AI基础：从 LLM 到 Skills

LLM（大语言模型）

LargeLanguage Modal（大语言模型），是 AI 的大脑，本质上是一个经过海量文本数据训练的深度学习模型，能够理解和生成人类的语言，是人 和 AI 交互的基石。

LLM的原理是「预测」，它就像读过并记住了数亿文字的一台机器，分析出每个词后面出现的概率，形成一套复杂的语言规律，当我们向LLM提问时，它就回利用这一套语言规律，逐字推断出最合逻辑和语境的回答。

LLM很强大，但其本质是基于统计的模式匹配系统，有其局限性：

Transformer

Transformer是构建LLM的架构，它改变了之前模型的串行处理数据的低效模型，通过自注意力机制并行处理句子中的每一个词，分析词与词之间的关联度，并分词语分配注意力权重，最终基于对所有词的理解和权重分配，生成完整回答。

Transformer之所以能引发AI发展浪潮，主要是因为：

• 自注意力改变了串行处理数据的模式，通过并行处理能够充分发挥GPU的并行算力，使模型的训练数据从一亿参数拓展到一万亿以上
• Transformer提供了「自注意力层」这一通用计算单元，无论是文字、图片还是语言，都可以转化为序列，在统一套框架里处理，结束了不同类型数据需要专门设计模型的时代
• Transformer之前的小规模模型只能作模式匹配，无法进行复杂推理，而当模型参数规模超过数百亿，模型出现了接近人类的推理、泛化能力

RAG（检索增强生成）

RAG（Retrieval-augmented generation，检索内容生成）简单来说就是：让 LLM 在回答问题时，先从外部知识库检索相关内容，再基于检索结果生成回答。

RAG 主要解决了LLM 的两个痛点：知识截止日期（模型不知道训练后的内容）、幻觉生成（模型在不确定时会编造答案）；

通过 RAG 也解决了 LLM 模型无法获取私密数据（公司内容资料、个人笔记）的问题，这项技术常用于开发智能客服、文档助手等功能。

AIGC（人工智能生成内容）

AIGC（AI-Generated Content，人工智能生成内容），所有 AI 生成的内容，包括文字、图片、视频等都属于 AIGC，在 AIGC 前也有其他类型的 GC名词：

• PGC：专业生产内容，只有专业团队/公司才能生产的内容，比如电影、新闻、音乐专辑等
• UGC：用户生成内容，每个人都能产生的内容，比如拍短视频、写文章、做博客等等
• AIGC：AI 生产内容，用户调用 AI 完成文章、图片、视频生成

MCP（模型上下文协议)

MCP（Model Context Protocol 模型上下文协议）是2024 年推出的一种开放协议，用于实现 LLM（大语言模型）应用和外部数据源、工具和服务之间的无缝集成，提升 LLM 应用的功能性、灵活性和可拓展性。

MCP出现之前，AI 要调用外部信息（比如查询数据库、操作文件、发送邮件），开发者需要为每一个接口单独编写定制的代码，这导致开发成本高、工具难以复用。有了 MCP，所有外部工具和 AI 交流都统一标准，大幅降低开发成本。

常见的使用场景如：

• AI 客服，通过 MCP 协议为 LLM 提供内部数据、教程等，对 AI 问答系统进行功能增强
• AI 查票：AI模型没有联网时，无法获取实时信息，特别是一些复杂的票务系统，难以获取以及保证其准确性，通过 MCP 为模型提供查询接口可以实现准确的查票功能

Token（词元）

在 AI 中，Token 是 AI 能理解的最小文本单位，也就是分词，比如：发送一句「你好」给 AI，AI 为了理解你发的内容，可能会把「你」「好」拆分为两个字（Token），也可能将「你好」视为一个 Token，还可能将「你好」两个字拓展为更好理解的多个字，这取决于 AI 底层的分词逻辑。

按经验估算，1000 个 Token 约等于 750 个英文单词/或 500-750个中文字符，因为英文字符只由 26 个字母组成，而中文字符在编码上更复杂，所以也更耗费 Token；而AI 编程的 token 消耗会比自然语言更少，因为编程语言结构紧凑更有规律。

Token更具现实意义的一点是：用于计费，一般普通聊天对话 AI 产品都是免费使用，比如豆包、千问、元宝、DeepSeek 等，而收费的内容通常是 API 调用，比如你想将 DeepSeek 接入自己的应用、网站，或者你需要 AI 拓展 AI 的能力，比如接入自己的私密知识库、实现自家产品的 AI 智能客服等，就需要使用 API 调用；

Token 计费通常分为输入和输出，并且输出内容通常比输入更贵，比如 DeepSeek 收费规则如下：

有/无命中缓存的输入，和输出的价格差 2-100 倍，这意味着让 AI 输出更简洁的内容通常更划算

在一个对话框中进行对话，会将当前对话的历史信息带上，这有利于对 AI 进行连续、有关联的提问，这些历史信息称之为上下文，一次对话（上下文）能处理的 Token 也是有限的，一但超过了上下文窗口的Token限制，最开始的提问就被遗忘。

上下文越长，消耗的Token也会越多，所以如果提问的问题没有关联性，及时新开窗口提问会比较节省Token

Prompt（提示词）

Prompt（提示词），是你输入给 AI 模型的指令、问题，高质量的提示词可以让 AI 产出最符合你需求的、高质量的内容，因此产生了很多专门分享 Prompt、共享 AI 提示经验的网站

优质的提示词有什么用？

• 提高准确性：减少 AI 跑题、答非所问的情况
• 节省时间：一次到位，减少结果的修改次数
• 解锁能力：负责推理、格式化输出、工具调用等能力，需要特定的技巧或描述才会触发
• 降低成本：好的提示词可以减少不必要的 Token 消耗，减少 AI 回答次数

不好的提示词： 帮我画一张小鸡破壳的图像

优化后的提示词： 稻草上正在裂开的鸡蛋的极端特写，超详细蛋壳纹理。新孵化的无羽小鸡，湿润皱褶的粉红色皮肤。14mm超广角镜头提供戏剧性透视，超写实8K风格，电影氛围。

Agent（智能体）

AI 智能体，是一个不仅能思考，还能执行任务、具备记忆能力的程序，比如 Cursor AI 编程就可以看作一个 AI Agent，不仅能通过对话框回答你的问题，还能直接帮你完成代码开发

其他诸如 AI 写 PPT、画图、制作视频等AI 工具也属于 Agent，2026 年爆火的 OpenClaw（小龙虾），属于一个系统级的 Agent，我们下达指令，OpenClaw可以直接访问操作系统、处理邮件、整理文件等等

AI Agent 的特征至少包含四点：

• 规划：对目标进行拆解、反思和改进
• 记忆：有短期记忆（上下文）和长期记忆（信息召回）的能力
• 工具：调用外部不同类型的工具/API，帮助任务的完成，比如搜索网页、执行脚本等
• 执行：结合上述特征能力，做出最终行动，得到结果

Workflow（工作流）

workflow（工作流），是按照预先定义的规则和顺序，执行的任务或步骤，主要是通过自动化解决重复任务的问题，比如：每天自动发送日报，可以拆解为：从指定的地方获取今日工作成果 -> 整理成邮件格式 -> 设置日报标题 -> 发送给特定的人

而 AI WorkFlow ，区别于普通 Workflow，则是在定义的规则框架内，运用 AI 进行有限的决策和流程处理，普通 WorkFlow 写死的分支流程，可以通过 AI 进行分析和流程判断

与 AI Agent 相比，两者主要体现在以下的不同

Skills（技能）

Skill翻译过来是「技能」，Agent 可以智能地帮你完成任务，而 Skill 就是完成任务过程中的一个能力模块，比如压缩图片、发送邮件、总结文章内容等都可以视为一个 Skill

既然是一个模块，那意味着它是可复用的、可以规范化的，因此我们可以通过一个描述文件，为 Agent 写一个说明书，告诉 Agent 遇到需要用 Skill 时应该怎么处理，遵循什么规范，类似人类的 readme 文件

有无 Skill 时的对比: