大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



你以为你在和AI聊天，其实它在玩文字接龙

你有没有这种感觉：AI圈的新名词一个接一个往外蹦，今天LLM明天Agent后天MCP，看得人眼花缭乱。每次想深入学习一下，点开文章全是"Transformer架构""上下文窗口"这些天书般的术语。

别慌，今天咱们把AI的底裤扒个精光。从最底层的运转机制到最上层的智能体，一篇文章让你彻底看懂这些所谓"黑科技"背后的真相——简单到你听完会怀疑自己之前为什么被唬住。

---

LLM（Large Language Model），大语言模型，听名字唬人，但骨子里就干一件事：文字接龙。

市面上几乎所有大模型都基于Transformer架构。这套架构2017年由Google团队在论文《Attention Is All You Need》中提出，但真正把它做成爆款的是OpenAI。

• 2022年底：GPT-3.5横空出世，这是第一个真正能用的大家伙
• 2023年3月：GPT-4发布，直接把AI天花板捅穿
• 如今：GPT家族依然是标杆，但Claude、Gemini这些后浪已经杀到跟前

那么问题来了：大模型到底怎么工作的？

答案会让你大跌眼镜——它只是个概率预测机器。

举个例子，你问"马克的视频怎么样？"，模型脑子里在想什么？

1. 预测下一个最可能出现的词："特别"（概率最高）
2. 把"特别"接到后面，再猜下一个："得"
3. 继续接，继续猜："棒"

最终输出："特别的棒"

这就是为什么AI总是一个字一个字往外蹦——因为它的底层逻辑就是一场永不停歇的词语接龙。

你说它聪明吗？聪明。但你说它神秘吗？一点不神秘，就是数学概率游戏。

---

大模型本质是个数学函数，它只认数字不认字。

那它是怎么读懂中文的？靠的是Tokenizer，人类和模型之间的"翻译官"。

工作流程就两步：

1. 切分：把文本剁成最小的碎片（token）
2. 映射：给每个碎片分配一个数字ID

一个残酷的真相：Token ≠ 词语。

• 中文："程序员"会被拆成"程序"+"员"两个token
• 英文："helpful"会被拆成"help"+"ful"
• 极端情况：一个特殊符号可能要占用3个token

经验值记住就行：

• 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（一本厚书）

所以下次看到"支持100万token上下文"，你就知道这意味着能塞进去一整套《哈利波特》。

---

Context（上下文）就是大模型每次干活时能看到的全部信息，包括：

• 你刚问的问题
• 之前的聊天记录
• 正在往外蹦的token
• 可用工具列表
• System prompt（后面细说）

而Context Window就是这套记忆容量的上限。

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

100万token约等于150万汉字，确实能装下《哈利波特》全集。

但现实问题来了：如果产品手册有上千页怎么办？

全塞进去？先不说可能超限，光费用就够你哭的。

这时候登场的是RAG技术（Retrieval-Augmented Generation）。原理很简单：

1. 从文档里揪出和问题最相关的片段
2. 只把这几段发给模型
3. 既省钱又不超限

说白了就是"临时抱佛脚"，只翻重点不背全书。

---

Prompt就是你对AI说的那句具体指令。

分为两类：

• User Prompt：你输入的"帮我写首诗"
• System Prompt：开发者预设的人设（你看不见）

来看个对比：

模糊版："帮我写一首诗"
→ 可能冒出打油诗、现代诗、古体诗，全看模型心情

精准版："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"
→ 输出精准命中靶心

而System Prompt的力量更狠：

设置："你是一个耐心的数学老师，不要直接给答案，要引导学生思考"

而不是直接甩个"8"。

行业真相：Prompt Engineering这个词曾经火得一塌糊涂，现在提的人越来越少了。为什么？

1. 门槛太低：本质就是"把话说清楚"，没啥技术含量
2. 模型变强了：就算你说得含糊，它也能猜出你想干啥

会提问依然重要，但不需要把它捧成"玄学"。

---

大模型有个致命缺陷：它对外界一无所知。

你问"今天上海天气如何？"，它只能老实回答："抱歉，我无法获取实时天气信息。"

怎么破？答案是Tool（工具）。

Tool的本质就是一个函数：输入参数 → 干点实事 → 返回结果。

以天气查询工具为例：

• 输入：城市+日期
• 操作：调用气象接口
• 输出：天气数据

整套流程是这样的：

1. 你的问题发给平台（传话筒）
2. 平台把问题+可用工具清单扔给大模型
3. 大模型分析后决定"用哪个工具、传什么参数"
4. 平台去调用工具
5. 工具返回结果
6. 平台把结果再喂给大模型
7. 大模型整理成人话回答你

角色分工清晰得离谱：

• 大模型：选工具+汇总结果（动脑）
• 工具：执行具体操作（动手）
• 平台：串联整个流程（跑腿）

但最大的痛点来了：

同一个工具要写三遍代码？这不是把人当驴使吗？

终极解法：MCP（Model Context Protocol）

价值一句话讲完：工具开发者只需按MCP规范写一次代码，就能在所有支持MCP的平台直接用。

就像手机统一用Type-C接口，再也不用带三根线出门。

---

Agent是什么？能自主规划、自己调用工具、不完成任务不罢休的系统。

举个例子，你说："今天我这里天气怎么样？附近有卖伞的吗？"

Agent的脑子立刻开始转：

1. 调定位工具拿经纬度
2. 调天气工具查实况
3. 如果下雨，调店铺工具搜雨伞店
4. 把结果打包，用自然语言回复你

整个过程不需要你再催一句。

但老司机们发现一个新问题：每次出门都要重复输入个人偏好。

比如你的出门规则：

• 下雨带伞
• 光照强戴帽子
• 空气质量差戴口罩
• 回答格式必须是"先总结，再列出物品和原因"

难道每次都手打一遍？

解决方案：Agent Skill

本质：提前写好的一份"给Agent看的说明书"（Markdown格式）

结构很简单：

• 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

实操步骤：

1. 在.cloudskills目录下新建文件夹（文件夹名=skill名）
2. 文件夹内创建SKILL.md文件（注意：必须大写）
3. 写入完整指令内容
4. Agent匹配到相应场景时自动加载执行

效果如何？你说"我要出门了，告诉我要带什么"，Agent会自动：

• 定位
• 查天气
• 按预设规则判断物品
• 按你要求的格式输出

一劳永逸。

---

所有概念串起来是这样的：

---

当你真正吃透这些底层逻辑，再看AI圈的新品发布，心态会完全不一样。

Cloud Code也好，Codex也罢，Gemini CLI也罢，本质上都在这个框架里跳舞。技术名词换得再勤，核心原理就这几样。

最后留个思考题：

在看这篇文章之前，你对哪个AI概念有过误解？现在是不是对"大模型为什么会这样工作"有了更立体的认知？

欢迎在评论区分享你的认知升级时刻。搞懂底层逻辑的人，才配得上未来的AI红利。

---

如果觉得有用，点个"在看"，让更多朋友别再被AI黑话唬住。

接下来我将我精心整理的AI各个赛道的案例和手把手实操的视频放到我的云盘，如果需要可以扫描下方官方认证二维码 免费领取【保证100%免费】