一文彻底打通AI底层逻辑：从LLM到Agent，所有核心概念拆解透彻

原文作者：@VincentLogic

一、最底层：LLM大语言模型

LLM（Large Language Model），即大语言模型，是当前所有AI技术的核心引擎。市面上几乎所有大模型都基于Transformer架构训练而成。

历史脉络：Transformer架构由Google团队在2017年提出（论文《Attention Is All You Need》），但真正引爆全球的是OpenAI。
里程碑事件：2022年底：GPT-3.5横空出世，首个真正达到可用级别的大模型 2023年3月：GPT-4发布，将AI能力天花板拉到新高度如今：GPT家族仍是标杆，但Claude、Gemini等后起之秀已在各自领域同台竞技

大模型的本质是什么？极其朴素：一个文字接龙游戏。举例：当问"马克的视频怎么样？"，模型会：

预测下一个概率最高的词："特别"
将"特别"追加到输入后，再预测下个词："得"
继续追加，预测："棒"
最终输出完整回答："特别的棒"

这就是为什么大模型一个词一个词地输出答案——这是它最底层的运作机制。

二、大模型的"翻译官"：Token与Tokenizer

大模型本质是数学函数，只认数字不认文字。Tokenizer就是人类与模型间的翻译官，负责编码（文字→数字）和解码（数字→文字）。

Token切分过程：

切分：将文本拆成最小片段（token）
映射：将每个token对应到数字（token ID）

关键认知：Token ≠ 词语

中文例子："程序员"被拆成"程序"+"员"两个token
英文例子："helpful"被拆成"help"+"ful"两个token
极端情况：一个特殊字符可能需要3个token表示

经验值：

1个token ≈ 0.75个英文单词
1个token ≈ 1.5~2个汉字
40万token ≈ 60~80万汉字（相当于一本厚书）

三、临时记忆体：Context与Context Window

Context（上下文） = 大模型每次处理任务时接收到的信息总和，包括：

用户当前问题
对话历史
正在输出的token
工具列表
System prompt等

Context Window = Context能容纳的最大token数量

GPT-4.5：105万token
Claude 3.1 Pro：100万token
Cloudopus 4.6：100万token

100万token ≈ 150万汉字，足以装下《哈利波特》全集。

实战问题：如何处理超长文档？

当面对上千页的产品手册时，不可能全塞给模型。解决方案：RAG技术（Retrieval-Augmented Generation）

从文档中抽取与问题最匹配的片段
只将相关片段发给模型
既突破context window限制，又控制成本

四、指令的艺术：Prompt工程

Prompt = 给大模型的具体问题或指令

User Prompt：用户输入的问题（如"帮我写一首诗"）
System Prompt：开发者配置的人设和规则（用户不可见）

案例对比：

模糊Prompt："帮我写一首诗" → 可能生成现代诗、打油诗，不符合预期

精准Prompt："请帮我写一首五言绝句，主题是秋天的落叶，风格要明亮一点" → 生成内容精准符合需求

System Prompt的力量：配置："你是一个耐心的数学老师，不要直接给出答案，要引导学生思考" 当学生问"3+5=几？"，模型会回答： "可以这样想：你手里有3个苹果，又拿了5个，现在一共有多少个？可以数一数。" 而非直接说"8"。

行业真相：Prompt Engineering曾很火，但现在提的人越来越少。原因有二：门槛太低：本质就是"把话说清楚" 模型变强：即使提示模糊，也能猜出意图

五、感知世界的钥匙：Tool与MCP

大模型的致命弱点：无法感知外界环境问"今天上海天气如何？"，模型会回答："抱歉，我无法获取实时天气信息"

解决方案：Tool（工具）

Tool本质是一个函数：输入参数 → 执行操作 → 返回结果
例如天气查询工具：输入（城市+日期） → 调用气象接口 → 返回天气数据

完整工作流程：

用户问题发给平台（传话筒）
平台将问题+可用工具列表发给大模型
大模型分析后生成工具调用指令
平台调用对应工具
工具返回结果给平台
平台将结果发给大模型
大模型整理成自然语言回答用户

角色分工：

大模型：选择工具 + 汇总结果
工具：执行具体操作
平台：串联整个流程

痛点：每个平台工具规范不同

ChatGPT需按OpenAI规范接入
Claude需按Anthropic规范接入
Gemini需按Google规范接入 → 同一个工具要写三遍代码

终极解决方案：MCP（Model Context Protocol）

全称：模型上下文协议
本质：统一的工具接入标准
价值：工具开发者只需按MCP规范写一次代码，即可在所有支持MCP的平台使用 → 类似手机统一用Type-C接口

六、自主智能体：Agent与Agent Skill

Agent = 能自主规划、调用工具、持续工作直至完成任务的系统复杂任务示例："今天我这里天气怎么样？帮我查附近有没有卖雨伞的店"

Agent工作流程：

调用定位工具获取经纬度
调用天气工具查询天气
根据天气结果（如下雨），调用店铺工具搜索雨伞店
综合所有信息给出最终答案

痛点：每次都要重复输入个人规则例如出门助手场景：

下雨带伞、光照强戴帽子、空气差戴口罩...
要求回答格式："先总结，再列带原因的物品清单"

解决方案：Agent Skill

本质：提前写好给Agent看的说明文档（Markdown格式）
结构：元数据层：名称(name)+描述(description) 指令层：目标、执行步骤、判断规则、输出格式、示例

创建Agent Skill实操：

在.cloudskills目录新建文件夹（名称=skill名）
文件夹内创建SKILL.md文件（注意：必须大写）
写入完整指令内容
Agent在匹配时自动加载执行

案例效果：输入"我要出门了，告诉我要带什么" Agent自动：

调用定位工具
调用天气工具
按预设规则判断需带物品
按指定格式输出结果

七、完整知识体系

核心概念关系：

LLM = 核心引擎
Token = 数据处理基本单元
Context = 临时记忆体（内容单位是token）
Context Window = 记忆体容量上限
Prompt = 具体指令（分User/System两类）
Tool = 感知外部世界的函数
MCP = 统一工具接入标准
Agent = 自主规划+工具调用的系统
Agent Skill = Agent的说明书

结语：理解底层，才能驾驭未来

当你真正理解这些底层逻辑，AI圈的新产品、新技术将不再神秘：

Cloud Code、Codex、Gemini CLI... 本质都是在这个框架下运作
无论技术如何迭代，核心原理不变

最后思考：你之前对哪些AI概念存在误解？看完这篇后，是否对"大模型为什么这样工作"有了更深的理解？欢迎在评论区分享你的认知升级时刻。

来源：https://x.com/VincentLogic/status/2041013815031267830

一文彻底打通AI底层逻辑：从LLM到Agent，所有核心概念拆解透彻

一、最底层：LLM大语言模型

二、大模型的"翻译官"：Token与Tokenizer

三、临时记忆体：Context与Context Window

四、指令的艺术：Prompt工程

五、感知世界的钥匙：Tool与MCP

六、自主智能体：Agent与Agent Skill

七、完整知识体系

Drift 보안 사고의 영향을 받는 프로토콜의 수는 20개로 늘어났으며, 그 중 Prime Numbers Fi의 추정 손실액은 천만 달러를 초과했습니다. 심층 해석: 기회와 위험이 공존합니다.

Drift 보안 사고의 영향을 받는 프로토콜의 수는 20개로 늘어났으며, 그 중 Prime Numbers Fi의 추정 손실액은 천만 달러를 초과했습니다. 심층 해석: 기회와 위험이 공존합니다.

Drift 보안 사고의 영향을 받는 프로토콜의 수는 20개로 늘어났으며, 그 중 Prime Numbers Fi의 추정 손실액은 천만 달러를 초과했습니다. 심층 해석: 기회와 위험이 공존합니다.