基本信息

来源摘要/节选

公开展示已截断至最多 800 个字符；请访问原始来源查看完整上下文。

思考，输出，沉淀。用通俗的语言陈述技术，让自己和他人都有所收获。 作者：毅航😜 LLM、Token、Context、Prompt、Tool、MCP、Agent、Agent Skill 这些新名词，你或许都听过，但真的能准确说出每个概念的核心含义吗？ 本文我们将抛开虚浮的商业概念，从符合普通大众的视角出发，逐一拆解并讲透这些核心概念，相信会让你对 AI 的认知迈上全新台阶。 前言 在拆解相关概念之前，我们不妨通过一个简单的例子，来快速建立起对这些 AI 名词的认知。 事实上，我们可以将整个 AI 交互过程比作去餐厅用餐的场景。 在这个场景中，你的身份是顾客，而 AI 则是那位全能服务员，它的正常运转，离不开 LLM、Token、Context、Prompt、Tool、MCP、Agent、Agent Skill 的协同配合。其中： LLM 是服务员的大脑，代表其核心的理解与思考能力； Token 是你和服务员沟通的字数单位； Context/Context Window 是服务员的记忆容量，决定它能够记住多少你的需求； Prompt 是你向服务员下达的指令，包含规则与具体需求； Tool/MCP 是服务员可以调用的各类工具，例如计算器、后厨、外卖系统等； Agent/Agent Skill 则对应服务员的角色定位与专业技能，比如专业点餐员搭配智能推荐菜品的能力。 LLM 大语言模型 我们从最底层的概念开始，层层递进搭建 AI 知识体系，最基础的核心就是 LLM 。 LLM 的全称是 Large Language Model ，为了叙述方便，后面我们统称其 大模型 。 目前市面上绝大多数大模型均基于 Transformer 架构构建，可以说， Transformer 是大模型的底层核心引擎。 理清大模型的技术源头之后，我们再来拆解其核心工作原理。…

来源说明

当前只保存了公开页面节选，不代表原文全文。请以原始来源为准。

本页只呈现已做哈希绑定的来源证据，不包含基于旧正文或缺失原文的扩展推断。