AI 核心概念解析
这些术语你了解多少？本文旨在厘清 AI 领域的关键概念。所谓智能体，本质上是由多个无需独立智能的模块组合而成；许多新概念不过是旧技术的重新包装。
涉及关键词： LLM, Prompt, Context, Memory, Agent, RAG, Function Calling, MCP, Skill, Sub-Agent
第一步：语言模型的发展
一切混乱的起点是语言模型。早期的模型功能受限，主要进行简单的文字接龙。但随着参数规模不断膨胀，在某个临界点，它涌现出了真正的智能。
为了区分早期模型，我们在前面加了个'大'字：
词汇① 大语言模型（LLM）
LLM 本质上只做一件事：根据上文，预测下一个字。如果只是这么用，它的表现仍然有限。
小模型（功能受限阶段）
|
参数不断增大
|
大语言模型 LLM（涌现出智能）
把 LLM 想象成你的员工
把自己想象成一个老板，LLM 是你的员工，就叫他「小 L」。小 L 服务你的方式很特别：只能一问一答，问完就结束，不能追问。这个特点非常关键。
你们每次的对话，你给它起了个洋气的名字：
词汇② Prompt（提示词）
仔细观察每次对话，你发现里面的内容可以细分：有的是背景信息，有的是最终指令。于是背景信息那部分，你单独起名叫：
词汇③ Context（上下文）
第二步：让小 L 记住你
问题来了：小 L 只能一问一答，如何追问？
你想了个聪明的办法——把历史对话塞进 Context，每次提问前带上之前的所有交流记录，伪装成连续对话。
词汇④ Memory（记忆）
随着对话越来越长，Memory 会越来越大，占用大量上下文空间。于是你又让 LLM 对历史记录进行压缩总结，减少长度，提高效率。
追加到
你的第 N 次问题（Prompt）
|
📦 拼装后发给 LLM
|
历史对话记录（Memory / Context）
|
小 L 回答
小结： 到目前为止，你已经发明了 4 个新词：
LLM,Prompt,Context,Memory。一个原本只会词语接龙的小 L，现在已经可以进行有记忆的连续对话了。
第三步：给小 L 配上工具
你很快发现小 L 有个致命缺陷：它不会上网查资料，给的信息要么过时，要么是瞎编的。
最简单的解法是：你帮它查，查完再告诉它。但这样一来，到底谁是执行者？
于是你把'上网搜索'这个动作写成了一段程序，让程序替你跑腿，自动完成搜索然后把结果喂给小 L。
词汇⑤ Agent（智能体）
⚠️ 别被这个名字唬住。早期很多所谓'智能体'，实现逻辑不过是多加了一段 Prompt 而已——换个名字就敢叫智能体，略显夸大。
