一个故事带你搞懂 20 个常见的 AI Agent 名词。

（为了方便非技术背景的读者理解，舍弃了一部分严谨性，但大体意思是正确的）

1. LLM：小猫的大脑

假设你有一只小猫，它的大脑叫

LLM（Large Language Model，大语言模型）

。不过严格来说，“大模型”不只包括大语言模型。

这只小猫性格内向，平时不会主动和你说话，只有在你提问时才会回答。它有时也不太聪明，可能会胡言乱语，或者编造一些不存在的内容。这种现象叫

hallucination（幻觉）

2. Prompt：你跟小猫说的话

假期快到了，你打算去广州旅游，现在需要做一份旅游规划。于是，你问小猫：“帮我做一份广州的旅游规划。”

你向 LLM 提出的问题，就叫

prompt（提示词）

3. Token：小猫处理文字的基本单位

小猫回答问题前，需要先理解你说的话。它会把你发来的内容拆成若干个片段。不同的 LLM，切分方式可能不一样，例如：

帮｜我｜做｜一份｜广州的｜旅游｜规划

每个片段都是小猫能够处理的基本单位，叫

。同样，小猫回答问题时，也会一个 token、一个 token 地输出。

4. Context：小猫当前能看到的信息

理解你的问题后，小猫发现自己还不能回答，因为它不知道你几号出发、几个人去，以及有哪些饮食偏好。

小猫能够看到、并用于生成回答的信息，叫

context（上下文）

5. Memory 和 Context Window：小猫的记忆与容量

你把“09.31 号出发，0.5 个人去，喜欢吃 -273.15℃ 的美食”这些基本信息告诉小猫后，它回复了一个“？”。

这时你想起来：原来小猫很健忘，它不记得刚才聊了什么，只看得见你最近一次发来的消息。于是，你把之前的聊天信息和其他状态信息保存到一个叫

的东西里。下次向小猫提问时，再把 memory 一起发给它，也就是放进小猫的 context 中，这样它就知道之前在聊什么了。

不过，小猫的脑容量有限。如果一次给它太多内容，它可能只能看见其中的一部分。小猫一次请求能够处理的 context 上限，叫

context window（上下文窗口）

6. Knowledge Base、RAG 和 Multimodal：给小猫提供资料

你把前面的对话一起发给小猫后，它知道你在说什么了，但还是不能回答，因为它不知道广州有哪些旅游景点。

为了解决这个问题，你给小猫提供了《广州旅游景点攻略》《广州美食大全》《广州富婆通讯录》等资料，组成一个“广州旅游

knowledge base（知识库）

小猫不会把这些书全部塞进 context，而是先从知识库中检索与问题相关的内容，再把这些内容放入 context。这个过程叫

RAG（Retrieval-Augmented Generation，检索增强生成）

。有了这些信息，小猫就可以制定旅游攻略，告诉你应该去哪些景点。

这里还有一个细节：知识库里可能不只有文本，还包括图片（比如富婆的照片）、视频（比如富婆的跳舞视频）和音频（比如富婆的歌声）。小猫也需要能够理解和处理这些文件格式。

文本、图片、视频、音频等不同的信息形态，叫作

modality（模态）

。如果 LLM 具备理解和处理至少两种 modality 的能力，我们就说它是

multimodal（多模态）

的，也就是大家经常听到的

MLLM（Multimodal Large Language Model，多模态大模型）

7. Tool 和 Tool Calling：让小猫获取外部信息

你对旅游规划很满意，于是继续让小猫查询 10 月 1 日当天广州的天气和车票。

小猫摇了摇头，说自己只能根据大脑中已有的信息，以及你提供的知识库来回答，没办法知道当天的天气和景点活动。

你说这好办，于是给小猫接上网线，并配置了一些工具。现在，它变成了“光猫”（x）。

小猫调用“查询天气”工具，查到广州当天是晴天；又调用“联网搜索”工具，查到当天还有这些车票。

这些用于获取外部信息或执行动作的能力，统称为

。小猫调用这些工具的过程，叫

tool use / tool calling（工具调用）

虽然小猫帮你查到了车票，但你仍然需要自己动手买票。你心想：“要是小猫能直接帮我把票买了，该多好。

于是，你给小猫安装了订票系统的 tool。这样，你只需要对小猫说一句“帮我订早上 7 点的票”，它就能直接帮你把票订好。

8. MCP：让不同工具遵守统一规范

虽然小猫顺利完成了任务，但你很快想到：每个人都可以开发自己的工具，再接入这只小猫，让它获得不同的能力。然而，不同的人写的工具可能有不同的格式。如果小猫看不懂别人的工具，不就没法使用了吗？

于是，你制定了一套工具接入规范，并告诉所有工具提供者：“以后想把工具接入我的小猫，就全部按照这个统一格式来写。”

MCP（Model Context Protocol，模型上下文协议）

。它可以让 AI 应用以统一方式连接外部工具、资源和提示。

9. Skill：可复用的任务说明书

这时，你又想到：每换一个旅游景点，都要手动完成旅游规划、查天气、订票等步骤，实在太麻烦了。

于是，你写了一份“旅游小助手”说明书，里面包含每个步骤的详细说明，以及需要使用的模板、参考资料和脚本。以后去其他城市旅游时，你只需要告诉小猫目的地，再让它按照这份说明书执行，就能让小猫帮你完成全部流程。

这种可复用的任务说明书，叫

10. Agent：能自行规划和执行任务的系统

这时，你又想到：如果每件事都要由你提前写清楚步骤，再交给小猫执行，还是太麻烦了。要是只给小猫一个任务，它就能自己想办法，并把事情做完，那就更好了。

于是，你又给小猫装上了几个组件：

1. planner（规划器）：把一个大目标拆成多个子任务。
2. loop（循环）：只要目标还没有达成，就持续执行任务；除非用户中途打断、被策略拦截，或者预算用尽。
3. harness（执行约束 / 挽具）：一系列用于约束和管理小猫执行任务的规则，例如沙盒和权限。比如，小猫只能在家里活动，不能跑出家门，也不能删除你的文件。

再加上前面讲过的三个组件：

1. model（模型）：也就是 LLM，相当于小猫的大脑。
2. tool（工具）：小猫可以调用的外部能力。
3. memory（记忆）：小猫执行任务时保存的历史信息。

这 6 个组件结合起来，就组成了一个能够像人一样自行规划和执行任务，并根据中间结果继续规划、调用工具和调整步骤的“超级小猫”。这样的系统叫

小猫 agent 并不是来替代你的，而是你的得力助手。它负责执行任务，你负责决定应该做什么，并判断它的执行结果是否可信。

只有人和 agent 互相配合，才能更高效地完成各种事情。