LLM到Agent Skill：AI应用的八层底层逻辑链

从 LLM 到 Agent Skill，一篇文章带你打通底层逻辑。这篇文章将AI应用的底层逻辑串成一条链：LLM 是核心大脑，Token 是输入输出单位，Context 是临时记忆，Prompt 是指令，Tool 让模型能做事，MCP 统一工具接入，Agent 负责规划执行，Agent Skill 负责把 Agent 的能力定制化。

核心脉络第一层是 LLM：大语言模型本质是预测下一个 Token。

第二层是 Token：作为模型处理和生成文本的基本单位，既是输入的最小粒度，也是输出的最小粒度。

第三层是 Context：指模型在单次推理中可访问的上下文窗口，构成其临时记忆。

第四层是 Prompt：用户向模型传递任务意图的指令形式，决定模型行为边界。

第五层是 Tool：外部功能模块，使模型能调用真实世界能力，如搜索、计算或API调用。

第六层是 MCP：一种统一工具接入协议，用于标准化不同工具的连接方式。

第七层是 Agent：基于LLM构建的自主系统，负责任务理解、规划与执行调度。

第八层是 Agent Skill：对 Agent 能力的封装与定制化，支持按场景复用特定行为模式。