天天听人说Token、Skill、Agent、多模态，到底是啥？AI名词解释

周五晚上十点，你瘫在沙发上。朋友群里弹出一条：明天去哪玩？

懒得一个个 App 翻，你打开 AI 打了一行字："周末带俩朋友去哪玩，一人预算五百"。

屏幕上开始一个字一个字往外蹦。

就这几秒，背后跑完了一整套东西。那些你天天听见的名词，Token、Context、Prompt、Skill、Tool、MCP、Agent，全在这条线上。

跟着这句话走一遍，你就全懂了。

第一步 Token：你的话被切成了小块

AI 不是整句吞下去的，它眼里只有一小块一小块的东西，每一块叫一个 Token。

就像乐高，得先把句子拆成积木它才拿得动。"周末"是一块，"朋友"是一块，有时俩字才拼一块，怎么切它自己定。

第二步 Context：AI 其实没有记忆

你以为说了"俩朋友""预算五百"，它记住了。不是的。它每次都把聊过的内容重新看一遍。

就像找人帮忙，得先把前情复述一遍："上次说的那个事啊，后来又……"

你刚打的话、聊天记录、后台定的规矩，这些每次递过去的东西，加起来叫 Context（上下文）。

它是有上限的，叫上下文长度。平时听到的"支持 1M 上下文"，说的就是这个。丢一份超长攻略进去，就装不下了。

第三步 Prompt：有两种提示词

你那句"周末带俩朋友去哪玩"，叫 User Prompt（用户提示词）。

还有一层你看不见的：产品后台提前写好的规矩，比如"回答要贴心，多给几个选项，别替用户拍板"，这就是 System Prompt（系统提示词）。

一个是顾客点的菜，一个是厨房的规章。

前几年很火的提示词工程，说到底也就是把话说清楚。

第四步 LLM：它其实只会接话

底层的大模型，全名叫 Large Language Model，就是 LLM。

它的本事很朴素：根据前面的内容，猜下一个最可能出现的词。猜一个接一个，像玩文字接龙。

你感觉它在聊天，本质上是它接话接得太像了。

幻觉：它会一本正经地瞎编

它只管接得像不像，不管说得对不对。

你问它"附近哪家店好吃"，它可能报出一家压根不存在的店，还有模有样编个地址。

这叫幻觉。记住一条：语气笃定不等于事实，要紧的事自己再核一遍。

多模态：它还能看图

你发过去一张朋友想去的景点截图，它看得懂。

早些年的大模型只认字，现在很多能看懂图、听懂声音，甚至看视频。这就叫多模态。

第五步 Tool：它只有嘴，没有手

它再会接话也只是在说，没法真帮你干活。

你问它周末天气，它自己查不了，只会说"你可以打开天气 App 看看"。

要让它真能干，就得给它装上手，这就是 Tool（工具）。

工具不是它自带的。背后得有人搭个桥，把你的问题、能用哪些工具一起递过去，它挑一个，桥替它调用、再把结果拿回来。这一套就叫工具调用。

第六步 MCP：接口太乱，于是有了统一插座

麻烦在于，每家工具的接入方式都不一样。

查天气的工具来自一家，地图工具来自另一家，接进 AI 时各写一套代码。

于是有人定了套统一标准，叫 MCP。

你可以把它想成 Type-C 接口。插口统一了，一个工具写一次，哪家都能用。

第七步 Agent：从会说话，到会办事

到这儿还差一步：工具摆在那儿，得会自己安排着用。

Agent（智能体）干的就是这个：自己规划、自己挑工具、一步步做下去，直到把事办完。

比如你要一份周末方案，它不是甩给你十个景点，而是自己排好：

中间不用你催。

Claude Code、Codex 这些，都是 Agent。

第八步 Agent Skill：每次都教一遍太累

要是每周都这么问一次，每次都得重新交代，烦。

于是有了 Agent Skill，一份写给 AI 看的说明书。

把规划周末这个活写清楚：先问预算、再查天气、给三个方案、避开太远的。存好放在指定位置，下次你说一句"按老规矩来"，它自己翻出来照做。

串起来看

周五晚上那行字，背后是这样的：

你的话 → 被切成 Token → 和聊天记录一起打包成 Context → 模型（LLM）接着往下猜 → 需要干活就调用 Tool → 工具按 MCP 标准接入 → 由 Agent 自己规划着一步步做完 → 复杂流程提前写好 Agent Skill 给它照做。

跑完这一整套，几秒钟。Claude Code、Codex、各种 AI 助手，底层跑的都是这一套。

喜欢本文，关注、长按点赞一键三连哦~

你有哪些 AI 名词分享？评论区聊聊