AI 核心名词深度解析：Prompt、LLM、Agent、Agent Skills、Workflow、MCP、Tool 等（2026 年最新版，带实战例子）
这些名词是 2024–2026 年 AI/LLM 生态的基石词汇。掌握它们，就能看懂 90% 的 AI 论文、框架文档（LangChain、LangGraph、CrewAI、AutoGen、Claude Desktop、Cursor 等）和产品（如 Cursor、Claude Projects、OpenAI Swarm）。
我按从基础到高级的逻辑排序，逐个深度拆解 + 真实例子 + 相互关系。
1. Prompt（提示词 / 提示工程）
定义：给 LLM 的输入文本，本质是“指令 + 上下文 + 示例 + 约束”的组合。
Prompt 决定了 LLM 输出质量的 80%（模型参数只占 20%）。
深度拆解：
- 零样本（Zero-shot）：纯指令，无示例。
- 少样本（Few-shot）：给 1–5 个输入-输出示例。
- 思维链（Chain-of-Thought, CoT）：强制 LLM “一步一步思考”。
- 角色扮演（Role Prompting）：让你是“资深 Python 工程师”。
实战例子（Claude / GPT / Grok 通用）：
你是一位严格的代码审查专家。
请审查以下代码：python
def add(a, b): return a+b
要求：
1. 一步一步指出问题
2. 给出重构后的完整代码
3. 解释每个改动原因
输出格式用 Markdown + 代码块。2026 新趋势：结构化 Prompt（JSON Schema） + MCP Prompt（后面讲）。
2. LLM（Large Language Model，大语言模型）
定义：参数量在百亿级以上的预训练语言模型，核心能力是下一个 token 预测。
主流 LLM（2026）：
- 闭源：GPT-4o / o3、Claude 3.5/4 Sonnet、Grok 3、Gemini 2.5
- 开源：Llama 4、DeepSeek-R1、Qwen 2.5、Gemma 3
局限性（导致后面所有概念的诞生）：
- 知识截止到训练日期（幻觉）
- 无法主动调用外部工具
- 上下文窗口有限（即使 200k–1M 也可能遗忘）
3. Agent（AI 智能体 / 代理）
定义：能自主规划、调用工具、记忆、迭代完成复杂目标的 LLM 驱动系统。
LLM 是“大脑”，Agent 是“大脑 + 手脚 + 记忆”。
核心组件（ReAct / Plan-and-Execute 模式）：
- Planner：分解任务
- Executor：调用 Tool
- Memory：短期（对话历史）+ 长期（向量数据库）
- Observer：反思错误
经典例子：
- AutoGPT（2023 最早）：目标“帮我赚 1000 美元” → 自动上网搜索、写代码、发推。
- Cursor Agent / Claude Computer Use：直接操作电脑、写代码、调试。
- OpenAI Swarm（2025）：多 Agent 协作。
一句话区别：LLM 只会“回答问题”，Agent 会“完成任务”。
4. Agent Skills（智能体技能）
定义（2025 年 10 月左右流行，Cursor / Anthropic 等推动）：可移植的、模块化的领域专长包，让 Agent 从“通用”变成“专家”。
核心特点：
- 一个 Skill = 一个文件夹，里面有
SKILL.md（指令）+ 脚本/模板/示例文件。 - 渐进式加载：Agent 先只看描述，任务匹配时才加载完整内容（节省上下文）。
- 与 MCP 互补：Skills 提供“知识 + 流程”，MCP 提供“工具执行”。
实战例子（Cursor Skills）：
创建一个 frontend-debug.skill 文件夹：
SKILL.md：
名称：前端调试专家
描述：专长诊断 React / Next.js 报错
指令：
1. 先问用户复现场景
2. 检查常见 5 大问题（props、state、hooks...）
3. 给出修复 diff
附带文件：常见错误对照表.mdAgent 遇到“我的 React 组件白屏”时自动激活这个 Skill。
2026 现状：Skills 是“轻量知识包”，MCP 是“重工具协议”——两者常一起用。
5. Workflow（工作流 / 流程）
定义：Agent 完成任务的多步编排逻辑，从简单线性到复杂分支、并行、循环、人机协作。
常见实现方式：
- LangGraph（LangChain 子框架）：状态机 + 节点（Node） + 边（Edge）
- CrewAI / AutoGen：角色分工（研究员 + 写手 + 审稿人）
- MCP Prompts：可复用的 Workflow 模板
实战例子（电商客服 Workflow）：
- 接收用户问题 → 分类（退款/物流/产品）
- 并行：查订单 + 查库存
- 如果需要退款 → 调用支付 Tool + 发送邮件
- 记录日志 + 人类审批（Human-in-the-Loop）
用 LangGraph 代码大概 30 行就能实现。
6. MCP（Model Context Protocol，模型上下文协议）
这是 2024 年 11 月 Anthropic 发布的重磅开放标准，被誉为“AI 的 USB-C 接口”。
定义：标准化 LLM/Agent 与外部数据、工具、服务通信的协议（Client-Server 架构）。
为什么需要 MCP？
以前每个 Agent 连工具都要写自定义代码（碎片化）。
MCP 让所有 AI（Claude、GPT、Grok、Llama）用同一套协议连接任意后端。
MCP 核心组件（2026 已成事实标准）：
- MCP Host：AI 应用（如 Claude Desktop、Cursor、VS Code）
- MCP Client：Host 里的连接器
- MCP Server：提供工具/数据的服务器（你自己部署或第三方）
- MCP Prompts：可复用的 Workflow 模板（专门指导 Agent 如何用这些工具）
实战例子：
你部署一个“GitHub MCP Server”：
- Agent 说：“帮我 review PR #123”
- 通过 MCP 协议自动：读取代码 → 调用代码审查 Skill → 提交评论
另一个例子：Notion MCP Server → Agent 可直接读写你的笔记。
MCP vs Agent Skills（2026 最常见混淆）：
- MCP = 工具执行层（结构化、确定性、外部系统）
- Skills = 知识与流程层（轻量、上下文指导、领域专长）
两者一起用最强（MCP 提供“手”，Skills 提供“操作手册”）。
7. Tool（工具 / 函数调用）
定义：Agent 可以主动调用的外部函数/API/能力。
Tool 的演进：
- 早期：OpenAI Function Calling（JSON Schema 定义）
- 现在：MCP Tool（标准化发现、调用、安全）
- 高级：并行 Tool Calling + Code Interpreter（让 LLM 写代码执行 Tool）
实战例子（一个 Tool 定义）：
{
"name": "search_web",
"description": "实时搜索互联网",
"parameters": {
"query": "string",
"num_results": "integer"
}
}Agent 内部思考：“我不知道最新股价” → 调用 search_web → 得到结果 → 继续回答。
总结对比表（一目了然）
| 名词 | 核心作用 | 层级 | 是否需要编码 | 2026 典型实现 | 例子场景 |
|---|---|---|---|---|---|
| Prompt | 指令输入 | 最基础 | 否 | 文本 / JSON | 写代码、翻译 |
| LLM | 智能核心（预测） | 大脑 | 否 | GPT/Claude/Grok | 单次问答 |
| Tool | 可调用能力 | 手脚 | 是 | Function Calling / MCP Tool | 查询天气、发邮件 |
| Agent | 自主完成任务 | 大脑+手脚 | 是 | AutoGPT、Claude Agent | “帮我做竞品分析报告” |
| Agent Skills | 领域专长知识包 | 知识层 | 否（写 md） | Cursor Skills | 专业前端调试专家 |
| Workflow | 多步编排逻辑 | 流程层 | 是 | LangGraph / MCP Prompts | 客服全流程、代码审查流水线 |
| MCP | 标准化外部连接协议 | 连接层 | 是（Server） | Anthropic 开放标准 | 一键连 GitHub/Notion/数据库 |
一句话总纲：
Prompt + LLM = 聪明大脑
Tool + MCP = 标准化的手脚
Agent Skills + Workflow = 让大脑变成领域专家并按流程做事
最终产物 = 真正能落地干活的 Agent
这些概念在 2026 年已经高度融合：一个现代 Agent 项目通常同时使用 MCP Server + Agent Skills + Workflow。
想看具体代码实现吗？告诉我你想用的框架/场景：
- LangGraph + MCP 完整电商 Agent
- Cursor Skills + MCP 代码审查 Workflow
- Claude Desktop 自定义 MCP Server
- 多 Agent 协作（Swarm / CrewAI）
我立刻给你可运行的完整示例 + 部署步骤！
