天天聽人說Token、Skill、Agent、多模態，到底是啥？AI名詞解釋

週五晚上十點，你癱在沙發上。朋友羣裏彈出一條：明天去哪玩？

懶得一個個 App 翻，你打開 AI 打了一行字："週末帶倆朋友去哪玩，一人預算五百"。

屏幕上開始一個字一個字往外蹦。

就這幾秒，背後跑完了一整套東西。那些你天天聽見的名詞，Token、Context、Prompt、Skill、Tool、MCP、Agent，全在這條線上。

跟着這句話走一遍，你就全懂了。

第一步 Token：你的話被切成了小塊

AI 不是整句吞下去的，它眼裏只有一小塊一小塊的東西，每一塊叫一個 Token。

就像樂高，得先把句子拆成積木它纔拿得動。"週末"是一塊，"朋友"是一塊，有時倆字才拼一塊，怎麼切它自己定。

第二步 Context：AI 其實沒有記憶

你以爲說了"倆朋友""預算五百"，它記住了。不是的。它每次都把聊過的內容重新看一遍。

就像找人幫忙，得先把前情複述一遍："上次說的那個事啊，後來又……"

你剛打的話、聊天記錄、後臺定的規矩，這些每次遞過去的東西，加起來叫 Context（上下文）。

它是有上限的，叫上下文長度。平時聽到的"支持 1M 上下文"，說的就是這個。丟一份超長攻略進去，就裝不下了。

第三步 Prompt：有兩種提示詞

你那句"週末帶倆朋友去哪玩"，叫 User Prompt（用戶提示詞）。

還有一層你看不見的：產品後臺提前寫好的規矩，比如"回答要貼心，多給幾個選項，別替用戶拍板"，這就是 System Prompt（系統提示詞）。

一個是顧客點的菜，一個是廚房的規章。

前幾年很火的提示詞工程，說到底也就是把話說清楚。

第四步 LLM：它其實只會接話

底層的大模型，全名叫 Large Language Model，就是 LLM。

它的本事很樸素：根據前面的內容，猜下一個最可能出現的詞。猜一個接一個，像玩文字接龍。

你感覺它在聊天，本質上是它接話接得太像了。

幻覺：它會一本正經地瞎編

它只管接得像不像，不管說得對不對。

你問它"附近哪家店好喫"，它可能報出一家壓根不存在的店，還有模有樣編個地址。

這叫幻覺。記住一條：語氣篤定不等於事實，要緊的事自己再核一遍。

多模態：它還能看圖

你發過去一張朋友想去的景點截圖，它看得懂。

早些年的大模型只認字，現在很多能看懂圖、聽懂聲音，甚至看視頻。這就叫多模態。

第五步 Tool：它只有嘴，沒有手

它再會接話也只是在說，沒法真幫你幹活。

你問它週末天氣，它自己查不了，只會說"你可以打開天氣 App 看看"。

要讓它真能幹，就得給它裝上手，這就是 Tool（工具）。

工具不是它自帶的。背後得有人搭個橋，把你的問題、能用哪些工具一起遞過去，它挑一個，橋替它調用、再把結果拿回來。這一套就叫工具調用。

第六步 MCP：接口太亂，於是有了統一插座

麻煩在於，每家工具的接入方式都不一樣。

查天氣的工具來自一家，地圖工具來自另一家，接進 AI 時各寫一套代碼。

於是有人定了套統一標準，叫 MCP。

你可以把它想成 Type-C 接口。插口統一了，一個工具寫一次，哪家都能用。

第七步 Agent：從會說話，到會辦事

到這兒還差一步：工具擺在那兒，得會自己安排着用。

Agent（智能體）乾的就是這個：自己規劃、自己挑工具、一步步做下去，直到把事辦完。

比如你要一份週末方案，它不是甩給你十個景點，而是自己排好：

中間不用你催。

Claude Code、Codex 這些，都是 Agent。

第八步 Agent Skill：每次都教一遍太累

要是每週都這麼問一次，每次都得重新交代，煩。

於是有了 Agent Skill，一份寫給 AI 看的說明書。

把規劃週末這個活寫清楚：先問預算、再查天氣、給三個方案、避開太遠的。存好放在指定位置，下次你說一句"按老規矩來"，它自己翻出來照做。

串起來看

週五晚上那行字，背後是這樣的：

你的話 → 被切成 Token → 和聊天記錄一起打包成 Context → 模型（LLM）接着往下猜 → 需要幹活就調用 Tool → 工具按 MCP 標準接入 → 由 Agent 自己規劃着一步步做完 → 複雜流程提前寫好 Agent Skill 給它照做。

跑完這一整套，幾秒鐘。Claude Code、Codex、各種 AI 助手，底層跑的都是這一套。

喜歡本文，關注、長按點贊一鍵三連哦~

你有哪些 AI 名詞分享？評論區聊聊