随着各类大模型频繁迭代，Claude、GPT、DeepSeek 等技术的升级让我们对 AI 的能力充满期待。但你是否真正理解如何用好它们？除了基础的对话，现代 AI 应用还涉及 User Prompt、System Prompt、Agent、Function Calling、MCP、RAG 以及上下文窗口等关键概念。
一、什么是所谓的 user prompt
最早的 GPT 其实只是个'高级点的聊天机器人'。你给它一句话（user prompt），它给你一句话回答。
它能聊天、能写文章、能解释代码，但不能真的帮你做事。比如你说：'帮我把 C 盘的 hello_world.cpp 移动到 D 盘，并总结内容'，它最多告诉你'应该怎么做'，但不会真的帮你操作文件。
这就引出了 —— AI Agent，让 AI 真正去执行任务。
二、user prompt 和 system prompt
在讲 Agent 之前，我们先把基础打牢。
1、user prompt（用户提示词）
就是你在对话框里输入的内容。
你好
早期 GPT 只有 user prompt。模型没有人格设定、没有角色设定，只是普通问答。
2、system prompt（系统提示词）
后来人们发现，可以给模型'设定人设'。比如：
你是一个傲娇的程序员，说话尽量傲娇，最好带 emoji。
这个提示不让用户看到，但每次请求都会和 user prompt 一起发给模型。于是模型有了性格、风格和行为约束。
本质上：
user prompt = 你说的话 system prompt = 模型的隐藏设定
三、AI Agent 是怎么让 AI 干活的？
现在进入核心。
1、AI 的问题
AI 本身只能输出文本，不能操作系统、读文件或访问数据库。所以它只能'动脑'，不能'动手'。
2、Agent 的出现
AI Agent 本质上就是一段程序。它的作用是协调用户、AI 和工具之间的关系。
| 角色 | 职责 |
|---|---|
| AI | 思考和决策 |
| Agent | 协调和调度 |
| Tool | 实际执行 |
3、举个完整流程例子
用户说：'读取 C 盘 hello_world.cpp，移动到 D 盘，并总结内容'。
整个交互过程其实是一个闭环：Agent 先向 AI 展示可用工具列表，比如 read_file 或 move_file；AI 根据意图决定调用 read_file，Agent 随即执行并回传内容；接着 AI 规划 move_file，Agent 完成操作，最后由 AI 生成总结反馈给用户。
规划 → 执行 → 反馈 → 再规划 → 交付
四、Function Calling：工具调用的标准化革命
早期的 Agent 实现中，AI 往往需要'猜测'如何调用工具。比如天气查询工具 check_weather(city, date)，AI 可能会直接返回'上海 明天'，导致参数顺序错误或缺失字段。
于是就出现了 。它把工具描述从 system prompt 中剥离，用 JSON 格式统一定义函数名、介绍和参数字段，规范 AI 调用工具的回复格式。
