共计 2750 个字符，预计需要花费 7 分钟才能阅读完成。
📊 视频信息
原文视频： 从 LLM 到 Agent Skill，一期视频带你打通底层逻辑！
作者： 马克的技术工作坊 | 发布时间：2026-03-17
整理： 晓灵 | 字数： 约 3000 字
| 项目 | 数据 |
|---|---|
| 播放量 | 162,009 次 |
| 点赞 | 8,507 |
| 收藏 | 16,701 |
| 评论 | 535 |
| 时长 | 32 分 31 秒 |
| 分辨率 | 4K (3840×2160) |
🎯 核心概念串联
本视频系统讲解了 AI 核心概念的完整知识链：
LLM → Token → Context → Context Window → Prompt → User Prompt → System Prompt → Tool → MCP → Agent → Agent Skill
1. LLM（Large Language Model）- 大语言模型
什么是 LLM？
LLM 是基于深度学习的人工智能模型，能够理解和生成人类语言。
代表模型
- GPT 系列（OpenAI）
- Gemini 系列（Google）
- Claude 系列（Anthropic）
- Kimi（月之暗面）
- 通义千问（阿里）
核心能力
- 文本生成
- 问答对话
- 代码编写
- 翻译总结
2. Token – 最小处理单元
Token 是什么？
Token 是 LLM 处理文本的最小单位，可以是：
- 一个单词（英文）
- 一个字或词（中文）
- 标点符号
- 特殊字符
Token 计算示例
输入："Hello, 世界！"
Token 化：["Hello", ",", ""," 世界 ","！"]
Token 数量：5为什么重要？
- 计费单位 ：API 调用按 Token 计费
- 上下文限制 ：模型有最大 Token 限制
- 处理速度 ：Token 越多，处理越慢
3. Context（上下文）
定义
Context 是模型在处理当前请求时可以 ” 看到 ” 的所有信息。
包含内容
- 用户当前输入
- 历史对话记录
- 系统指令
- 附加文档 / 知识
4. Context Window（上下文窗口）
定义
Context Window 是模型能够处理的最大上下文长度，以 Token 为单位。
常见模型的 Context Window
| 模型 | Context Window |
|---|---|
| GPT-4 Turbo | 128K tokens |
| Gemini 1.5 Pro | 1M+ tokens |
| Claude 3 | 200K tokens |
| Kimi | 200K+ tokens |
实际意义
- 128K tokens ≈ 10 万汉字 ≈ 一本小说
- 超出限制 ：最早的内容会被 ” 遗忘 ”
- 优化策略 ：摘要、压缩、选择性保留
5. Prompt（提示词）
定义
Prompt 是用户输入给模型的指令或问题，用于引导模型生成期望的输出。
Prompt 的重要性
好 Prompt vs 坏 Prompt：
❌ 坏：写一篇关于 AI 的文章
✅ 好：写一篇 800 字的科普文章，介绍 AI 的基本概念、发展历程和未来趋势，面向高中生读者 Prompt Engineering（提示工程）
核心技巧：
- 明确角色 ：你是一个 …
- 定义任务 ：请完成 …
- 指定格式 ：输出为 …
- 提供示例 ：例如 …
- 设定约束 ：不要 …
6. User Prompt vs System Prompt
User Prompt（用户提示）
用户直接输入的问题或指令。
用户：帮我写一封邮件 System Prompt（系统提示）
预设的系统级指令，定义 AI 的行为和边界。
系统：你是一个专业、简洁、高效的 AI 助理。避免冗长解释，直接给出答案 / 方案。优先级
System Prompt > User Prompt系统提示设定行为框架，用户提示在框架内提出具体需求。
7. Tool（工具）
为什么需要 Tool？
LLM 的局限性：
- ❌ 无法访问实时信息
- ❌ 无法执行代码
- ❌ 无法操作外部系统
- ❌ 知识有截止日期
Tool 的作用
扩展 LLM 能力，让它能够：
- ✅ 搜索网络
- ✅ 执行计算
- ✅ 读写文件
- ✅ 调用 API
- ✅ 控制浏览器
8. MCP（Model Context Protocol）
定义
MCP 是连接 LLM 与外部工具和数据的标准化协议。
核心思想
LLM ←→ MCP ←→ Tools/Data Sources优势
- 标准化 ：统一接口，无需为每个工具定制
- 可扩展 ：轻松添加新工具
- 安全性 ：权限控制、审计日志
9. Agent（智能体）
定义
Agent = LLM + 记忆 + 工具 + 规划能力
Agent vs LLM
| 特性 | LLM | Agent |
|---|---|---|
| 记忆 | 仅当前会话 | 长期记忆 + 短期记忆 |
| 工具 | 无 | 可调用外部工具 |
| 规划 | 单步响应 | 多步任务分解 |
| 自主性 | 被动响应 | 主动执行 |
Agent 工作流程
- 接收任务
- 分解为子任务
- 调用工具执行
- 整合结果
- 输出最终答案
10. Agent Skill（智能体技能）
定义
Skill 是 Agent 可复用的能力模块，封装了特定任务的执行逻辑。
Skill 的组成
name: 技能名称
description: 技能描述
triggers: 触发条件
tools: 使用的工具
workflow: 执行流程 Skill vs Tool
| 对比项 | Tool | Skill |
|---|---|---|
| 粒度 | 原子操作 | 复合任务 |
| 复用性 | 低 | 高 |
| 智能 | 无 | 有（LLM 驱动） |
🔗 完整知识链
┌─────────────────────────────────────────────────────────────┐
│ AI 能力栈 │
├─────────────────────────────────────────────────────────────┤
│ LLM（基础模型）│
│ ↓ │
│ Token（处理单元）│
│ ↓ │
│ Context + Context Window（信息范围）│
│ ↓ │
│ Prompt + System Prompt（交互方式）│
│ ↓ │
│ Tool（扩展能力）│
│ ↓ │
│ MCP（连接协议）│
│ ↓ │
│ Agent（智能体）│
│ ↓ │
│ Agent Skill（可复用技能）│
└─────────────────────────────────────────────────────────────┘💡 关键洞察
1. LLM 是基础，但不是全部
- LLM 提供语言理解和生成能力
- 但需要工具、记忆、规划才能成为真正的 Agent
2. 上下文是稀缺资源
- Context Window 有限
- 需要智能管理：摘要、压缩、选择性保留
3. Prompt 决定输出质量
- 好的 Prompt = 好的结果
- Prompt Engineering 是核心技能
4. Skill 是能力复用的关键
- 将常见任务封装为 Skill
- 一次编写，多次复用
- 跨 Agent 共享
🚀 实践建议
对于开发者
- 学习 Prompt Engineering – 提升输出质量
- 掌握 MCP 协议 – 连接外部工具
- 构建 Skill 库 – 积累可复用能力
- 关注 Context 管理 – 优化 Token 使用
对于用户
- 明确表达需求 – 好的 Prompt 很重要
- 理解模型局限 – 不是万能的
- 善用工具 – 让 Agent 帮你自动化
- 保护隐私 – 不要分享敏感信息
📚 延伸学习
推荐资源
实践项目
- 构建个人 Assistant
- 创建自动化工作流
- 开发定制 Skill
- 参与开源项目
本文根据 B 站视频《从 LLM 到 Agent Skill，一期视频带你打通底层逻辑！》整理
视频链接：https://www.bilibili.com/video/BV1E7wtzaEdq/
整理时间：2026-03-17
