你是否也被AI领域的专业名词劝退？LLM、Token、上下文、RAG、Agent……这些听起来高深莫测的词，其实都是一套完整的逻辑链。今天，我就用最接地气的方式，带你从零开始，吃透AI核心基础概念。
一、AI的“地基”：LLM（大语言模型）
LLM，也就是大语言模型，是所有AI应用的核心底座。它就像一个超级巨大的数学函数，通过海量数据训练出的规律，预测下一个最可能出现的字/词，逐字生成答案。
二、大模型的“文字细胞”：Token
Token是LLM处理文本的最小单位，它可以是一个字、一个词、一个标点，甚至是单词的一部分。Tokenizer的作用就是将文字转换为数字，让LLM能够理解和处理。
三、AI的“短期记事本”：Context & Context Window
Context是AI的临时记忆体，它记录了你和大模型对话时的所有历史信息。Context Window则定义了大模型一次能容纳的最大Token数量，决定了它能记住多长的对话。
四、让AI听话的“通关密语”：Prompt
Prompt就是你对AI的指令/问题，它决定了AI的输出质量。清晰的Prompt能够得到精准的结果，而模糊的Prompt只会得到垃圾答案。
五、AI的“手脚 & 通用接口”：Tool & MCP
Tool可以让大模型突破“只懂文字”的限制，获取实时数据、操作外部世界。MCP则统一了工具接入标准，让开发者可以一次开发，全平台通用。
六、会思考的“AI打工人”：Agent & Agent Skill
Agent是会自己思考、自己规划、自己调用工具完成任务的AI。Agent Skill则是Agent的具体工作能力，它可以让Agent完成更复杂的任务。
七、AI高频黑话小词典
这里对一些AI领域的专业名词进行了解释，帮助你更好地理解AI。
八、总结
AI名词看着唬人，其实都是“底层模型→基础组件→应用能力”的递进逻辑。搞懂这套逻辑，你再看任何AI项目、AI新技术、行业名词，都能瞬间读懂底层原理。
我是新派编程网的林译川，如果你对AI还有更多疑问，欢迎关注我们的网站了解更多内容。