AI核心概念大串联

任凯琪

855人浏览 · 2026-04-25 20:15:17

任凯琪 · 2026-04-25 20:15:17 发布

今天离五一放假还有5天！！！！！！！

言归正传言归正传，其实今天是打算学习抓包的，但是刷到了一个有关AI核心概念的视频，对于我这种哪哪都是小白的人来说，是十分值得停留脚步去学习学习的，那么接下来的文章我会根据我学到的知识以及个人见解来展开。如果各位在阅读中发现任何问题或建议，请随时指出，我们共同进步。学习路上难免会遇到挑战，但每一次尝试都是成长的机会。

一、LLM（Large Language Model）

大语言模型简称为大模型，可以通俗的理解为它是读了互联网上海量文章、书籍等内容的一个知识量非常庞大的学霸。LLM的底层逻辑是预测，也就是说，我们给它输入一个问题，他会预测词来回答我们的问题，像是文字接龙游戏一样，首先它根据问题预测第一个字/词，然后输出，接着再次根据问题与它回答的第一个字/词进行预测得到第二个字/词，以此类推，直到它完整的回答完你的问题。这也就意味着大模型本质上是一种概率模型，不属于真正的“百科全书”。

二、Token

上面提到LLM回答问题的模式，但实际上LLM它是无法直接识别文字与输出文字的，这个时候在你与LLM之间就需要一个转化者——Tokenizer。Tokenizer负责编码（将文字转化为数字）和解码（将数字转化为文字）两件事情。那么在Tokenizer转化过程中，它是无法将整段文字进行转换的，必须将其拆分为小的词元来进行转化，这就是Token，打个比喻来说，Token就相当于是单词的字母了。其实这里也就能明白为什么LLM是一个字/词一个字/词往出吐的，Tokenizer拆分文本为Token，接着编码为可以被LLM识别的数字，LLM预测下一个会产生的数字之后，Tokenizer又将其解码。Token就是LLM处理文本时的最小基本单位。LLM都是按照Token进行上下文长度限制以及计费的，处理的速度也取决于Token的数量。

三、Context（上下文）

Context表示LLM每次处理任务时所接收到的信息总和。在对话中LLM可以记住我们之前的问题以及他的回答，这就依靠的是Context，它将用户问题与历史对话“打包”，每次回答你的新问题之前都看看这个“包”里面有什么可以用到的信息。不过Context里面不仅仅包含这些，它还包括正在输出的Token、工具列表等内容，“打包”历史对话只是它的其中一个功能，Context更像是一个临时记忆体，记忆之前对话中的所有东西。

这时候就有一个问题Context能容纳多少Token呢？Context Window就对这个数量有了一定的规定。每个LLM对于Context Window的大小的规定都是不一样的，主流的一些LLM，比如Gemini 2.5 Pro，GTP-4.1系列，Kimi K2.6等就拥有差不多100万的Token，相当于75万字了（按照1 Token ≈ 0.75 个中文汉字来计算），DeepSeek系列，Llama 3.3等LLM相对来说Token量就比较少了，只有12.8万Token，相当于9.6万字。

四、RAG（Retrieval-Augmented Generation 检索增强生成）

就算Context Window的大小再不断进步，但是我们也不能让LLM在回答问题时先把几百页的文件阅读完再回答问题，这时候就需要一个工具在我们发送给LLM的外部文件中检索与我们提出的问题较为相关的几段内容，然后根据检索到的相关内容+我们的问题来生成答案，这个工具就是——RAG。有了RAG之后就很大程度上解决了Context Window的大小限制问题，同时RAG也让LLM变得更加高效与精准，这么说的原因是RAG解决了LLM在内容较多的Context中记不住细节，回答粗糙等问题。

五、Prompt（提示词）

Prompt是大模型接受的具体问题或指令。上述我们提到的对LLM发送的所有问题都属于Prompt，LLM对于我们问题回答的清晰程度取决于我们的Prompt是否准确，一个好的Prompt是要对我们想要做的事情描述的十分清晰的，比如说给LLM“提供必要的背景信息”+“告诉LLM要做什么，要处理哪些具体内容”+“给LLM一个规范要求”......现在的LLM发展十分迅速，即使我们将问题描述的很模糊，它也能预测我们想要的答案，不过好的Prompt确实能极大的节省我们与LLM沟通的时间与精力。

Prompt又分为User Prompt（用户提示词）和System Prompt（系统提示词）。前者就是用户自己输入的提示词，后者则是开发者在后台配置的。比如说我们想要一个LLM对用户回答的风格是温柔的、偏带鼓励的，这时候我们就需要用System Prompt在后台来对LLM进行设置，这个设置对于用户来说是不可见的。此时用户再输入User Prompt，LLM就会按照预设的风格来回答问题。

六、Tool

LLM虽然阅读了海量文章书籍极为聪明，但是它也有一个短板就是无法直接感知外部环境，它只能根据训练数据预测下一个词，所以当我们提问“今天西安的天气怎么样？”，LLM是没办法去天气预报网站拿到今天的天气情况，那么这个时候就需要Tool。

在这里需要提到在用户和大模型之间有一个平台，这个平台接收到用户的问题，然后传给LLM，但是LLM无法直接调用工具（Tool）它只能分析接下来需要干什么，因为它只能输出文本，这个时候就LLM分析出接下来需要调用Tool，紧接着LLM生成需要调用的Tool的指令给平台，然后平台将调用这个Tool（实际上，Tool更相当于是一个函数，因为它是通过函数来完成功能的），Tool调用函数之后得到的结果传给平台，平台再次将Tool的结果传给LLM，LLM将结果整理成适合输出给用户的回答之后，通过平台最终传达给用户。

七、MCP（Model Context Protool 模型上下文协议）

在上一部分介绍中我们提到LLM无法直接调用Tool，而是通过平台来调用的，这就需要将Tool接入平台才能被调用，由此就提出了MCP这个统一的工具接入标准。MCP就相当于是type C接口一样，如果没有type C接口，那么恐怕我们给电子设备充电的时候就要换很多数据线了，MCP也是同样道理，如果没有MCP，那每个AI平台都将有自己的接入标准，这样很不便于使用。

八、Agent（智能体）

Agent就是一个可以自主完成复杂任务的AI程序，也就是说它可以根据我们提出的问题自主规划、自主调用工具。LLM是无法自主的去做事情，它只会输出在它的“知识库”中存在的内容，但是Agent却可以根据我们的问题自主规划任务清单，自主去调用工具得到需要的内容，持续工作直到完成任务，甚至还可以随时调整方案，灵活替代。现在市面上也有许多Agent产品，比如Claude Code，Codex等等，这些Agent产品的构建模式往往是不同的，最常见有React等。

九、Agent Skill

可以简单介绍Agent Skill就是提前写给Agent的一份说明文档。打个比方来说，我们向AI询问去某地旅游时的“一日游清单”，这时候对我们没有任何了解的AI就会五花八门的回答，但是如果我们提前将我们对“一日游清单”要求写一份说明档：首先要说明当地当日天气，其次需说明宜穿什么衣服，最后说明热门景点的方位以及是否需要提前预订，这就相当于一个Agent Skill，以后只要我们问去某地旅游时的“一日游清单”，它就会按照提前规定好的，我们想要它呈现的内容输出回答。当然Agent Skill的功能远不止如此，为Agent配备不同的Skill，会得到更为强大AI助手。其实从这里也能看出来，AI正在朝着更加专业化的方向发展。