GitHub 项目解读AI 应用与工具平台运营实战工具与资源学习与成长每日收录视频精读主题库标签库作者库

大白话讲解 20 个常见 AI Agent 名词，新手小白友好！

文章用一个「养一只小猫」的比喻，从 LLM、prompt、token、context、memory、context window，一路讲到知识库、RAG、多模态、tool 与 tool calling、MCP、skill，再到 planner、loop、harness、model、memory、tool 六个组件构成的 agent，并在结尾用一张对照表汇总 20 个常见 AI Agent 名词。作者在开头说明，为了方便非技术背景读者理解，行文中舍弃了一部分严谨性。

原作者：Hytidel聊商业（文章更多干货）

一个故事带你搞懂 20 个常见的 AI Agent 名词。

（为了方便非技术背景的读者理解，舍弃了一部分严谨性，但大体意思是正确的）

1. LLM：小猫的大脑

假设你有一只小猫，它的大脑叫 LLM（Large Language Model，大语言模型），有时也简称为 大模型。不过严格来说，「大模型」不只包括大语言模型。

这只小猫性格内向，平时不会主动和你说话，只有在你提问时才会回答。它有时也不太聪明，可能会胡言乱语，或者编造一些不存在的内容。这种现象叫 hallucination（幻觉）。

LLM 大语言模型是这只小猫大脑的示意图

2. Prompt：你跟小猫说的话

假期快到了，你打算去广州旅游，现在需要做一份旅游规划。于是，你问小猫：「帮我做一份广州的旅游规划。」

你向 LLM 提出的问题，就叫 prompt（提示词）。

用户向小猫提问也就是写 prompt 的场景

3. Token：小猫处理文字的基本单位

小猫回答问题前，需要先理解你说的话。它会把你发来的内容拆成若干个片段。不同的 LLM，切分方式可能不一样，例如：

帮｜我｜做｜一份｜广州的｜旅游｜规划

每个片段都是小猫能够处理的基本单位，叫 token（词元）。同样，小猫回答问题时，也会一个 token、一个 token 地输出。

把一句话拆成若干 token 片段的示例

4. Context：小猫当前能看到的信息

理解你的问题后，小猫发现自己还不能回答，因为它不知道你几号出发、几个人去，以及有哪些饮食偏好。

小猫能够看到、并用于生成回答的信息，叫 context（上下文）。

小猫当前能看到的信息即 context 的示意

5. Memory 和 Context Window：小猫的记忆与容量

你把「09.31 号出发，0.5 个人去，喜欢吃 -273.15℃ 的美食」这些基本信息告诉小猫后，它回复了一个「？」。

这时你想起来：原来小猫很健忘，它不记得刚才聊了什么，只看得见你最近一次发来的消息。于是，你把之前的聊天信息和其他状态信息保存到一个叫 memory（记忆） 的东西里。下次向小猫提问时，再把 memory 一起发给它，也就是放进小猫的 context 中，这样它就知道之前在聊什么了。

memory 保存历史对话后再放进上下文的过程

不过，小猫的脑容量有限。如果一次给它太多内容，它可能只能看见其中的一部分。小猫一次请求能够处理的 context 上限，叫 context window（上下文窗口）。

小猫一次能处理的 context window 容量上限

6. Knowledge Base、RAG 和 Multimodal：给小猫提供资料

你把前面的对话一起发给小猫后，它知道你在说什么了，但还是不能回答，因为它不知道广州有哪些旅游景点。

为了解决这个问题，你给小猫提供了《广州旅游景点攻略》《广州美食大全》《广州富婆通讯录》等资料，组成一个「广州旅游 knowledge base（知识库）」。

为小猫准备的广州旅游知识库资料集合

小猫不会把这些书全部塞进 context，而是先从知识库中检索与问题相关的内容，再把这些内容放入 context。这个过程叫 RAG（Retrieval-Augmented Generation，检索增强生成）。有了这些信息，小猫就可以制定旅游攻略，告诉你应该去哪些景点。

RAG 先检索知识库再把内容放进上下文的流程

这里还有一个细节：知识库里可能不只有文本，还包括图片（比如富婆的照片）、视频（比如富婆的跳舞视频）和音频（比如富婆的歌声）。小猫也需要能够理解和处理这些文件格式。

文本、图片、视频、音频等不同的信息形态，叫作 modality（模态）。如果 LLM 具备理解和处理至少两种 modality 的能力，我们就说它是 multimodal（多模态） 的，也就是大家经常听到的 MLLM（Multimodal Large Language Model，多模态大模型）。

文本、图片、音频等不同模态的信息形态

7. Tool 和 Tool Calling：让小猫获取外部信息

你对旅游规划很满意，于是继续让小猫查询 10 月 1 日当天广州的天气和车票。

小猫摇了摇头，说自己只能根据大脑中已有的信息，以及你提供的知识库来回答，没办法知道当天的天气和景点活动。

你说这好办，于是给小猫接上网线，并配置了一些工具。现在，它变成了「光猫」（x）。

小猫调用「查询天气」工具，查到广州当天是晴天；又调用「联网搜索」工具，查到当天还有这些车票。

这些用于获取外部信息或执行动作的能力，统称为 tool（工具）。小猫调用这些工具的过程，叫 tool use / tool calling（工具调用）。

小猫调用查询天气工具查到广州当天是晴天

虽然小猫帮你查到了车票，但你仍然需要自己动手买票。你心想：「要是小猫能直接帮我把票买了，该多好。

于是，你给小猫安装了订票系统的 tool。这样，你只需要对小猫说一句「帮我订早上 7 点的票」，它就能直接帮你把票订好。

小猫通过订票工具直接帮用户把票订好

8. MCP：让不同工具遵守统一规范

虽然小猫顺利完成了任务，但你很快想到：每个人都可以开发自己的工具，再接入这只小猫，让它获得不同的能力。然而，不同的人写的工具可能有不同的格式。如果小猫看不懂别人的工具，不就没法使用了吗？

于是，你制定了一套工具接入规范，并告诉所有工具提供者：「以后想把工具接入我的小猫，就全部按照这个统一格式来写。」

这套统一的规范，叫 MCP（Model Context Protocol，模型上下文协议）。它可以让 AI 应用以统一方式连接外部工具、资源和提示。

让所有工具按统一格式接入小猫的 MCP 规范

9. Skill：可复用的任务说明书

这时，你又想到：每换一个旅游景点，都要手动完成旅游规划、查天气、订票等步骤，实在太麻烦了。

于是，你写了一份「旅游小助手」说明书，里面包含每个步骤的详细说明，以及需要使用的模板、参考资料和脚本。以后去其他城市旅游时，你只需要告诉小猫目的地，再让它按照这份说明书执行，就能让小猫帮你完成全部流程。

这种可复用的任务说明书，叫 skill（技能）。

可复用的旅游小助手任务说明书示例

10. Agent：能自行规划和执行任务的系统

这时，你又想到：如果每件事都要由你提前写清楚步骤，再交给小猫执行，还是太麻烦了。要是只给小猫一个任务，它就能自己想办法，并把事情做完，那就更好了。

于是，你又给小猫装上了几个组件：

  • planner（规划器）：把一个大目标拆成多个子任务。
  • loop（循环）：只要目标还没有达成，就持续执行任务；除非用户中途打断、被策略拦截，或者预算用尽。
  • harness（执行约束 / 挽具）：一系列用于约束和管理小猫执行任务的规则，例如沙盒和权限。比如，小猫只能在家里活动，不能跑出家门，也不能删除你的文件。

再加上前面讲过的三个组件：

  • model（模型）：也就是 LLM，相当于小猫的大脑。
  • tool（工具）：小猫可以调用的外部能力。
  • memory（记忆）：小猫执行任务时保存的历史信息。
planner、loop、harness 等 6 个组件的组合关系

这 6 个组件结合起来，就组成了一个能够像人一样自行规划和执行任务，并根据中间结果继续规划、调用工具和调整步骤的「超级小猫」。这样的系统叫 agent（智能体）。

能自行规划和执行任务的超级小猫 agent

小猫 agent 并不是来替代你的，而是你的得力助手。它负责执行任务，你负责决定应该做什么，并判断它的执行结果是否可信。

只有人和 agent 互相配合，才能更高效地完成各种事情。

人和 agent 互相配合完成任务的示意

20 个常见 AI 名词回顾

  • LLM（Large Language Model），大语言模型：能理解和生成自然语言的模型。
  • hallucination，幻觉：模型生成看似合理、实际不存在或错误的信息。
  • prompt，提示词：用户交给模型的任务要求或问题。
  • token，词元：模型处理文本时使用的基本单位，可能是字、词的一部分、标点等。
  • context，上下文：模型当前可以看到、用于生成回答的信息。
  • memory，记忆：应用保存的历史对话、用户资料或其他状态信息。
  • context window，上下文窗口：模型一次请求能够处理的上下文容量上限。
  • knowledge base，知识库：为模型准备的资料的集合。
  • RAG（Retrieval-Augmented Generation），检索增强生成：先检索相关资料，再将资料放入上下文，辅助模型生成回答。
  • modality，模态：信息的形式，例如文字、图片、音频或视频。
  • multimodal，多模态：能处理至少两种信息形式的模型或系统。
  • tool，工具：模型可以调用、用于获取信息或执行动作的外部能力。
  • tool use / tool calling，工具调用：模型向外部程序发出工具调用请求，并调用外部工具完成任务的过程。
  • MCP（Model Context Protocol），模型上下文协议：让 AI 应用以统一方式连接外部工具、资源和提示的开放协议。
  • skill，技能：为某类任务准备的可复用指令、模板、资料和脚本集合。
  • planner，规划器：把一个大目标拆分成多个子任务的组件。
  • loop，循环：让系统反复执行「规划、行动、检查、调整」的过程。
  • harness，执行约束 / 挽具：负责约束和管理 agent 执行过程的规则、权限、沙盒等机制。
  • model，模型：负责理解输入、进行推理并生成输出的核心模型。
  • agent，智能体：能根据目标自行规划、调用工具、检查结果并调整步骤的系统。

往期内容

【公众号】Hytidel聊商业

【公众号】Hytidel聊AI

关于作者

Hytidel | 03 年创业者 & 商业操盘手 & 声乐爱好者 | 商业战略咨询 & AI赋能学习/教育/科研 & 企业AI转型

朋友圈更多干货内容，欢迎链接和围观（添加时备注来意）：yjsjy0

朋友圈更多干货内容，欢迎链接和围观（添加时备注来意）：yjsjy0
标签
MCPRAGSkill多模态概念科普

本文提及与引用

原文提到的内容里，已在本站整理好的可以直接接着读；标注「原文来源」的还没有整理成站内文章。

引用本文的整理

因为讨厌背单词，我手搓了一个神器🛠️对标 Codex！最适合国内用户使用的 Agent 产品

内容核验说明

用养猫的比方把 LLM 到 agent 的 20 个名词串成一条线，结尾对照表可以当查阅卡片。它的用处是给非技术读者一张互相挂钩的名词地图，看完至少知道 context、memory、RAG 分别在说什么，适合刚接触 AI、被英文术语挡住的人。作者开头就说明舍弃了部分严谨性，比喻带来的简化偏差需要另行核对，术语解释未经本站独立验证。

文中没有实测数据或可核验案例，作者在开头自述为方便理解舍弃了一部分严谨性；诀.com 未独立验证各术语定义与比喻对应关系，涉及概念边界处建议对照官方文档或权威资料。

原始来源

原作者：Hytidel聊商业（文章更多干货）（@HytidelLegend）

本文对公开来源内容进行了结构化整理，原观点与内容归原作者所有。

查看原文