每次处理接收的信息总和，含对话历史、系统提示等可视为临时记忆体Context WindowContext可容纳的最大token量主流模型：GPT-4.5 105万，Gemini 3.1 Pro 100万，Claude Opus 4.6 100万RAG技术从长文档抽取相关片段发给模型，解决超长文本问题降低成本，不受窗口限制Prompt定义与重要性给大模型的具体问题或指令质量决定输出，需清晰具体明确Prompt Engineering研究如何写好提示词，门槛低，现在热度降低类型User Prompt：用户输入具体问题System Prompt：开发者后台设人设和规则示例：数学辅导机器人系统提示引导思考，用户问3+5，不直接给答案工具（Tool）定义本质是函数，输入参数返回结果示例：天气查询参数：城市、日期，内部调用气象接口使用流程用户→平台→大模型（含工具列表）模型生成调用指令→平台调用工具→结果返回模型→总结输出角色分工模型：选择工具和归纳总结工具：执行具体操作平台：串联和调用工具MCP协议由来各平台工具接入标准不统一，需重复开发定义模型上下文协议，统一工具接入标准作用类似Type-C，一次开发多平台使用Agent定义能自主规划、自主调用工具直至完成任务的系统示例：天气+雨伞步骤：定位工具→天气工具→店铺工具，逐步决策构建模式经典模式：ReAct、Plan等Agent Skill定义给Agent看的说明文档，规定做事步骤和规则结构元数据层：name和description指令层：目标、步骤、判断规则、输出格式、示例存放规范位置：用户目录/.claude/skills文件夹文件夹名与skill名一致，文件必须为skill.md运作机制启动时读取元数据，相关时读取指令层（渐进式披露）