AI常见名词

一、大模型

1.LLM

LLM 是 Large Language Model（大型语言模型）的缩写

现代 LLM 几乎都建立在 Transformer 架构之上，核心机制是 Attention（注意力机制），让模型在生成每个词时能”关注”到上下文中最相关的部分

常见产品

2.Token

LLM 不是以”字”或”词”为单位处理文本的，而是以 Token 为单位。Token 是模型能识别的最小文本单元，介于字符和单词之间

二、上下文

1.Context

在 LLM 里，Context 就是模型在生成回答时能”看到”的所有信息。每次调用模型，你塞给它的全部内容——都叫做 Context

2.Context Window

上下文窗口，这是 Context 的容量上限，以 token 数衡量：

200K token 大概能装下一整本长篇小说，或者几千行代码

超出上限 早期内容会被截断丢弃，模型就真的”忘了”

三、常见外挂

1.Prompt

Prompt 就是你发给 AI 模型的输入文本，用来引导它生成你想要的输出

可以把大语言模型想象成一个极其博学但没有主动意识的”函数”：

1	输入（Prompt） → [LLM] → 输出（Response）

你给什么输入，它就根据输入预测最合适的续写内容。所以 Prompt 的质量直接决定输出质量

2.Tool

Tool 是给 AI 模型扩展能力的机制，让它不只是”说话”，还能执行操作、获取外部数据

LLM 本身有两大局限：

知识有截止日期，不知道实时信息
只能输出文本，无法直接操作系统

具体运行流程

3.MCP

（Model Context Protocol）MCP 是一套开放标准协议，让 AI 模型能够以统一的方式连接各种外部工具和数据源，由 Anthropic 提出并开源

传统缺点

1
2
3

App A 想用 GitHub → 自己写 GitHub Tool
App B 想用 GitHub → 又自己写一遍
App C 想用 GitHub → 再写一遍...

4.Agent

Agent 是能够自主思考、规划、并连续执行多步操作来完成目标的 AI 系统

Agent 的三个核心能力


┌─────────────────────────────────────────┐
│                 Agent                   │
│                                         │
│  🧠 规划能力   把大目标拆成小步骤        	 │
│  🛠️ 工具使用   调用 Tool / MCP 执行操作  	│
│  💾 记忆管理   记住上下文和中间结果          │
└─────────────────────────────────────────┘

本质上就是这样

5.Skill

SKILL 是一套给 Claude 看的”最佳实践说明书”，告诉它在完成特定类型任务时该怎么做、用什么库、注意什么坑

Claude 虽然什么都懂一点，但在具体任务上（比如生成 .docx、.pptx）往往需要：

知道用哪个 Python 库
知道正确的代码模板
避免已知的坑（比如 pip 需要加 --break-system-packages）

这些经验靠”试错积累”出来，写进 SKILL.md 文件里，Claude 每次执行前先读，就能直接用最优方案

本质就是一个 Markdown 文件，里面包含

# PPTX Skill

## 使用的库
python-pptx >= 0.6.21

## 安装方式
pip install python-pptx --break-system-packages

## 基础模板
[代码示例]

## 注意事项
- 字体路径在 Linux 下是 xxx
- 图片插入需要先转换格式
- 已知 bug：xxx 要这样绕过

具体关系