最近有朋友问我：你知不知道什么是MCP、什么是Skills？这其实是一个比较进阶的词。后来我们讨论到说，实际上在我们的日常生活中，对于普罗大众来说，这些既熟悉又陌生的词是”房间里的大象“。

所谓的”房间里的大象“就是——大家可能都在日常生活中刷到、看到、听到某些词，比如说像LLM、Prompt、ChatGPT、Codex、Cursor，大家知道它的存在，但并不知道他们之间是什么关系，它到底是用来干什么的。但因为在对话的过程当中害怕尴尬，或者是问出来担心自己好像显得很不懂，所以就假装没有看见、没有听到，闭口不谈。

所以我今天打算，给大家讲一些基本的知识。「虽然我也是半吊子」

一、LLM（大语言模型）

一切AI能力的最底层，就是LLM。它是Large Language Model的缩写，大语言模型。它是今天所有AI应用的核心大脑。而支撑所有大模型运行的底层技术，叫做Transformer架构。这套架构最早是谷歌团队在2017年的论文《Attention is all you need》里提出的。但当时只是学术理论，并没有真正走进大众视野。真正把Transformer用透，把大模型做到可用，让全世界第一次感受到AI强大的，是OpenAI，从GPT-3.5开始。大模型突然变得能用、好吃、会思考，AI时代才真正到来。

那大模型到底是怎样工作的？原理可以用一句话来说明：下一个token预测、文字接龙。比如你问”今天天气如何”，模型经过思考后，先输出”很好”，然后再把”是”和”大”一起放回输入，继续预测下一个词是”晴天”。回答完毕，输出结束符停下，我们就拿到了它的回答：”很好，是大晴天”。这就是为什么AI永远是一个字一个字蹦出来的原因。

二、Prompt（提示词）

这里又引出了第二个概念：Prompt。它是给AI的精准指令。我们想让AI做什么，靠的是我们提出的问题，也就是Prompt提示词。分为两类：User Prompt和System Prompt。User Prompt就是用户直接提的需求，而System Prompt是后台设定的身份与规则，用户无法看到。

例如，我通过System Prompt设定一个AI的MBTI是”INTJ”。提出同样的问题”今天天气如何”，那么它只会回答”晴天”，更符合INTJ话少的设定。

三、Token（词元）

我们每次向AI输入的汉字或者单词，AI是怎样看懂的？AI不按汉字或者单词理解文字，它有自己的单位：Token。Token是模型把文字切成的最小片段，是AI处理文字的最小单元。比如刚才的提问”今天天气如何”，会被分成14个Token（实际上Token和汉字不是完全一一对应的，模型有一套自己的切分规则）。一般来说，一个Token大概是0.5个汉字，或者0.75个英文单词。

到这里，我们只是把输入做了切分。但其实切分后的Token，大模型还是不认识。因为大模型其实就是一堆数学函数，它的输入和输出都是数字。所以在刚才切分完成后，还要做进一步转换，把文字变成数字。于是刚才的Token就对应上Token ID，这才是大模型能看懂的语言。

四、Context（上下文）

刚才说到大模型的本质就是一堆数学函数，它没有长期记忆。但我们可能有一种感觉：AI好像能记住我们之前说过的话。这是因为我们每次提问，程序都会自动把之前的全部聊天记录和当前的问题打包在一起，发给模型。这一整包的所有信息合起来就是Context上下文。它就是AI当下能看到的全部信息，相当于AI的临时记忆。

而这个临时记忆不可能无限大。它最多能装下多少个Token，就是ContextWindow上下文窗口，也就是AI临时记忆的容量上限。窗口越大，AI能处理的内容就越长，记得越完整。

五、Tool（工具）

接下来我们讲下一个概念：Tool工具。它是AI连接现实世界的能力。大模型有一个缺陷：无法感知外部环境，它只有一个大脑。想让AI真正地动手做事，必须给它加工具。比如说天气查询、实时搜索、计算器、文件读取、地图定位。

工具的本质就是外部函数：输入参数，返回结果。这里有一个关键的点：大模型自己不能调用工具，真正去执行联网、查数据、调用接口的是平台。那平台是什么、是怎样工作的？我们举个例子。

比如刚我们提问：”今天天气如何？”

平台收到了我们的提问，首先判断到联网搜索开关是打开的。平台没有把问题直接给模型，先调用了内部的搜索引擎工具，去互联网上搜索实时天气数据。平台将抓取回来的数据整理成一份干净的参考资料，将整理好的网页内容和用户问题形成一份新的Prompt，发给大模型。大模型看到的是实时数据，根据这些实时数据生成答案，发给平台。

六、MCP（模型上下文协议）

接下来我们讲下一个概念：MCP，全称Model Context Protocol。不同的平台，工具接入规则是不一样的，开发者要重复开发适配多个平台的工具会很麻烦，于是出现了MCP。

Anthropic 是制定标准的人。他们发现让 AI 模型接入外部工具时，每个工具都需要写不同的适配代码，太碎片化了。于是他们设计了一个”标准插座”——MCP，让模型和工具之间通过统一协议通信，类似 USB-C 在硬件领域的角色。

七、Agent（智能体or代理）

大模型把LLM、Context、Tool、MCP这些能力全部组合到一起，就形成了一个全新形态：AI智能体，也就是Agent（龙虾Openclaw/爱马仕Hermes等都是AI Agent）。它和我们平时用的同AI不是一个级别。普通AI智能做到你问它答，它还需要你一步一步指挥。但Agent的不一样：你只需要告诉它最终目标，它就能自己分析、自己拆解步骤、判断该用什么工具，一步步执行，直到把任务做完。

我们还是拿刚才的问题举例。比如我们提问：”今天天气如何？并帮我记录在记事本里。”

Agent经过推理后，自主决定需要调用联网搜索工具查询实时天气，工具执行完成后，返回的结构化数据被整合为新的Prompt，再次送入大模型，Agent知道之后做什么后，调用记事本工具执行记录操作，最后将结果返回给用户。

这就是Agent的核心价值：自主规划和自主执行的能力。

八、Agent Skill（智能体技能）

Skill是给Agent的专用技能包。虽然Agent能自主干活，但每次让它从零开始、重新拆解步骤，效率低还浪费Token。这时候Agent Skill就登场了。它是给Agent提前写好的一套固定流程，可以永久使用。

我们接着刚才的例子来说。提问”今天天气如何”。

没有Agent Skill的人，他会分析思考，下一步该做什么。

有Agent Skill的人，他会按照技能说明直接执行。其实就是告诉Agent：该做什么、怎么判断、怎么输出。

这里总结了以上所有AI名词，也包含了一些其他常见的AI术语：

九、那些AI大厂

厘清从LLM到Agent的逻辑关系，也就掌握了AI Agent的基本原理。在此基础上，不妨再看看全球AI大厂各自推出了哪些产品。

第一层是公司维度——OpenAI、Google、Microsoft、Anthropic、Meta等，这是产品背后的主体。再下一层才是它们各自推出的代表性模型、产品或Agent。

第一家是OpenAI，产品围绕ChatGpt展开，2022年的GPT3.5发布一炮而红，4月24日发布的模型GPT5.5以及生图模型Image2.0表现也很亮眼：

第二家是Google，虽然是AI启蒙大厂，但一度落后于OpenAI，直到它发布了Gemini，广受好评：

第三家是Anthropic，Claude是当前AI版本的神：

AI御三家看完了，再来了解下国内AI百花齐放的情况：

Deepseek4月24日发布了V4版本，作为开源模型性能已经比肩顶级闭源模型，跑在国产昇腾芯片上，「国产最强开源模型」的叙事也有所完整：算法是自己的，代码是开源的，芯片是国产的。

目前体验最智能的是智谱的大模型GLM5.1，很多国内的朋友都是Claude配GLM5.1，反馈很不错，唯一不足是智谱算力有限，导致API不是很稳定，经常报429连接超限。

国内也有走极致性价比路线的Minimax，最近的2.7版本API响应速度很快，虽然模型使用的参数少，没那么聪明，但胜在量大管饱。

这里总结了中外主流AI大厂的AI产品矩阵全貌：

归根结底，工具的目的始终是更好地解决人类的问题，辅助人更高效地生活。面对层出不穷的新名词，不必将其视为负担——去了解它，问AI一句”这到底是什么”，成本远比你想象的低。

申明：文中图片均由ChatGPT Images 2.0生成

牛油果进化论

一个现代趣味博物小馆

你也许会好奇