这两年，AI 圈的热词层出不穷：LLM、Token、Prompt、RAG、MCP、Agent、Skill……光是念一遍就让人头大。这些词汇是如何出现的？它们各自解决了什么痛点？让我们通过一个“周末东京游”的案例，把这些复杂的概念串联起来，讲清楚 AI 是如何一步步进化到“不仅会聊天，还能帮你干活”的。

第一阶段：对话的基础——模型与提示

当你打开对话窗口，随口问一句“这周末想去东京玩”，AI 很快给出了答复。

LLM（大语言模型）：

这是背后的核心引擎。

Token：

大模型并不直接“读”文字，它会将你的话拆解为 Token。Token 不是一个字，也不完全等于一个词，它是大模型理解文字的最小单元，每个 Token 对应着一个数字（Token ID）。模型通过计算，预测出下一个 Token 应该是哪一个，从而拼凑出完整回答。

Prompt（提示词）：

这是你与 AI 交互的指令。随口一问，AI 回答往往很浅显；如果你换一种问法：“预算 2000 元，帮我按天规划行程，不要去网红景点”，AI 的回答质量立刻提升。这种“把话说清楚”的方法论，就叫 Prompt Engineering（提示词工程）。

第二阶段：记忆与知识——上下文与检索增强

当对话深入，你想让 AI 记住你的偏好并关联私人信息时，需要以下技术：

Context（上下文）：

当你发消息时，系统会把之前的对话打包发给大模型。这就是“上下文”。但大模型对上下文的处理长度有限，随着对话积累，模型会“遗忘”开始的内容。

Memory（模型记忆）：

为了解决遗忘问题，常见的做法是让模型对之前的对话做一次压缩总结，只保留关键信息，这就是模型的“记忆”。

RAG（检索增强生成）：

当你问 AI“帮我看看我之前收藏的旅行攻略”时，AI 往往会“当机”，因为它不知道你的私有资料。RAG 解决了这个问题：它先把你的资料切成小片段存进知识库；当你提问时，系统检索出最相关的片段，作为背景资源提供给 AI，让回答更真实可靠。

第三阶段：赋予手脚——外部工具与标准化

大模型虽然聪明，但它原本无法操作外部工具，比如它只能告诉你“怎么查高铁票”，却无法直接帮你预订。

Function Calling（函数调用）：

这是让模型接入外部工具的关键机制。系统会先告诉模型有哪些可用工具，当模型判断需要调用时，会输出一段结构化的函数指令，程序拿到指令后去执行（如查询车次），再将结果返回给模型。

MCP（模型上下文协议）：

以前每接入一个新工具，都需要单独写适配代码，无法复用。MCP 为所有第三方工具制定了统一接口协议，AI 程序只需适配 MCP，就能调动所有遵循该协议的工具，极大地降低了开发成本。

第四阶段：从指挥到代理——智能体（Agent）的崛起

以前你需要一步步指挥 AI，现在你只需要说一句：“帮我把东京旅行安排好”，剩下的交给 Agent。

Agent（智能体）：

它是大模型的进阶形态。Agent 接到目标后，会自主思考、规划步骤、调用外部工具，并记录每一步的结果。它是一个能独立干活的系统，能够持续学习和思考。

形态差异：

市面上的 AI 产品本质上都是 Agent，只是自主执行的程度和形态不同，例如编程领域的 CLI 工具，或桌面 AI 助手。这些助手不仅能操作本地电脑、定时执行任务，甚至能通过社交软件与你沟通，真正像助手一样帮你干活。

第五阶段：高效与安全——技能与约束

有了 Agent，我们还需要更高效的管理：

Skill（技能）：

Prompt 像是一次性的“变戏法”，每次都要重写；而 Skill 像是“一本书”，是结构化的、可重复使用的程序化能力。将偏好和规则写进 Skill，Agent 在运行过程中会按需激活、读取和使用，大大节省上下文开销。

Harness（马具）：

当 Agent 具备了独立干活的能力，如果不受控制，可能会出现乱买票、甚至格式化电脑等失控行为。Harness 就像马具一样，为脱缰的 Agent 套上约束：它提供全面且稳定的上下文，划定红线（边界），并自动验收任务成果，确保 AI 在可控范围内爆发出生产力。

总结

这些概念并非凭空出现，每一个都是为了解决上一阶段遇到的实际痛点而诞生的。从简单的聊天，到现在的 Agent，AI 正在经历一场从“只会说”到“真能干”的进化。