你肯定见过这些词：LLM、Token、Context、Prompt、Agent、Skills、MCP、Knowledge、Memory、RAG、Workflow ……

看起来很复杂？别担心，今天我用最直白的话，帮你一次性搞懂这些 AI 核心概念。

看完这篇文章，你就能跟任何人聊 AI 了。

LLM（大语言模型）- AI 的"大脑"

---

LLM 就是负责思考的 AI。

比如 GPT-4、Claude、文心一言，它们都能理解你说的话，能推理，能生成内容。

就像人的大脑一样，LLM 是 AI 系统的核心，负责思考和决策。

你能用 LLM 做什么？

• 写文章、写代码
• 回答问题
• 分析数据
• 翻译语言

Token（词元）- AI 的"处理单位"

---

Token 是 AI 处理文本的最小单位。

不是按字，也不是按词，而是按"Token"来算。比如：

• “artificial intelligence” = 2 个 Token
• “人工智能” = 2-4 个 Token（取决于分词方式）

为什么要懂这个？

• AI 收费按 Token 算：GPT-4 处理 1000 个 Token 要多少钱？
• 上下文限制按 Token 算：GPT-4 一次能处理多少内容？

简单理解：Token 就像是 AI 的"积木块"，它一块一块地处理你的文字。

Context（上下文）- AI 的"记忆容量"

---

Context 是 AI 能记住的内容范围。

你跟 AI 聊天，它能记住前面说的话，这就是 Context。但容量有限：

• GPT-3.5：4K Token（约 3000 字）
• GPT-4：8K-128K Token
• Claude：最高 200K Token

超过限制会怎样？

AI 就"忘"了前面的内容。所以聊久了，AI 会重复问你说过的话。

实际影响：Context 越大，AI 能记住的对话历史越长，处理长文档的能力越强。

Prompt（提示词）- 你给 AI 的"指令"

---

Prompt 就是你告诉 AI 要做什么。

• “帮我写篇文章” - 这是 Prompt
• “用简单的语言解释量子力学” - 这也是 Prompt

Prompt 的质量决定输出质量：

• ❌ 差的 Prompt：“写篇文章” → AI 不知道写啥
• ✅ 好的 Prompt：“写一篇面向小白的 AI 入门文章，用大白话，举实际例子”

关键：Prompt 越清晰、越具体，AI 干得越好。

Agent（智能体）- 能自己干活的 AI

---

Agent 不只是回答问题，而是能自己完成任务的 AI。

普通 AI：你问，它答 Agent：你给目标，它自己想办法完成

Agent 能做什么？

• 理解你的目标
• 规划执行步骤
• 调用各种工具
• 执行并调整计划

例子：

• 你：“帮我订明天去上海的机票”
• Agent：查日程 → 搜航班 → 对比价格 → 下单 → 确认

关键区别：Agent 能自主规划和执行，不只是被动回答。

Skills（技能）- Agent 的"技能包"

---

Skills 教 Agent 具体该怎么做事。

比如：

• 会搜索互联网
• 会读 Excel 文件
• 会写代码
• 会发邮件

每个 Skill 里面包含了SOP（标准作业流程）：

1. 第一步怎么做
2. 遇到问题怎么办
3. 怎么判断做完了

实际意义：Skills 把"怎么做"打包成 Agent 能直接用的能力，让它不用每次都从零学起。

MCP（Model Context Protocol）- 统一的工具接口

---

MCP 让 Agent 能连接各种工具，就像 USB 接口统一了各种设备。

以前每个工具都有自己的接口，Agent 要一个一个对接，很麻烦。

有了 MCP：

• GitHub、Notion、飞书、Slack……
• 只要支持 MCP，Agent 就能直接用

价值：不用为每个工具单独开发接口，大大扩展了 Agent 的能力范围。

Knowledge（知识库）- Agent 的"参考资料"

---

Knowledge 是 Agent 能查阅的资料库。

比如：

• 公司的产品手册
• 技术文档
• 历史案例
• 行业知识

知识库 vs 训练数据：

• 训练数据：AI 学习时用的（比如 GPT-4 训练时看了整个互联网）
• 知识库：你可以自己添加、更新，是你的私有数据

实际应用：Agent 遇到不懂的，可以去知识库里查，而不是只靠训练时的记忆。

Memory（记忆）- Agent 的"记忆系统"

---

Memory 让 Agent 能记住你。

分两种：

1. 短期记忆：当前对话的上下文（你刚才说了啥）
2. 长期记忆：跨对话的记忆（你的偏好、历史记录）

没有记忆的 Agent：

• 你：“帮我订明天的机票”
• Agent：“好的，请问您要订哪天的？”

有记忆的 Agent：

• 你：“帮我订明天的机票”
• Agent：“好的，为您查询明天从北京到上海的航班……”（因为它记得你常飞这条线）

价值：Memory 让 Agent 从"一次性工具"变成"老朋友"。

RAG（检索增强生成）- 让 AI 能"查资料"

---

RAG 是让 AI 先查资料再回答的技术。

流程：

1. 你提问
2. AI 先去知识库检索相关内容
3. 结合检索到的内容生成回答

为什么需要 RAG？

因为 AI 的训练数据是固定的，不会实时更新。

你问"最新的 iPhone 是哪款？"，AI 可能不知道（训练数据里没有）。

但有了 RAG，AI 可以先去网上搜一下，再回答你。

类比：RAG 就像是开卷考试，AI 可以翻书找答案，而不是只靠记忆。

Workflow（工作流）- Agent 的"执行流程"

---

Workflow 控制 Agent 按什么顺序执行任务。

就是 Agent 干活时的"控制逻辑"：

• 先做什么、后做什么
• 遇到分支怎么选择
• 出错了怎么处理

Workflow vs Skills：

• Skills：教 Agent “怎么做”（方法论）
• Workflow：控制 Agent “按什么顺序做”（执行流程）

实际应用：Workflow 确保 Agent 执行任务时有条不紊，不会乱了套。

总结：它们是怎么配合的？

---

把这些概念串起来，AI 系统的工作方式就是这样：

你给一个目标

↓LLM（大脑）理解你的意图

↓在 Context（记忆容量）范围内处理

↓用 Prompt（指令）指导方向

↓Agent（智能体）规划任务

↓用 Skills（技能）知道怎么做

↓用 Workflow（流程）控制执行

↓通过 MCP（接口）连接工具

↓用 Knowledge（知识库）查资料

↓用 Memory（记忆）记住你

↓用 RAG 检索最新信息

↓完成任务，给你结果

一句话总结

---

Agent 是能自己干活的 AI，LLM 是它的大脑，MCP 是连接工具的接口，Skills 是具体技能，Knowledge 是知识库，Memory 是记忆系统，Workflow 是执行流程，RAG 帮它查最新资料。

现在，你已经掌握了 AI 的核心概念！

普通人如何抓住AI大模型的风口？

领取方式在文末

为什么要学习大模型？

目前AI大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。

目前，开源人工智能大模型已应用于医疗、政务、法律、汽车、娱乐、金融、互联网、教育、制造业、企业服务等多个场景，其中，应用于金融、企业服务、制造业和法律领域的大模型在本次调研中占比超过 30%。

随着AI大模型技术的迅速发展，相关岗位的需求也日益增加。大模型产业链催生了一批高薪新职业：

人工智能大潮已来，不加入就可能被淘汰。如果你是技术人，尤其是互联网从业者，现在就开始学习AI大模型技术，真的是给你的人生一个重要建议！

最后

只要你真心想学习AI大模型技术，这份精心整理的学习资料我愿意无偿分享给你，但是想学技术去乱搞的人别来找我！

在当前这个人工智能高速发展的时代，AI大模型正在深刻改变各行各业。我国对高水平AI人才的需求也日益增长，真正懂技术、能落地的人才依旧紧缺。我也希望通过这份资料，能够帮助更多有志于AI领域的朋友入门并深入学习。

真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发
【附赠一节免费的直播讲座，技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等，欢迎大家~】

大模型全套学习资料展示

自我们与MoPaaS魔泊云合作以来，我们不断打磨课程体系与技术内容，在细节上精益求精，同时在技术层面也新增了许多前沿且实用的内容，力求为大家带来更系统、更实战、更落地的大模型学习体验。

希望这份系统、实用的大模型学习路径，能够帮助你从零入门，进阶到实战，真正掌握AI时代的核心技能！

01 教学内容

• 从零到精通完整闭环：【基础理论 →RAG开发 → Agent设计 → 模型微调与私有化部署调→热门技术】5大模块，内容比传统教材更贴近企业实战！

• 大量真实项目案例： 带你亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

02适学人群

应届毕业生‌： 无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌： 非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能突破瓶颈： 传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

vx扫描下方二维码即可
【附赠一节免费的直播讲座，技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等，欢迎大家~】

本教程比较珍贵，仅限大家自行学习，不要传播！更严禁商用！

03 入门到进阶学习路线图

大模型学习路线图，整体分为5个大的阶段：

04 视频和书籍PDF合集

从0到掌握主流大模型技术视频教程（涵盖模型训练、微调、RAG、LangChain、Agent开发等实战方向）

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路（不吹牛，真有用）

05 行业报告+白皮书合集

收集70+报告与白皮书，了解行业最新动态！

06 90+份面试题/经验

AI大模型岗位面试经验总结（谁学技术不是为了赚$呢，找个好的岗位很重要）

07 deepseek部署包+技巧大全

由于篇幅有限

只展示部分资料

并且还在持续更新中…

真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发
【附赠一节免费的直播讲座，技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等，欢迎大家~】