从 LLM 到 Agent Skill：一篇问答式学习笔记

狂沙怒吼

246人浏览 · 2026-08-25 15:53:24

狂沙怒吼 · 2026-08-25 15:53:24 发布

本文基于 CSDN 博主「Bug收容所」的文章《从 LLM 到 Agent Skill：把 AI 的底层概念串起来》进行的学习思考与问答整理。原文链接：从-LLM-到-Agent-Skill-把-AI-底层概念串起来-CSDN博客

前言

最近在读一篇讲 AI 核心概念的文章，把 LLM、Token、Context、Prompt、Tool、MCP、Agent、Agent Skill 这一串概念串了起来。光读还不够，我觉得最好的学习方式是「自问自答」——把每个概念拆成问题，用自己的话讲清楚。

这篇文章就是我的学习笔记。我还琢磨出了一套「旋转餐桌」的比喻体系，用生活场景把所有概念串起来，亲测理解起来快很多。

🎯 一句话总览

先放结论：

LLM 是会生成语言的大脑，Prompt 是任务说明，Context 是它当前能看到的材料，Tool 让它能操作外部世界，MCP 让工具接入标准化，Agent 负责规划和执行，Agent Skill 把一类任务沉淀成可复用的工作方法。

生活化一点说：

LLM 像一个聪明但只坐在房间里的顾问；Tool 给了它手和脚；Agent 让它学会自己拆任务；Skill 则是把它做得好的事情写成标准操作流程（SOP）。

🍽️ 核心比喻：「旋转餐桌」体系

我习惯用比喻来理解抽象概念。这套「旋转餐桌」的类比是我自己想出来的，帮我把整组概念全串通了：

表格

AI 概念	旋转餐桌比喻	一句话解释
LLM	食客的大脑	会思考、会说话，但手被绑着
Token	每一口的大小	决定吃的速度和成本
Context	桌上的菜	食客当前能看到的全部信息
Context Window	桌面大小	一次能摆多少菜
System Prompt	永远在对面的主菜	核心规则，不会被转走
User Prompt	食客刚点的菜	当前的问题/需求
RAG / 知识库	后厨菜单	不用全摆上桌，需要再端上来
Tool	刀叉筷勺	让食客能"动手"而不只是"动口"
MCP	通用餐具接口	所有工具统一标准，即插即用
Agent	食客本人	自己规划、自己动手、自己调整
Agent Skill	用餐礼仪	把经验沉淀成可复用的规范

演进路线：

plaintext

大脑（LLM）→ 有菜吃（Context + Prompt）→ 有餐具（Tool）→ 餐具标准化（MCP）→ 会自己点菜（Agent）→ 懂餐桌礼仪（Skill）

后面的每个问答，你都可以把这个比喻翻出来对照着看。

❓ 问答环节：十个问题搞懂 AI 核心概念

Q1：Context 到底是什么？是模型加工出来的，还是人和模型交流产生的？

先说结论：Context 是系统组装的、喂给模型的全部输入材料，不是模型自己"想"出来的。

模型本身没有主动记忆。它不会"记住"昨天跟你聊了什么，也不会自己去检索知识。每次你发一条消息，系统会把一堆东西打包拼接成一段长文本，然后整段喂给模型——这段长文本就是 Context。

Context 里通常包含：

System Prompt（角色、规则、风格）
历史对话记录
检索到的文档/知识库片段（RAG）
工具返回的结果
用户当前的问题

模型拿到这段文本后，做的事情只有一个——预测下一个 Token 是什么。它不会区分"这是系统提示""这是之前的对话"，在它眼里全都是同一段文本。

所以准确说，Context 是「系统组装 + 对话累积 + 外部检索」的混合体，模型只是被动接收和处理。

Q2：Context 能持续多久？会不会"失忆"？

它不按时间算，按 Token 量算。超出窗口就会被"挤掉"。

很多人以为"我三天前聊的它还记得吗"——其实跟时间没关系，跟上下文窗口大小和对话长度有关系。

假设模型窗口是 128K Token，聊到第 130K 的时候就超了，怎么办？常见策略有几种：

表格

策略	做法	影响
截断（Truncation）	直接丢掉最早的几轮对话	最早的信息"失忆"
摘要（Summarization）	把前面的对话压缩成摘要	细节丢失，只剩要点
滑动窗口	只保留最近 N 轮	老信息直接没了
RAG + 记忆系统	重要信息存到外部，需要时再检索	不会真"忘"，但得检索得到才行

所以"持续多久"的答案是：只要还在窗口里就一直在；窗口满了，早的就没了。

Q3：Context 的语义和准确度靠什么维持？

Context 的质量 = 模型输出质量的天花板。主要靠四层保障：

第一层：输入质量（Garbage In, Garbage Out）

Context 里的信息本身准不准确？
信息相不相关？无关内容会干扰判断。
排序和结构有没有逻辑？（开头和结尾效果更好，中间容易丢）

第二层：模型本身的理解能力

参数量大的模型对长上下文的理解能力更强。
但即使是最好的模型，上下文越长，中间部分的信息召回率也会下降（"Lost in the Middle"现象）。

第三层：应用层的工程设计

RAG 检索质量：找得准不准、全不全。
Prompt 工程：告诉模型"只根据给定材料回答""不知道就说不知道"。
记忆系统：把重要信息结构化存储，而不是全靠对话堆着。

第四层：多轮校验

让模型自己检查、交叉验证。
工具调用结果的二次确认、事实核查。

Q4：Context 是模型返回的内容吗？人的输入占多少？

正好反过来！Context 里装的是「给模型看的东西」，不是「模型吐出来的东西」。

你可以把模型想象成一个只会"读题→答题"的考生：

plaintext

考卷（Context）考生（LLM）答卷（Output）

┌──────────────┐ ┌──────────────┐

│ 考生须知 │ → 读题，预测下一个字 → │ 我的答案是... │

│ 题目条件 │ │ 因为... │

│ 之前几题的草稿 │ └──────────────┘

│ 你现在的问题 │

└──────────────┘

人的输入当然在 Context 里，而且是很重要的一部分。没有你的问题，模型根本不知道要答什么。

简单说：Context = 输入侧（给模型看的），Output = 输出侧（模型吐的）。

Q5：Context 太大被截断后，会不会彻底影响模型判断？

会影响，但不是"彻底崩盘"，而是有层次的。

想象你看一本 500 页的书，但桌子只能摊开 100 页。影响多大取决于什么内容被收走了：

被收走的是前言？问题不大。
被收走的是关键人物介绍？后面可能看不懂。
被收走的是案件真相？侦探小说白看了。

最危险的场景是：关键约束/背景信息被挤掉了。 比如你前面说了一句"用户是盲人，必须支持读屏"，聊了几十轮之后这句话被挤出去了，模型后面出的方案可能完全偏离方向。

但也不会彻底崩，因为有几道防线：

System Prompt 永远在最前面——核心规则不会丢。
重要的东西会被反复提到——你每次提问都在强调目标，等于不断刷新。
应用层有记忆和检索系统——正经产品不会纯靠对话窗口记东西。
主题连续性——即使细节丢了，对话的大方向通常还在。

实用建议： 关键信息定期重申、重要内容存文件、善用"总结一下刚才的结论"、复杂任务分段做。

Q6：Prompt 有几种？我平时输入的是哪一种？

Prompt 分两种：System Prompt 和 User Prompt。你平时输入的、能看到的是 User Prompt。

打个比方：你去餐厅吃饭。

User Prompt = 你点的菜（"来份宫保鸡丁，少辣多花生"）
System Prompt = 后厨的操作规范（"食材必须新鲜、出餐不超15分钟、禁止转基因油"）

表格

维度	System Prompt	User Prompt
谁写的	开发者/平台	用户
你能看到吗	通常看不到	当然能
优先级	更高（规则 > 需求）	次高
每轮变不变	基本不变	每轮都不一样

System Prompt 才是真正定义 AI 行为的那道"护栏"——同样的底层模型，配上不同的 System Prompt，表现可以天差地别。这也是为什么不同 AI 产品的"性格"不一样。

Q7：Tool 是什么？为什么说 Tool 是革命性的？

Tool 给了 LLM "手"，让它从"只会说"变成"真能做"。

没有 Tool 的 LLM 就是一个手被绑住的食客——能描述菜的味道，但碰不到菜。你问它"窗外天气怎么样"，它只能凭印象猜；你让它"读一下这个文件"，它会说"抱歉我不能访问文件系统"。

Tool 就是给食客松绑，递上一副刀叉：

搜索工具 = 能伸到餐厅外的"长筷子"
文件读取工具 = "开罐器"
代码执行工具 = 一套厨房用具，不仅能吃还能自己炒菜
浏览器工具 = 一扇窗，可以看看外面发生了什么

从"凭印象回答"到"动手查了再回答"——这是质的区别。

Q8：MCP 是什么？不就是个协议吗，有那么重要？

MCP（Model Context Protocol）就是 AI 界的 USB 接口标准。

很多人听到"协议"就觉得抽象，其实 MCP 只规定了三件事：

工具发现——工具怎么介绍自己（我叫什么、能干什么、要什么参数）
工具调用——Agent 怎么调用工具（统一的请求格式）
结果返回——工具怎么回话（统一的响应格式）

为什么要搞这个？因为没有标准的时候太乱了：

查天气是 REST API，参数叫 city
查股票是 SDK，参数叫 symbol
发邮件是 SMTP，参数叫 to
每个工具的接入方式、鉴权、格式全不一样

有了 MCP 之后，工具接入就像插 U 盘——做一次标准适配，所有支持 MCP 的 AI 都能用。做工具的人不用给每家 AI 单独适配，做 AI 的人不用自己一个个接工具，双赢。

Q9：LLM 和 Agent 最核心的区别是什么？

LLM 是大脑，Agent 是「大脑 + 手 + 自主规划能力」的完整系统。

表格

概念	餐桌比喻	能做什么
LLM	食客的大脑	只会"想"和"说"
有 Tool 的 LLM	有手有脑子的食客	能夹菜，但你得告诉它夹哪盘
Agent	完整的人	自己决定先吃什么、后吃什么、不够了再叫什么

关键区别是自主性。普通聊天机器人是"你点一下，它动一下"；Agent 是"你给它一个目标，它自己想办法达成"。

一个完整的 Agent 执行流程：

plaintext

目标 → 规划 → 调用工具 → 观察结果 → 调整 → 再行动 → ... → 完成

这就是"计划→行动→观察→修正"的闭环。

Q10：Agent Skill 是什么？有必要吗？

Agent Skill 就是 Agent 的 SOP 手册，把一类任务的最佳实践沉淀下来。

用旋转餐桌的比喻：Skill 就是餐桌礼仪。

"先喝汤，再吃菜，最后上主食" → "先分析需求，再查资料，再写初稿，最后校对"
"吃西餐左手叉右手刀" → "写代码先写测试用例，再写实现"
"不同场合不同礼仪" → "不同任务有不同 Skill"

没有 Skill 行不行？行，就像不懂礼仪也能吃饭。但：

容易出糗（犯低级错误）
效率低（每次都想半天）
不稳定（有时候好有时候糟）
不可复制（这次好，下次不一定）

Skill 的意义，就是把"偶尔做好"变成"每次都做好"。

🧩 一张图串起所有概念

plaintext

食客本人（Agent）

├── 大脑（LLM）：负责思考和生成

├── 面前的旋转餐桌（Context）：

│ ├── 永远在对面的主菜（System Prompt）

│ ├── 各种菜品（历史对话、资料、工具返回结果）

│ └── 刚点的菜（User Prompt）

├── 桌面大小（Context Window）：决定能同时放多少菜

├── 后厨菜单（RAG/知识库）：不用全摆上桌，需要再端

├── 手里的餐具（Tool）：刀叉筷勺，各有用途

├── 餐具标准（MCP）：统一接口，即插即用

└── 用餐礼仪（Skill）：经验沉淀的固定流程

🧠 文末自测：你掌握了吗？

来做 8 道题，检验一下理解程度。答案在最后。

题目

"Context Window" 指的是什么？
- A. 模型一次能生成的最大字数
- B. 模型一次能处理的最大 Token 量（能"看到"的信息总量）
- C. 模型能记住多少天前的对话
- D. 模型训练时用了多少数据
System Prompt 和 User Prompt 的关系，以下哪个说法最准确？
- A. 两者是一回事，只是叫法不同
- B. User Prompt 是用户写的，优先级更高
- C. System Prompt 是开发者设定的规则，通常优先级更高
- D. System Prompt 只在第一次对话时生效
用"旋转餐桌"的比喻，搜索工具最像什么？
- A. 一双很长的筷子，能伸到餐厅外去"夹"外面的信息
- B. 一个大碗，能装很多菜
- C. 一张更大的桌子，能放下更多菜
- D. 服务员，专门负责端菜上桌
LLM 和 Agent 最核心的区别是什么？
- A. Agent 用的模型更大更聪明
- B. LLM 只能生成文本，Agent 能自主规划、调用工具、形成执行闭环
- C. Agent 比 LLM 更快
- D. LLM 是免费的，Agent 是付费的
为什么说"长上下文不一定越好"？以下哪个原因不对？
- A. 信息太多，模型容易抓错重点（Lost in the Middle）
- B. 上下文越长，成本越高（按 Token 计费）
- C. 长上下文的模型推理速度慢
- D. 上下文越长，模型的语言能力越差
MCP（Model Context Protocol）的主要作用是什么？
- A. 让模型变得更聪明
- B. 提供一种标准化的工具接入协议，让工具可以即插即用
- C. 扩大模型的上下文窗口
- D. 让模型训练更快
当对话太长导致 Context 被截断时，以下哪种策略对保持对话质量最有效？
- A. 什么都不做，模型自己会想起来
- B. 把前面的对话压缩成摘要（Summary），腾出空间
- C. 把重要信息结构化存储，需要时再检索（RAG + 记忆系统）
- D. 每次都重新说一遍所有背景
以下是 AI 能力演进的几个阶段，按从底层到上层的顺序排列，正确的是？
- A. LLM → Tool → Prompt → Agent → MCP → Skill
- B. LLM → Prompt + Context → Tool → MCP → Agent → Skill
- C. Agent → LLM → Tool → Skill → MCP → Context
- D. Tool → LLM → Context → Prompt → Skill → Agent → MCP