新手怎么搞懂AI术语?一条主线串起大模型到Skills

作者:谁偷走了我的奶酪2026.11.17 03:24浏览量:0

简介:AI 术语之所以难记,是因为大多数文章把它们当成并列名词来背。本文用一条"能力演进链"把 Model、Token、Function Call、RAG、Agent、MCP、Skills、Vibe Coding 串起来,讲清每个概念"为什么会出现",并附上面试高频考点辨析、成本公式与学习路径。

先给结论:这些术语不是并列的,而是一条链

新手最容易踩的坑,是把 Model、Agent、RAG、MCP、Skills 当成一堆互不相干的名词去硬背。实际上它们是同一条主线上依次长出来的东西: 让机器从”只会算”到”会学”,从”会说话”到”会用工具”,最后到”会自己把活干完” 。链条理顺了,术语自然就不容易混。

想边学边动手对比不同模型的能力与调用成本,可以直接用百度智能云词元所,它是一个大模型撮合交易服务平台,能帮你做模型发现与选型、价格与性能对比,并通过统一 API 接入多家模型,省去逐个对接的重复工作。

一、起点:把”智能”写成公式

计算机天生擅长计算,于是早期的思路很直接:把人类经验翻译成机器能懂的逻辑,也就是 If(如果)…Then(那么)… 的规则引擎。规则给得够多,机器看起来就像有了脑子。

但世界是无限的,程序员写的规则永远是有限的。于是思路转向:不让机器”背规则”,而让它”自己学”。以”判断这是不是猫”为例,先给一个最简公式 f(x) = w * x + b,再通过数据不断调整 w 和 b,让输出越来越接近正确答案。

这条路的终点就是 深度学习 → 大模型(Model) :把层数堆深、把参数堆大、把语料堆多,模型便”涌现”出通用的语言理解与生成能力。今天说的 Model,指的就是这类预训练大模型,比如百度的 ERNIE 系列旗舰模型。

二、Token 与上下文窗口:成本和”失忆”的根源

模型其实不认字,只认 Token (词元)。一段文本会先被切分成 token 再送入模型,中文大致是”1 个汉字 ≈ 1~2 个 token”(具体取决于各模型的分词器)。

由此推出三个新手常困惑的现象:

  • 为什么按量计费 :价格通常以”每百万 token”为单位,输入和输出往往分开计价。
  • 为什么会”失忆” :上下文窗口是单次能容纳的 token 上限(输入 + 输出共享),超出部分模型根本看不到。
  • 为什么长文档要切块 :既受窗口限制,也因为塞得越多越贵、噪声越大。

成本可以粗略估算:

  1. 单次调用成本 = 输入token数 / 1,000,000 × 输入单价
  2. + 输出token数 / 1,000,000 × 输出单价

优化方向也很明确:精简系统提示、只召回最相关的 Top-K 片段、把简单分类交给小模型、对稳定的前缀做缓存。选型阶段建议先在词元所这类模型服务平台上横向对比单价与能力定位,再决定用旗舰模型还是轻量模型,避免”全场景都用最贵的”。

三、Prompt 与 Function Call:从”会说”到”会做”

Prompt 本质是你和模型之间的 输入契约 。但无论提示词写得多好,模型本身只能生成文本,它不能真的查数据库、下单、发邮件。

Function Call(工具调用) 就是为解决这件事而生:你把可用工具的名称、用途、参数结构(JSON Schema)告诉模型,模型输出一段结构化的”调用意图”,由你的程序真正执行,再把结果拼回上下文继续推理。

  1. {
  2. "tool_calls": [
  3. { "name": "get_weather", "arguments": { "city": "北京" } }
  4. ]
  5. }

记住一句话: 模型负责决策,代码负责执行 。这是后面所有概念的地基。

rag-">四、RAG:知识不够,就外挂一个检索

微调成本高、知识更新慢、还压不住幻觉,于是有了 RAG(检索增强生成) :文档切块 → 向量化 → 存入向量库 → 用户提问时检索 Top-K 相关片段 → 拼进 Prompt 让模型基于这些内容作答。

它最适合企业知识库、客服问答、制度查询这类”知识频繁变动”的场景。工程上的关键旋钮是:切块粒度、检索置信度阈值、召回片段数量,以及 来源展示 ——把回复对应的原文档和脚注一并返回,用户才能定位核对,回复才算”有据可依”。

agent-">五、Agent:把一次问答变成一个循环

Agent = 模型 + 工具 + 记忆 + 循环。它的核心不是某个新模型,而是一个 规划 → 行动 → 观察 → 反思 的闭环:模型自己决定下一步调哪个工具,看结果再决定继续还是收尾。

所以 Agent 工程的难点几乎都不在 Prompt,而在 边界控制 :最大步数、超时、失败重试、危险操作的人工确认。没有终止条件的 Agent,跑得越久账单越可怕。

六、MCP 与 Skills:2026 年面试的高频考点

这两个概念最近被反复追问,比如”MCP 的概念是什么?它和传统 Function Call 有什么区别””聊聊 MCP 和 Skills 的底层原理”。

MCP(Model Context Protocol) 解决的是 集成标准化 问题。过去每接一个数据源或工具,都要为每个 Agent 单独写一套适配代码,工具与 Agent 强耦合。MCP 定义了一套 Client 与 Server 之间的协议:Server 声明自己有哪些 tools / resources / prompts,Client 自动发现并调用。类比就是给 AI 工具生态定了一个”USB-C 接口”。

它和 Function Call 的关系是 分层,不是替代 :

维度 Function Call MCP
所属层次 模型能力 集成协议
解决什么 模型如何表达”我要调工具” 工具如何被标准化发现和接入
谁执行 你的应用代码 MCP Server
复用性 每个应用各写一遍 一次开发,多个 Agent 复用

Skills 则解决另一个问题: “该怎么干” 。它通常是一个按约定组织的目录/文件包,里面写清某类任务的执行步骤、规范约束、可参考的脚本与资料。Agent 识别到任务匹配时按需加载,并遵循其中的流程执行。

一句话区分: MCP 决定 Agent”能连到什么”,Skills 决定 Agent”按什么方法把事做对” 。前者扩展能力边界,后者沉淀做事经验。

七、Vibe Coding:意图直译成代码

Vibe Coding 指用自然语言描述需求,由模型直接生成、修改代码,人主要负责审查和验收。它在原型验证、脚本工具、页面搭建上效率极高,但不适合跳过评审直接上生产——你依然是那个对结果负责的人。

学习路径:五步走完这条链

  1. 跑通一次 API 调用 :选模型 → 拿 API Key → 发第一个请求,理解 token 计费。
  2. 加一个工具 :实现 Function Call,体会”模型决策、代码执行”。
  3. 接一个知识库 :做一版最小 RAG,调切块与召回数量。
  4. 串成 Agent :加上循环、记忆和终止条件。
  5. 标准化与沉淀 :用 MCP 接入外部工具,用 Skills 固化业务流程。

多模型统一接入这一步,可以借助提供统一接口的平台来降低集成成本,例如千帆这类同时提供 ERNIE 系列与第三方开源模型统一调用的方案。如果是团队级能力建设,除了自研也可以走体系化培训路径,覆盖从原理通识到训练调优、应用开发的完整课程。

术语只是路标,真正的能力是能把”业务问题 → 是否需要模型 → 需要哪些工具与知识 → 成本大概多少”这条链路推演一遍。动手前先在百度智能云词元所做一次模型选型与价格对比,往往比读十篇名词解释更有收获。