AI核心概念大串联

这个博客系统梳理了大模型领域的核心概念、技术原理与发展脉络，适合快速建立完整知识框架。

一、底层引擎：大语言模型 (LLM)

核心定义与架构

• LLM 全称：Large Language Model（大语言模型），简称大模型

• 底层架构：基于 Transformer（2017 年 Google 团队在论文《Attention is All You Need》中提出）

  这个图看不懂没关系，你只需要知道大模型的底层引擎就是它就好

  

• 工作原理：本质是文字接龙游戏，通过预测下一个概率最高的词，模型吐出这个词之后，它会把你刚才的词抓回来，追加到你的输入的后面，它拿着这个新的输入，再去预测下一个词，一直循环，知道大模型发现自己要说的话全部说完了，这个时候就会输出一个特殊的结束标识符，整个回答到这里就结束了，这也是为啥大模型的回答是一个字一个字的蹦出来的原因。

发展里程碑

二、数据处理单元：Token

核心特性

• 定义：大模型处理文本的最基本单位，通过 Tokenizer（分词器）将文本切分为片段
• 编码过程：分两步 ——①文本切分为 Token（文字）②映射为 Token ID（数字），发给大模型。
• 解码过程：模型一顿运算，最终吐出来一个 Token ID发给Tokenizer 将 Token ID 还原为token（无需切分步骤，因为一次只给一个token）

Token 与自然语言单位的关系

量化参考

• 1 个 Token ≈ 0.75 个英文单词
• 1 个 Token ≈ 1.5-2 个汉字
• 40 万 Token ≈ 60-80 万汉字 或 30 万英文单词

补充说明：Token 的切分基于BPE（字节对编码）算法，是模型自主学习的文本切分规则，能平衡语言效率和模型处理能力。

三、大模型的临时记忆体：Context

核心概念

出现的原因：大模型之前是你给它输入，它给你输出，那它是如何记住聊天的内容的呢？背后的程序会把你之前的整段的对话历史找过来一起发过去，这样就是引出了模型有了对话历史，模型每次看到的都是完整的对话内容，这就引出了Context。

• 定义：大模型每次处理任务时接收的信息总和，相当于模型的 “临时记忆”
• 组成部分：用户问题、对话历史、当前输出 Token、工具列表、System Prompt 等
• 容量限制：由 Context Window（上下文窗口）定义，即最大可处理的 Token 数量

主流模型 上下文窗口（Context Window） 对比

注意：一个token约等于1.5个汉字

突破 Context Window 限制的方案

• RAG 技术（检索增强生成）：从知识库中抽取与问题最为匹配的几个片段，仅将这几个片段发送给大模型，降低 Token 消耗，同时解决大模型 “知识滞后” 的问题。

四、指令交互：Prompt

Prompt Engineering 提示词工程

• 核心原则：清晰、具体、明确（避免模糊、歧义的指令）
• 现状：曾经是提升模型效果的关键手段，但现在重要性下降，原因：
  1. 门槛低（本质是 “把话说清楚”）
  2. 大模型能力提升，可自动推测用户模糊意图

Prompt定义与分类

Prompt定义：

• Prompt：给大模型的问题或指令，直接决定模型输出质量

Prompt 分类：

有了他们的配合大模型既能守住规矩，又能完成你的具体的请求。

• User Prompt：用户输入的具体任务（如 “帮我写一首诗”）
• System Prompt：开发者后台配置的人设与做事规则（如 “你是一个耐心的数学老师，当学生问你数学问题时，不要直接给答案，而是要一步步引导学生思考，帮助他们理解解题的思路”）

五、感知外部环境：Tool

核心作用

• 定义：大模型调用的外部函数，使其能够感知和影响外部环境
• 解决痛点：弥补大模型无法获取实时信息（如天气、新闻）、计算能力有限（如复杂数学运算）、无法访问外部系统（如数据库、API）等弱点

工作流程

1. 用户提问 → 平台转发（含工具列表）
2. 大模型分析 → 生成工具调用指令
3. 平台执行调用（真正的工具，也就是函数） → 获取结果
4. 大模型整理结果 → 自然语言输出

角色分工

六、工具标准化：MCP（负责把工具接进来）

• 全称：Model Context Protocol（模型上下文协议）

• 本质：统一的工具接入标准，解决不同平台工具接入规范不统一的问题

  类比：就像手机都统一用 Type-C 充电口，开发者只需要做一次适配，就能在所有支持 Type-C 的设备上使用

• 价值：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，大幅降低跨平台适配成本

补充：Function Calling（模型与外部工具交互的一种能力）

定义：Function Calling（函数调用）是大模型连接现实世界的核心接口，它让原本只能 “生成文字” 的模型，拥有了调用外部工具、执行真实操作的能力。

**底层逻辑：**先看最底层：Function Calling。模型本身没有任何执行能力，它能做的是：接收你传入的 tools 列表，看到每个工具的名字、description 和参数结构，然后在合适的时候返回一个结构化的调用请求

和 Agent、MCP 的关系

• Function Calling 是底层能力：只负责生成工具调用指令，不关心流程控制
• Agent 是上层应用：基于 Function Calling，加上规划、记忆、循环执行等逻辑，实现 “自主完成任务”
• MCP 是标准化协议：让不同平台的工具都能按统一格式被 Function Calling 调用，解决 “适配成本高” 的问题

这个图片的解释：

Function Calling：图里蓝色框标注的部分，是大模型生成工具调用指令的核心能力

MCP：图里红色框标注的部分，是工具与大模型之间的标准化通信协议，解决不同工具接入不统一的问题

Agent：把这些部分串起来的整体，也就是 “能自主调用工具完成任务的系统”

七、自主决策系统：Agent

• Agent 定义：能够自主规划、自主调用工具，持续工作直至完成用户任务的系统
• 核心能力：多步骤推理、工具选择、流程控制、错误修正
• 代表产品：Claude Code、OpenAI Codex、Gemini CLI 等
• 典型构建模式：ReAct（推理 + 行动）、Plan and Execute（规划 + 执行）等

补充说明：Agent 是大模型从 “被动响应” 到 “主动执行” 的关键形态，也是当前 AI 应用落地的核心方向之一。

八、任务定制：Agent Skill（负责如何使用这些工具）

核心功能

• 定义：给 Agent 的说明文档，包含任务规则、执行步骤、输出格式等，相当于给 Agent 的 “操作手册”
• 结构：
  • 元数据层：名称（name）、描述（description）（用于 Agent 识别场景）
  • 指令层：目标、执行步骤、判断规则、输出格式、示例（用于 Agent 执行任务）
• 例子：

# SKILL.md - 天气查询助手

## 📋 元数据层

### 名称

天气查询助手

### 描述

当用户询问天气相关问题（如城市/地区的实时天气、未来预报、温度、湿度、降水概率、穿衣建议等）时，调用此技能获取准确信息并整理成自然语言回复。

### 触发关键词

天气、气温、温度、下雨、晴天、多云、湿度、风力、穿衣建议、预报

---

## 🎯 指令层

### 任务目标

1.  理解用户的天气查询意图，提取关键信息（目标城市/地区、时间范围、具体需求）
2.  调用天气查询工具获取对应数据
3.  将工具返回的结构化数据整理成清晰、友好的自然语言回复
4.  根据天气情况，主动提供实用的生活建议（如穿衣、出行、防晒/防雨提示）

### 执行步骤

1.  **信息提取**：
    - 从用户问题中提取：目标城市（如上海、北京）、时间范围（今天/明天/未来3天）、具体需求（温度/降水/风力/穿衣建议）
    - 若用户未指定城市，优先使用对话上下文或询问用户补充信息
    - 若用户未指定时间，默认查询「当天实时天气+未来24小时预报」

2.  **工具调用**：
    - 调用`weather_query`工具，传入参数：
      - `city`: 提取到的城市/地区名称
      - `date`: 查询日期（格式：YYYY-MM-DD，不传默认当天）
    - 等待工具返回结构化天气数据（温度、湿度、风力、天气状况、降水概率等）

3.  **结果整理**：
    - 按「实时天气 → 关键指标解读 → 实用建议」的结构组织内容
    - 温度、湿度、风力数据用加粗突出关键信息
    - 降水概率超过30%时，明确提醒带雨具
    - 温度低于10℃或高于30℃时，补充穿衣/防暑/保暖建议

4.  **回复输出**：
    - 语言口语化、友好，避免生硬的参数罗列
    - 若用户问题存在歧义（如未指定城市），礼貌追问补充信息
    - 若工具调用失败，给出备用回复并说明情况

### 判断规则

- ✅ 触发条件：用户问题包含天气相关关键词，或明确询问某地区的气象情况
- ❌ 不触发条件：用户问题与天气无关（如编程、历史、数学题），直接按原问题处理
- ⚠️ 异常处理：
  - 若工具返回错误（如城市不存在、接口超时），回复：“抱歉，暂时无法查询到该地区的天气信息，你可以告诉我具体城市名称，我再帮你试试~”
  - 若用户问题模糊（如“明天天气怎么样”），回复：“你想查询哪个城市的天气呢？告诉我城市名，我马上帮你看看~”

### 输出格式示例

```text
🌤️ 上海今天天气播报
实时天气：多云
温度：22℃（体感24℃）
湿度：65% | 风力：东北风3级 | 降水概率：10%

💡 今日小贴士：
气温舒适，适合外出活动，早晚温差不大，穿长袖T恤+薄外套即可，紫外线较弱，不用特意防晒哦~
```

技术实现

• 存储形式：Markdown 文档（文件名必须为SKILL.md）
• 存放位置：特定目录（如 Claude Code 找到用户目录的.claude/skills文件夹）
• 加载机制：仅在用户问题与技能名称 / 描述相关时加载完整指令，节省 Token 消耗

补充特性：Agent Skill 支持运行代码、引用资源，采用渐进式披露机制，进一步优化 Token 使用效率。

九、概念体系关联

graph LR
    A[LM 核心引擎] --> B[Token 数据单位]
    B --> C[Context 记忆空间]
    C --> D[Prompt 交互接口]
    D --> E[Tool 外部能力]
    E --> F[MCP 工具标准]
    F --> G[Agent 决策系统]
    G --> H[Agent Skill 任务定制]

补充细节

把策略层、接入层、执行层搞清楚之后，许多MCP vs Skill的争论会自动消失。