Ai核心概念 ​

一、LLM 大语言模型 ​

1. 主流应用产品 ​

Claude、Gemini、ChatGPT

2. 底层本质 ​

1. 数学层面：本质是复杂数学函数，依靠大量矩阵运算完成计算；
2. 生成逻辑：核心工作逻辑为下一个token预测；
3. 文本处理逻辑：大模型本身无法直接识别文字，所有输入输出均为数字编码。

3. Token ​

LLM 处理文本的最小基础单元。

• 编码：文字 → 数字
• 解码：数字 → 文字
• 换算参考：
  • 英文：1个Token ≈ 0.75个英文单词
  • 中文：1个Token ≈ 1.5~2个汉字

二、上下文相关概念 ​

1. Context 上下文 ​

LLM 单次执行任务时接收的全部信息总和，可以理解为模型的临时记忆体。

2. Context Window 上下文窗口 ​

上下文能够容纳的最大 Token 上限。 例：上下文窗口 1w，代表单次最多承载 10000 个 Token。

主流模型上下文窗口容量 ​

• GPT-5.4：105万 Token
• Gemini 3.1 Pro：100万 Token
• Claude Opus 4.6：100万 Token

三、RAG 检索增强生成 ​

核心作用：根据用户提问，从知识库中抽取匹配度最高的文本片段，补充给大模型作为参考上下文。

四、Prompt 提示词 ​

LLM 接收的指令、问题文本，是驱动模型输出内容的输入载体。

优质 Prompt 标准：清晰、具体、明确 ​

分类 ​

1. User Prompt：用户手动输入的提问内容
2. System Prompt：后台预设、固定给模型的角色/规则配置

Prompt Engineering 提示词工程 ​

专门研究如何规范、清晰撰写提示词，最大化发挥模型能力的方法论，简单理解为「把需求说清楚的技巧」。

五、Tool 工具调用 ​

1. 本质：可被平台调用的外部函数；
2. 作用：弥补大模型信息、能力局限，让模型感知、操作外部环境；
3. 执行逻辑：模型无法直接运行工具，仅能输出指定格式文本告知平台「需要调用哪个工具、传入什么参数」，由平台完成真实调用。

六、MCP 模型上下文协议（Model Context Protocol） ​

一套统一的工具接入行业规范，类比手机 Type-C 通用接口： 按 MCP 标准开发的工具，可无缝在所有支持 MCP 的 AI 平台中直接使用，无需重复适配。

七、Agent 智能体 ​

具备自主规划、自主循环调用工具能力，能自动拆解步骤直至完成用户完整任务的 AI 系统。

常见产品 ​

Claude code、Codex、Gemini CLI

Agent Skill 智能体技能 ​

供给 Agent 阅读参考的技能说明文档，格式一般为 Markdown。

参考学习视频 ​

AI 核心概念大串联（LLM/Token/Agent 全讲解）