乐于分享
好东西不私藏

AI、Agent、Prompt...

AI、Agent、Prompt...

AI已经实实在在改变这个社会,影响着所有不同的群体。

近一年,每天的新闻资讯,AI频频霸屏。要做的就是拥抱它,不然迟早被甩开。确实,“有时候跟AI聊天比跟人聊轻松。有些活交给它,反而省心”。两段挺有意思的片段:1."现在就业很差,以至于我要去追求梦想了。虽然丢了工作,但现在你真的可以去做自己的事情了。" 2:

IDE、Agent、Prompt、Skill、Plugin、CLI、MCP——光记住缩写就不容易,更头疼的是它们的功能边界很模糊。Plugin和Skill都能扩展功能,Agent和CLI都能自动化,到底选哪个?

把这些技术概念对应到一家餐馆的不同部分,一家餐馆的七个角落:

堂食区 = Web/App界面

装修精致的餐厅,有沙发有菜单图片,服务员随时候着。你点什么菜,能看到成品照片,服务员还会告诉你这道菜什么味道。

对应到AI工具,就是ChatGPT网页版、VS Code图形界面这些。优点是直观,适合新手。缺点是功能受界面限制——有些高级操作藏得深,你得翻半天菜单。我第一次用VS Code时,光找设置就找了十分钟。图形界面友好,但等你用熟了,会发现很多操作其实有更快的路子。

外卖点餐 = CLI命令行

只有文字菜单的外卖服务。没图片,只有"宫保鸡丁"、"鱼香肉丝"这样的名字。你得知道这些菜大概是什么,或者愿意冒险试试。

这就是命令行工具。比如git commit -m "更新文档",或者Python脚本。需要经验,但效率高。我用几个命令行脚本批量处理了上百个数据文件。缺点也很明显:学习成本高,记不住命令就抓瞎。而且有些命令的名字跟功能对不上,就像"蚂蚁上树"里其实没蚂蚁。完成一个任务,处理n多bug,查询各种命令。

私人厨师 = Agent智能代理

你请的私厨。告诉他:"周末有朋友来,要做一桌川菜,有人不吃辣,预算500块。"厨师自己去买菜、设计菜单、烹饪。

Agent就这样工作。你给一个高层次目标,比如"帮我收集最近三年关于xx基因的文献,总结主要发现",Agent自己规划步骤、执行任务。现在各种"龙虾“,实质就是本地化的高级Agent,给它权限,在本地按要求整理桌面,定时查阅文献,完成相对复杂的多任务,确实省心。

厨师技能 = Skill技能模块

厨师会做的菜系。川菜师傅擅长麻辣,西点师傅精通烘焙,日料师傅刀工了得。

Skill就是AI的"专业技能包"。Claude Code里有brainstorming、writing-plans这些Skill,每个都针对特定任务优化过。比如写研究计划时,调用writing-plans技能,这比你自己从头设计Prompt靠谱,因为技能是预定义好的标准流程。

厨房设备 = Plugin插件

给厨房添的新设备。冰淇淋机、咖啡机、空气炸锅——每个都扩展了厨房的能力,但不用重建整个厨房。

Plugin就是给现有工具加功能。比如给Obsidian装个Zotero插件,就能直接管理参考文献。给VS Code装个Python扩展,代码提示就更智能。我电脑上的VS Code装了二十多个插件。有些天天用,有些装了就没打开过。这就是插件的特点:按需安装,不用不占地方。

后厨系统 = MCP协议

连接前台、厨房、供应链的通信协议。顾客看不到,但它确保订单能传到厨房,食材能及时补充。

MCP(模型上下文协议)是AI工具之间的"普通话"。它让不同的AI模型、工具、数据源能安全对话。你通常感觉不到它的存在,但没有它,整个系统就乱套。

中央厨房 = IDE开发环境

配备全套设备的大厨房。从切菜到烹饪到打包,一条龙服务。

IDE就是程序员和研究员的工作台。VS Code、Jupyter Notebook这些,把代码编辑、调试、可视化、版本控制都整合在一起。实现all in one,都在Jupyter里写,好处是不用在不同工具间切换。坏处是容易产生"笔记本依赖症"——代码离了Jupyter就跑不起来。

快速对照

描述
工具
类比
一句话解释
简单查询、试试功能
Web/App界面
堂食
看得见摸得着,适合新手
批量处理重复任务
CLI命令行
外卖
记命令麻烦,但批量做很快
复杂多步骤任务
Agent
私人管家
给目标,等结果
标准化专业任务
Skill
厨师技能
按按钮出标准结果,质量稳定
给工具加特定功能
Plugin
厨房设备
缺什么装什么,不改变核心
让不同工具能对话
MCP协议
后厨系统
底层连接,用户无感
一体化开发环境
IDE
中央厨房
什么都有,但可能臃肿

核心规律:偶尔吃个饭去堂食(新手用Web界面),天天吃同款叫外卖(熟练工用CLI),办宴席请管理(Agent),找各个菜系的专业师傅(各类标准化任务的Skill)。其中:plugin与skill相似,plugin侧重“能力接入”,skill侧重“任务封装”.

总结:IDE是集成了所有工具的“数字工作台”,一般解决了多软件切换的繁琐,常伴随启动慢、占内存的代价;Agent才是实质上的“会思考的助手”,能理解意图并自主规划。在AI交互层面,Prompt的质量直接决定输出效果,需像“点菜”般具体明确,而Skill则提供了比Prompt更稳定一致的“预制能力”,只是灵活性稍逊。Plugin凭借强大的社区生态扩展了功能边界,却需警惕冲突与冗余,如同需要定期清理的厨房小家电;而MCP作为“连接一切的胶水”,正如USB协议一般,为不同AI工具间的数据交换与功能调用确立了统一的安全标准。

工具
描述
典型场景
IDE
一体化工作台,减少切换
写代码、数据分析、实验管理
Agent
智能体,实质上的会思考的助手
复杂工作流、跨工具协调
Prompt
灵活度高,随时调整
内容生成、问题解决、创意
Skill
预制能力包,质量稳定
研究计划、头脑风暴、调试
Plugin
功能拓展包,按需添加,不改变核心
文献管理、数据可视化、格式检查
CLI
命令行工作台,适合重复任务
数据清洗、报告生成、远程操作
MCP
标准化连接,确保安全
多工具协作、跨平台集成
  1. 别硬记:用吃饭的场景理解技术概念
  2. 按需选:根据具体需求选择合适工具
  3. 组合用:实际工作中这些工具常一起用
  4. 多实践:用的多了自然就明白了