1. LLM（Large Language Model）
大语言模型，当前 AI 的核心底座。
- 本质：超大规模神经网络
- 能力：理解语言、生成文本、写代码、推理、总结、对话
- 代表：GPT-4、Claude、Llama、文心一言、通义千问、字节豆包
2. Token
LLM 读写文字的最小单位，像 “文字原子”。
中文：1 个 Token ≈ 1~2 个汉字
英文：1 个 Token ≈ 3~4 个字母
作用：
- 模型按 Token 计费 / 限长度
- 决定上下文能装多少内容
- 影响生成速度
3. Context（上下文 / 上下文窗口）
模型当前 “记得” 的所有内容，包括：
- 历史对话
- 你上传的文档
- 系统提示
- 模型刚生成的内容
Context Window = 最大能记住的 Token 数量
比如 8K、16K、32K、128K 都是指 Token 上限。
4. Prompt（提示词）
你发给模型的指令，决定模型怎么回答。
系统 Prompt：设定角色、规则、风格
用户 Prompt：具体问题 / 任务
好 Prompt = 清晰角色 + 明确任务 + 格式要求 + 示例
5. Tool（工具）
LLM 本身不会联网、不会计算、不会操作软件，
通过调用外部工具扩展能力：
- 计算器
- 搜索引擎（联网）
- 代码解释器
- 文件读写
- API 调用
- 数据库查询
6. MCP（Tool Calling / Function Calling 标准）
MCP 是工具调用的标准化协议（类似通用 “插座规范”），
让模型能统一、稳定、结构化调用各种工具：
- 决定什么时候调用工具
- 传什么参数
- 解析返回结果
- 决定下一步做什么
现在主流 AI 框架都在向 MCP 标准化靠拢，让跨模型、跨工具更通用。
7. Agent（智能体）
能自主思考、规划、执行、反思的 AI，不是简单问答。
一个 Agent = LLM 大脑 + Context 记忆 + Tool 能力 + 规划逻辑
它会：
- 理解你的目标
- 拆解步骤
- 选择工具 / 行动
- 执行并观察结果
- 修正、迭代直到完成任务
8. Agent Skill（智能体技能）
Agent 可复用的专业能力模块，类似 “技能包”。
例如：
- 搜索总结 Skill
- 写代码 Skill
- 数据分析 Skill
- 邮件自动处理 Skill
- 表格处理 Skill
- 多步骤任务规划 Skill
Skill 让 Agent更专业、更稳定、可组合。