这几个词儿你认识多少？如果你全都不认识，那么恭喜你来对地方了。

前言

2026 年开年，AI 圈的热度直接拉满。2 月 12 日豆包接入视频生成模型 Seedance 2.0，14 日豆包 2.0 Code 版牵手国产编程 AI Trae，智谱 GLM-5 也在近期正式亮相。一时间，LLM、RAG、Skill、Agent 这些新词刷屏技术圈，仿佛听不懂就跟不上时代。

这段时间，小编为了努力跟上时代的浪潮，刷了几十条教程、翻了十几篇帖，终于弄清楚了这些被营销包装，看似高深的概念，但其实都是为了解决大模型 “能聊天不会干活” 的核心痛点。

1. 起点：LLM 只是个 “文字接龙引擎”

一切从 大语言模型（LLM）开始。它本质就是：根据上文，预测下一个字。

• 没有记忆，不会联网，不会执行任务，只是个强大的文本生成器。

• 为了让它听话，我们有了：

  • Prompt：给模型的指令
  • Context：给模型的上下文信息
  • Memory：把历史对话塞回上下文，实现多轮对话

这四个是基础，所有上层架构都围绕它们展开。

2. 中间层：Agent 就是 “调度器”

LLM 自己不会查资料、不会写文件、不会调接口。所以我们在外面包了一层程序，叫 Agent（ 智能体 ） 。

Agent 干的事特别简单：

1. 看用户需求
2. 判断要不要查资料、要不要调工具
3. 把结果拼回 Prompt 里，再送给 LLM
4. 把最终结果返回给用户

Agent 本身没有智能，它只是把 “不需要智能的固定逻辑” 写成代码。 真正的语言理解还是 LLM 在做。

3. 为了让 Agent 拿到外部信息：Search + RAG

LLM 有两个致命问题：知识过时、会胡说（幻觉）。所以我们给 Agent 加两个能力：

• Search：联网查实时公开信息
• RAG：检索私有文档 / 数据库，把相关片段塞给模型

这两个本质都是：给 LLM 补充外部知识，解决 “没数据、瞎编” 的问题。

4. 为了让代码能解析模型输出：Function Calling

模型如果只说自然语言，代码没法解析。所以我们约定一个格式：让模型按 JSON 结构告诉 Agent 要调用什么工具。

这就是 Function Calling。它就是一个协议，不是新技术。

5. 为了让工具能标准化接入：MCP

当工具越来越多（搜索、文件、数据库、API），我们需要统一规范：

• 工具怎么注册
• 怎么传参
• 怎么返回结果

这套规范就是 MCP （模型上下文协议） 。你可以把它理解成：Agent 与外部工具的接口标准。

6. 为了处理复杂任务：Workflow / Skill / SubAgent

当任务变长、变复杂（比如 PDF → 翻译 → Markdown），我们需要：

• LangChain：链式调用开发框架，把这些组件串起来
• Workflow：把固定流程可视化、固化下来
• Skill：把某一类能力（如写代码、查文档）封装成 “技能包”
• SubAgent：拆分子任务，做上下文隔离，避免超长上下文

它们本质都是：在保证稳定的前提下，降低开发与使用成本。

7. 我对这套架构的总结

我理解所有这些名词，最后都可以归成一句话：

LLM 负责 “理解与生成”，Agent 负责 “调度与执行”，剩下所有概念，全是为了让模型更准、更稳、更能用。

• Function Calling / MCP：是通信协议
• RAG / Search：是外部知识
• Workflow / Skill：是工程化封装

上述这些就是一套标准化的 大模型 应用架构。

思考与感悟

AI界每隔一段时间就会推出一个新的概念、新的名词，从最开始的Prompt，再到我近期了解到的Skills，我发现AI真的处于一个慢慢衍生的阶段。类比一下会觉得很有趣：它现在正处于我们传统前端最开始的“原生JS刀耕火种”时代，可能过一段时间出现了jQuery，然后不断衍生，最后我们现在都用React、Vue去开发。我们现在很可能处于一个中间产物时代，未来可能会有一个超级智能体出来，到时候这些现在的东西可能都没用了，你直接用这个Agent，什么都能帮你解决。

所以我觉得，这些名词不用死记，理解架构比记住名词更重要。我们做开发，最终目的就是把大模型从 “玩具” 变成真正能落地的工具。

结语

到这里，我们这一期就把当下 AI 圈最火的这套名词和架构，从头到尾聊了一遍。从最基础的 LLM、Prompt，到后来的 Agent、RAG、Skill，看似高大上，其实就是一套不断进化的大模型应用架构。

在接下来的篇章中，我们还会继续拆解更多 AI 名词、落地思路和实战技巧，无论你是初学者还是有一定经验的开发者，都能在系列中找到实用的指导，助你更好地运用生成式AI工具。

点赞收藏不迷路，咱们下次再见ヾ (￣▽￣) ByeBye~