这张图用自下而上分层的金字塔结构，把完整 AI 应用系统从底层基础到顶层能力全部拆开，还配了通俗建筑类比，一层一层拆解给你讲清楚，由底层到顶层顺序：

第 1 层：Token 最小单位层（地基砖块）

核心定义

AI 理解文字的最小碎片单位，是整个 AI 系统最底层基础。

通俗解释

人类看文字是一个字、一句话；大模型不认识汉字 / 英文单词，会把所有文本切割成无数小块碎片，这个碎片就叫 Token。 举例子： “今天天气很好” 会被模型切分成多个 Token 碎片；英文单词也会拆成词根碎片。

类比图比喻

Token = 盖房子的红砖，没有砖块，后面所有文字、指令都无从谈起。

作用

所有输入输出、提示词、记忆、工具调用，全部都要先转换成 Token 才能被模型计算，是 AI 的 “最小数据颗粒”。

第 2 层：提示词 指令 / 意图层（施工图纸）

核心定义

你发给 AI 的提问、要求、指令，用来告诉模型要做什么事、按什么标准做。

通俗解释

同样一个模型，提示词写得粗糙和精细，输出效果天差地别。 简单提问：帮我写方案； 优质提示词：你是资深产品经理，写一份校园奶茶店创业方案，包含成本、客流、营销，控制 800 字，结构分 4 段。

类比图比喻

提示词 = 盖楼的施工图纸，图纸画得模糊，工人（模型）就会做错活。

作用

定义任务方向、角色、格式、约束，直接决定 AI 输出质量，是普通人最容易上手优化的一层。

第 3 层：上下文 背景信息层（房屋地基）

核心定义

对话全程留存的背景、历史聊天记录、记忆资料，给 AI 提供前因后果。

通俗解释

单次提问只有提示词，多轮对话靠上下文串联记忆： 你先问 “推荐一款跑鞋”，再接着说 “预算 500 以内”，AI 能听懂你是要 500 元内跑鞋，就是靠上下文记住上一轮对话； 企业 AI 还会上传文档、知识库作为长期上下文，让 AI 基于专属资料回答。

类比图比喻

上下文 = 建筑地基，地基不稳，对话逻辑容易断裂、AI 失忆。

作用

消除信息断层，让 AI 具备连续思考、记忆资料的能力，回答更贴合你的真实需求。

第 4 层：Agent 智能体 / 执行层（施工工人）

核心定义

具备自主规划、任务拆解、分步执行能力的智能助手，从单纯 “回答问题” 升级成主动干活。

通俗解释

普通大模型只会单次生成文字；Agent 能自己拆分复杂任务： 比如需求 “做一份月度销售复盘”，Agent 自动拆解：1. 调取销售数据 2. 对比上月业绩 3. 分析下滑原因 4. 生成图表文案，分步自动完成，中间还能自主调用工具。

类比图比喻

Agent = 工地干活的工人，看懂图纸、依托地基，主动完成整套工序。

作用

赋予 AI 自主决策、多步骤复杂任务执行能力，是现在 AI 应用的核心载体。

第 5 层：Harness 工程框架 / 调度层（项目经理）

核心定义

全局调度编排框架，管理多个 Agent 协同工作，规范整套 AI 流程。

通俗解释

一个复杂业务不会只靠单个 Agent，比如电商客服系统：分售前咨询 Agent、售后退款 Agent、物流查询 Agent； Harness 就像总调度，判断用户问题分给对应 Agent，多个智能体配合不冲突、不乱套，统一管控流程、日志、限流、报错。

类比图比喻

Harness = 工地项目经理，统筹多名工人，分配任务、管控整体施工流程。

作用

解决多智能体协作混乱问题，是商业化 AI 产品必备工程调度层。

第 6 层：MCP 外部连接层（对外接口 / 管线）

核心定义

打通 AI 和外部真实世界的扩展接口，全称是 Model Context Protocol，模型上下文协议。

通俗解释

大模型本身是封闭的，没法联网、读数据库、发邮件、调用软件；MCP 就是统一接口标准，让 AI 对接外部工具： 联网搜索、读取企业数据库、发送邮件、调用 Excel、第三方 API 软件、支付系统全部靠 MCP 接入。

类比图比喻

MCP = 房子外接水电管线，打通房屋和外部世界。

作用

打破大模型 “信息孤岛”，让 AI 能调用真实世界数据、工具，不再只局限模型内部知识。

第 7 层：Skills 技能 / 经验库（顶层储备仓库）

核心定义

系统顶层可复用的成熟能力、经验模板库，沉淀所有训练好的标准化技能。

通俗解释

把高频通用任务打包成可复用技能，一次训练多次调用： 比如 “PPT 自动生成”“数据分析图表”“合同审核”“短视频脚本撰写” 都存入 Skills 库； 后续任意 Agent 需要该能力，直接调取复用，越使用积累越多技能，AI 整体会越用越强。

类比图比喻

Skills = 楼顶储备仓库，存放成熟工具经验，随时取用。

作用

沉淀通用能力，降低重复开发成本，实现 AI 能力持续迭代积累。

整体串联逻辑（七层缺一不可）

用建房逻辑完整串一遍整套 AI 运行流程：

1. 底层砖块 Token：把所有文字、数据拆成 AI 能读懂的碎片；
2. 图纸提示词：告诉 AI 要完成什么任务；
3. 地基上下文：加载历史对话、参考资料作为背景；
4. 工人 Agent：自主拆解任务、分步干活；
5. 项目经理 Harness：协调多个 Agent 有序协作；
6. 管线 MCP：连接数据库、网络、第三方工具获取外部信息；
7. 顶层仓库 Skills：调用沉淀好的成熟技能完成任务，同时把新能力存入仓库迭代。

一句话总结每层定位

1. Token：AI 的文字最小颗粒，底层数据基础
2. 提示词：人类下达任务的指令
3. 上下文：AI 的短期 / 长期记忆
4. Agent：自主干活的智能执行者
5. Harness：多智能体的调度管控中心
6. MCP：AI 连接现实世界的接口通道
7. Skills：可复用、持续积累的 AI 能力资产