一、基础核心概念LLM生态底层支撑所有高阶能力1. LLM大语言模型Large Language ModelLLM是整个AI技术体系的核心引擎也是所有后续概念的基础核心细节如下底层架构几乎所有大模型均基于Transformer架构构建该架构由Google团队于2017年提出对应论文《Attention Is All You Need》虽由Google发明但由OpenAI将其规模化应用并引爆全球。核心本质本质是“文字接龙”游戏即逐词预测下一个概率最高的词汇输出过程中会将已生成的词汇重新追加到输入中循环预测直至输出结束标识符这也是大模型逐词输出的核心原因。发展历程与现状2022年底GPT-3.5问世成为第一个真正达到“可用级”的大模型2023年3月GPT-4发布大幅提升AI能力天花板目前GPT-5.4仍是业界标杆同时赛道已进入多厂商竞争阶段Cloud、Gerin、A等后起之秀在各自领域与OpenAI同台竞技。2. Token令牌Token是大模型处理文本的最小基本单元是连接人类文字与模型数学运算的关键核心细节如下核心作用大模型本质是庞大的数学函数仅能处理数字无法直接识别文字Token就是文字与数字Token ID之间的转换载体由Tokenizer令牌器负责处理。Tokenizer的工作流程分为编码文字→数字和解码数字→文字两步。编码时先将文本切分为最小片段即Token再将每个Token映射为唯一的Token ID一对一绑定解码时仅需将Token ID反向映射为文字无需再次切分因模型每次仅输出一个Token。关键注意点Token与“词”并非一对一关系示例如下中文“马克的技术工作坊”被切分为5个Token“工作坊”拆分为“工作”“坊”“程序员”拆分为“程序”“员”英文常见单词如hello、going多为1个Token但“helpful”拆分为“help”“ful”特殊字符如“go”可能需多个Token表示显示为问号需通过Token ID识别。量化参考平均1个Token≈0.75个英文单词或1.5-2个中文字符40万个Token≈60-80万个中文字符或30万个英文单词。补充说明Token的切分规则由BPE算法训练生成若需深入了解可参考相关专项视频。3. Context上下文 Context Window上下文窗口两者解决大模型“临时记忆”的问题是实现多轮对话、复杂任务处理的基础核心细节如下Context上下文指大模型每次处理任务时接收的所有信息总和相当于大模型的“临时记忆体”包含的内容有用户当前提问、历史对话记录、模型正在输出的Token、工具列表、System Prompt等。核心原理大模型本身无真正“记忆”仅能通过“接收历史对话当前提问”的组合输入实现“记住之前内容”的效果——背后程序会自动将整段对话历史与当前问题一同发送给模型。Context Window上下文窗口指Context能容纳的最大Token数量决定了模型一次能处理的信息规模。目前主流大模型的Context Window均达百万级GPT-5.4为105万Gerin A 3.1 Pro、Cloud Opens 4.6均为100万100万个Token约对应150万个中文字符可容纳《哈利波特》全集内容。4. Prompt提示词Prompt是大模型的“指令信号”决定模型的输出方向与质量核心细节如下核心定义本质是给大模型的具体问题或指令是模型启动运转的前提无Prompt则模型无法输出内容例如“帮我写一首诗”就是典型的Prompt。Prompt的质量影响模糊的Prompt如“帮我写一首诗”会导致模型输出不确定可能是古诗、现代诗、打油诗清晰具体的Prompt如“帮我写一首五言绝句主题是秋天的落叶风格悲凉”能让输出更贴合预期。分类与区别分为两类功能互补User Prompt用户提示词由用户直接输入用于告知模型具体任务如“三加五等于几”System Prompt系统提示词由开发者在后台配置用于定义模型的人设、做事规则用户不可见但持续影响模型行为例如“你是耐心的数学老师不直接给答案仅引导学生思考”。Prompt Engineering提示词工程专门研究如何优化Prompt让模型更精准理解意图的领域。目前该领域热度下降原因一是门槛低本质是“把话说清楚”二是大模型能力提升即使Prompt模糊也能大致预判用户意图。二、外部能力拓展突破LLM原生局限实现“感知外部世界”1. Tool工具LLM的原生局限是“无法感知外部环境、无实时能力”Tool的核心作用是弥补这一缺陷核心细节如下核心本质本质是可调用的外部函数输入指定参数后能输出明确结果如天气查询、定位、计算等相当于给大模型“外接手脚”。完整调用流程涉及4个角色用户、平台、大模型、Tool平台作为“传话筒”本质是一段代码串联全程具体步骤用户向平台发送问题如“今天上海天气怎么样”平台将问题可用工具列表转发给大模型大模型分析需求生成Tool调用指令含工具名称、参数发送给平台平台根据指令调用对应Tool获取返回结果如“上海晴天15-25℃”平台将Tool结果转发给大模型大模型将结果整理为自然语言通过平台反馈给用户。各角色职责大模型负责“选择Tool生成参数”和“归纳Tool结果”无法直接调用Tool仅能输出调用指令Tool负责执行具体操作如查询天气、定位输出明确结果平台负责串联流程转发信息、执行Tool调用。2. MCP模型上下文协议Model Context ProtocolMCP是解决Tool接入“碎片化”问题的统一标准核心细节如下诞生背景不同大模型平台的Tool接入规范不同如OpenAI、Anthropic、Google各有标准导致同一个Tool需为不同平台编写多套接入代码效率极低。核心作用制定统一的Tool接入标准让Tool开发者仅需按MCP规范开发一次即可在所有支持MCP的平台上使用类比于“所有手机统一使用Type-C接口”提升开发效率、降低适配成本。通俗理解无需记忆不同平台的接入规则一套代码通用所有平台本质是“Tool接入的统一约定”。3. RAG检索增强生成Retrieval Augmented GenerationRAG是解决“长文本处理、私有/实时知识查询”的核心技术核心细节如下应用场景当需基于长文本如上千页产品手册让模型回答问题时直接将整本文本传入Context会超出Context Window限制且成本过高RAG可解决该问题。核心原理从长文本/知识库中抽取与用户问题最匹配的几个片段仅将这些片段传入大模型让模型基于片段回答问题既突破Context Window限制又降低使用成本。核心价值让大模型无需“记住”所有长文本内容仅需检索相关片段即可精准回答提升长文本处理能力和回答准确性。三、智能体与技能高阶形态实现“自主完成复杂任务”1. Agent智能体Agent是LLMToolMCP的高阶整合形态核心是“自主规划、自主执行”核心细节如下核心定义能自主分析用户任务、规划执行步骤、多轮调用Tool直至完成任务的系统区别于“单次Tool调用”具备一定的自主决策能力。典型示例用户需求“今天我这里天气怎么样如果下雨帮我查附近卖雨伞的店”Agent的执行流程分析需求需先获取用户位置→再查该位置天气→若下雨查附近雨伞店调用定位Tool获取用户经纬度调用天气Tool根据经纬度查询天气确认是否下雨若下雨调用店铺Tool根据经纬度查询附近雨伞店整合所有结果输出自然语言回答。主流产品与构建模式市面上主流Agent产品有Cloud Code、Code X、Gera、COI等经典构建模式有React、Planning、Excuse等可通过专项视频了解具体实现原理如手写简化版Cloud Code。2. Agent Skill智能体技能Agent Skill是解决Agent“输出不稳定、重复配置Prompt”的痛点核心是“固化规则与流程”核心细节如下核心本质提前编写好、存入指定目录的说明文档本质是Markdown文档文件名固定为Skill.md用于告知Agent做事的步骤、规则、输出格式避免每次提问都重复输入复杂要求。核心结构分为两部分格式可灵活调整核心是说清规则元数据层相当于“文档封面”至少包含两个属性——NameSkill名称如“Go Out Checklist”即出门清单、DescriptionSkill描述说明其用途指令层核心内容包含任务目标、执行步骤、判断规则、输出格式、示例等例如出门清单Skill中会明确“先调用定位Tool→再调用天气Tool→根据天气判断需带物品→按指定格式输出”。存放规范以Cloud Code为例在用户目录下的 /.clouds/skills 文件夹中新建与agent skill名称一致的文件夹如我们的agent skill叫做go-out-checklist所以我们的文件夹也必须叫这个名字在该文件夹中新建文件并命名为SKILL.mdSKILL大写硬性规范否则系统不识别将Skill内容粘贴到文件中保存即可。工作流程Agent启动时会读取所有Skill的元数据当用户问题与某Skill的名称/描述相关时Agent会读取该Skill的完整指令层按指令执行任务如出门清单Skill用户提问“我要出门该带什么”Agent会按指令调用Tool、输出指定格式结果。高级功能支持运行代码、引用资源具备渐进式披露机制按需加载内容可节省Token具体可参考专项视频了解细节。四、核心术语辨析与技术发展趋势1. 易混淆术语辨析关键区分避免误解Function Calling vs MCP两者无替代关系不属于同一维度Function Calling是大语言模型LLM提供的能力机制通过提示词规则与模型训练对齐引导 LLM 按照预定义结构化格式通常为 JSON生成工具调用参数指令外部 Agent / 应用程序可解析该结构化输出自动完成工具调用、结果回传与多轮对话编排。MCP是面向大模型生态的标准化交互协议规范 Agent 与各类外部资源Tool 服务、数据源等的交互范式统一工具调用方式、参数结构与响应格式实现各类工具跨 Agent 低成本、标准化接入。分层链路梳理LLM —Function Calling→ Agent —MCP→ ToolFunction Calling 解决模型该怎么说要调用工具模型输出层MCP 解决Agent 该怎么调用工具服务网络通信层Agent 处于两者中间承担翻译、路由、循环执行的角色Agent Skill vs MCP两者无替代关系不属于同一维度Agent Skill本质是“Prompt加载器”核心是固化任务规则方便Agent重复执行同类任务仅需一个Skill.md文件即可MCP核心是“Tool接入标准”解决Tool跨平台适配问题与Skill的功能、用途完全不同。Agent Skill与Langchain、Workflow的区别三者均用于实现复杂任务核心差异是“刚性与柔性”的不同从刚性到柔性排序Langchain纯编程实现硬编码流程稳定性强但柔性差难以适配小变化Workflow低代码拖拽实现比Launch In灵活改造成本低但不如Skill易用Agent Skill由Agent自主控制流程提前固化规则兼顾灵活性与稳定性无需编程普通人可使用纯Agent完全柔性可自主调整流程、生成脚本但稳定性差易复杂化任务。Subagent文档2补充用于处理复杂任务中的独立子任务核心作用是“上下文隔离”——子Agent的上下文不保留在主Agent中避免主Agent上下文过大本质是“拆分任务、优化上下文管理”。2. 技术本质与发展趋势核心本质所有AI术语LLM、Token、Context、Tool、MCP、Agent、Skill等本质都是“优化Prompt上下文、减少人类操作、降低使用门槛、节省Token”的中间产物核心离不开LLM与Prompt的交互——要么是给LLM补充上下文信息如RAG、Skill要么是减少人类与LLM的直接沟通如Agent、Tool。Agent的本质文档2观点Agent并非“具备真正智能”而是“将固定流程交给程序、模糊逻辑交给LLM”核心是“分流处理”所有不需要智能的部分如固定脚本、工具调用由程序完成需要语义识别、决策的部分由LLM完成最终目的是节省人类时间。当前痛点Token成本过高越强大的Agent背后消耗的Token越多这是当前制约Agent普及的关键因素。未来趋势Token成本会逐渐降低未来生产级大模型可部署在普通电脑上Token将接近“免费”中间产物MCP、Workflow等会逐渐被淘汰常用Tool会内化到Agent主程序中Skill会成为主流兼顾灵活与稳定最终趋向“极简易用的超级Agent”打包所有常用功能普通人无需配置无需部署Skill、配置MCP、填写API Key可直接使用底层技术会被产品化封装用户无需关注术语细节交互形式会更丰富如连接社交软件、支持定时任务让Agent从“电脑上的服务”变成“日常可用的助手”如Cloud Bot的爆火核心是提升了易用性。