AI 时代核心概念解析：OpenClaw、Agent、Skill、Token 与 LLM
在技术圈交流时，你是否常听到 Agent、Token、Skill 这些词却一头雾水？别急，咱们用大白话把这些概念捋清楚，顺便看看它们之间是怎么配合的。
一切始于基础：大语言模型（LLM）
大语言模型（LLM）是 AI 领域的'超级大脑'。你可以把它想象成一个读遍了全世界图书馆的学者，什么都懂一点。你问它问题，它能理解并给出回答。GPT-4、Claude、Gemini、文心一言、通义千问，这些都是典型的 LLM。
以 OpenClaw 为例，当前使用的模型是 MiniMax-M2.5，这就是它的'大脑'，负责核心的思考与生成任务。
Token：语言的'像素'
Token 这个词有两种含义，得区分开：
- 词元：这是语言模型处理文本的最小单位。比如'你好'这两个字，在 LLM 眼里可能是 2 个 Token。模型不直接'看'字，而是把文字切成碎片处理。
- 令牌：这是访问系统的'身份证'，比如调用 API 时需要的凭证。
为什么 Token 很重要？它是 LLM 的'粮食'。模型一次只能处理固定数量的 Token，这叫'上下文窗口'。对开发者而言，Token 也等于费用——用得越多，成本越高。
简单理解：把 Token 想象成语言的'像素'。一张图片由无数像素组成，一段文字由无数 Token 组成。LLM 每次'看'文章，只能看固定数量的'像素'。
Agent：具备执行力的智能体
Agent（智能体）是 AI 时代的关键概念。普通的 AI 只能回答问题，而 Agent 不仅能回答，还能自主决策和执行。
举个例子：
- 普通 AI：你问'帮我订一张去北京的机票'，它会告诉你怎么订。
- Agent：你说'帮我订一张去北京的机票'，它真的会去查航班、比较价格、完成下单。
区别在于 Agent 有'手脚'，不只是动脑。其核心能力包括四个方面：
- 感知：接收信息（用户消息、文件、环境状态）
- 思考：分析问题、制定计划
- 行动：执行操作（发送消息、读写文件、调用工具）
- 学习：从经验中改进
在 OpenClaw 里，当前运行环境就是 agent=main，OpenClaw 本身就是一个 Agent 运行环境。
Skill：Agent 的技能集
Skill（技能）如果说 Agent 是'通用人才'，那 Skill 就是'专业证书'。有了某个 Skill，Agent 就能做特定的事情。
举几个 OpenClaw 中的 Skill 例子：
- feishu-doc：读写飞书文档
- feishu-wiki：管理飞书知识库
- browser：浏览器自动化
- weather：查询天气
- skill-creator：创建新技能
这就像传统开发要写代码、编译、运行，很麻烦。而有了 Skill，就像安装了一个 App，Agent 自动就会用这个功能。
OpenClaw：AI 应用的运行环境
OpenClaw 是一个 AI Agent 运行环境，你可以把它理解成 AI 手机的'操作系统'。
- OpenClaw = 安卓系统
- Agent = 手机上的 App
