AI 相关核心术语释义

1. AI（人工智能，Artificial Intelligence）
定义：人工智能是一门研究如何使机器模拟、延伸、扩展人类智能的技术科学，让计算机完成原本需要人类智慧才能完成的任务，是一个广义的大类概念。 通俗理解：让机器拥有类似人的感知、思考、判断、学习能力。 主要分支：机器学习、深度学习、计算机视觉、自然语言处理、AIGC 等。 应用场景：人脸识别、语音识别、聊天机器人、自动驾驶、智能推荐等。

2. AIGC（生成式人工智能，Artificial Intelligence Generated Content）
定义：利用人工智能技术自动生成文本、图片、音频、视频、代码等各类内容的技术，属于 AI 的一个分支方向。 通俗理解：AI 负责 “创作产出内容”，而不只是做识别、分类。 常见产品：AI 聊天写作、AI 绘画、AI 配音、AI 视频生成工具。 特点：基于学习海量已有素材，按照指令生成全新的原创内容。

3. 大模型（大语言模型 LLM，Large Language Model）
定义：经过海量文本数据训练、参数量规模巨大的深度学习模型，是 AIGC 能力的底层底座。通过学习海量文本的语言规律，预测下一段文字，实现对话、写作、推理、翻译等能力。 通俗理解：AI 的 “大脑”。 代表模型：GPT 系列、Claude、通义千问、文心一言、DeepSeek。 关键点：大模型本身只擅长语言推理；想要操作文件、联网、调用软件，需要搭配 Agent、MCP 等组件。

4. Token（词元）
定义：大模型处理信息的最小语义单元，模型不会直接阅读汉字 / 英文单词，会把文本切割为 Token 再进行运算；同时 Token 也是 API 调用的计费单位，也决定模型的记忆窗口上限（上下文窗口）。 通俗类比：AI 世界的 “积木块”。 切分规则：中文 1 个汉字约等于 1‑2 个 Token；英文一个单词约等于 1 个 Token；标点、空格同样占用 Token。 现实意义：
输入输出的总 Token 不能超过模型的上下文窗口上限，超过会丢失前面对话记忆。

绝大多数大模型接口按照消耗 Token 数量收费。

5. Agent（AI 智能体）
定义：以大模型作为思考大脑，具备目标拆解、自主规划、记忆、工具调用、循环执行能力的智能系统。Agent 可以接收用户的复杂任务，自动拆分成多个步骤，自主调用工具完成整套工作，不是简单一问一答聊天。 通俗理解：能自己干活的 AI 助理，不止回答问题，还会规划步骤、调用工具、反复迭代直到完成任务。 能力构成：大模型大脑 + 记忆模块 + 规划思考 + 工具调用（Skill/MCP）。 示例场景：让 Agent 自动整理资料、分析表格、批量处理文件、自动完成多步骤办公任务。


6. Skill（技能包）
定义：封装好、可复用的一套能力包，专门供给 Agent 调用。Skill 包含任务流程、提示词模板、输出格式、参数、工具调用逻辑，把复杂业务流程打包，让 Agent 掌握特定领域的专业能力。 通俗理解：给智能体安装的 “专业技能插件”，相当于给全科 AI 安装专科手册。 内容组成：角色设定、操作步骤、校验规则、输出模板、配套工具。 与 MCP 区分：Skill 偏向业务流程、业务知识；MCP 偏向底层通信协议。


7. MCP（Model Context Protocol，模型上下文协议）
定义：由 Anthropic 推出的开放标准化协议，相当于 AI 世界的 USB‑C 通用接口。定义一套统一标准，实现大模型 / Agent 与外部工具、本地文件、数据库、API 数据源的标准化对接通信。 通俗理解：统一接口标准，工具只需要开发一次，所有支持 MCP 的 AI 都可以直接使用，不需要重复定制开发适配器。 架构：分为 MCP Server（提供工具资源）、MCP Client（AI 侧调用方）。 价值：降低 AI 对接外部系统的开发成本，统一权限、安全审计，解决工具碎片化对接的问题。

8. 提示词（Prompt）
定义：用户提交给大模型的全部输入信息，包含指令、角色设定、背景资料、约束条件、输出格式、示例，用来引导大模型输出符合预期的结果。 通俗理解：你跟 AI 说的全部 “指令话术”，是人和大模型沟通的语言。 提示词构成要素：角色、任务指令、背景信息、约束条件、输出格式、示例。 分类：普通用户提示词；系统提示词（System Prompt，给模型设定底层角色规则）。