引言

大模型（LLM）技术的演进并非一蹴而就，而是逐步叠加层次，从最基础的序列建模能力出发，最终形成能够自主执行复杂任务的智能体（Agent）。这五个层次——Transformer + Token → Context + RAG → Prompt → Tool + MCP → Agent + Skill——构成了一条清晰的技术栈，每一层都解决了特定的核心问题，并为上一层提供能力支撑。

第 1 层：Transformer + Token —— 语言建模的基石

核心问题：如何让模型理解并生成自然语言？

Transformer：2017 年提出的自注意力机制架构，解决了长距离依赖建模难题，支持高效并行训练，成为几乎所有现代大语言模型（GPT、BERT、LLaMA 等）的基础。

Token：文本被切分为最小语义单元（子词、字符或单词），模型以 Token 序列作为输入和输出。Tokenization 决定了模型的词汇表、上下文长度限制和计算效率。

作用：这一层提供了最底层的语言理解与生成能力——模型能够根据前文预测下一个 Token，从而完成续写、翻译、摘要等基础任务。没有这一层，上层一切皆无可能。

依赖关系：完全独立，是其他所有层的根基。

第 2 层：Context + RAG —— 知识注入与动态扩展

核心问题：如何让模型掌握训练数据之外的知识，并避免“幻觉”？

Context（上下文）：模型在推理时可处理的 Token 序列（如提示词和对话历史）。上下文窗口的大小（如 4K、128K、1M）决定了模型能“记住”多少即时信息。

RAG（检索增强生成）：在生成回答前，先从外部知识库（向量数据库、搜索引擎、文档库）检索相关内容，拼接到上下文中，让模型基于检索到的证据生成回答。

作用：解决了大模型的两大痛点——知识时效性差和私有知识缺失。通过 RAG，模型可以访问最新数据、企业内部文档、专业资料，并显著降低编造事实的概率。

依赖关系：完全依赖第 1 层的 Transformer 生成能力，但扩展了其知识来源。Context 是模型的“工作记忆”，RAG 则不断向这个记忆中装入相关信息。

第 3 层：Prompt —— 任务引导与输出控制

核心问题：如何让模型按照我们的意图执行特定任务，并输出符合要求的格式？

Prompt Engineering：设计提示词来引导模型的行为，包括指令描述、少样本示例（Few-shot）、角色设定、输出格式约束（JSON、Markdown 等）。

系统提示与用户提示：分离不可变指令与可变输入，增强可控性。

作用：将通用的语言模型转化为专用任务执行器。通过精心设计的 Prompt，模型可以完成分类、信息抽取、代码生成、创意写作等多样化任务，而无需重新训练模型。

依赖关系：建立在第 1 层的生成能力之上，并结合第 2 层提供的上下文（如 RAG 检索结果）来构造更有效的提示。Prompt 是上层所有交互的入口。

第 4 层：Tool + MCP —— 连接外部世界

核心问题：如何让模型超越纯文本生成，执行实际操作（查数据库、调 API、控制设备）？

Tool（工具调用/Function Calling）：模型被训练或提示输出结构化的函数调用请求（如 {"name": "search", "arguments": {"query": "天气"}}），由外部系统执行并返回结果。

MCP（Model Context Protocol）：2024 年由 Anthropic 提出的开放协议，标准化了模型与外部工具、数据源之间的通信方式，类似“AI 应用的 USB-C 接口”。它使得任何模型可以无缝接入任何工具，避免重复开发适配层。

作用：赋予模型行动能力，使其从“说”扩展到“做”。例如查询实时股票价格、预订机票、操作浏览器、调用企业内部系统等。

依赖关系：依赖第 3 层的 Prompt 来触发工具调用（模型需理解何时调用哪个工具），同时工具返回的结果会作为新的上下文（第 2 层）继续参与生成。MCP 简化了工具集成的复杂度，为更上层的自动化铺路。

第 5 层：Agent + Skill —— 自主规划与复杂任务执行

核心问题：如何让模型自主完成一个多步骤、需要决策和迭代的复杂目标？

Agent（智能体）：将大模型作为“大脑”，结合规划（Planning）、记忆（Memory）、工具使用（Tool Use）等能力，在环境中自主行动。Agent 能够分解任务、制定计划、调用工具、根据反馈调整策略，直至完成目标。

Skill（技能）：封装好的可复用能力模块（如“发送邮件”“生成报告”“爬取网页”），Agent 可以按需调用或组合这些技能。Skill 通常包含 Prompt 模板、工具链、验证逻辑等，使得 Agent 的能力可以像乐高积木一样组装和扩展。

作用：实现了从“单轮问答”到“多轮自主执行”的跨越。例如，一个 Agent 可以自动完成“市场调研 → 抓取数据 → 分析趋势 → 生成 PPT 报告”的全流程，无需人类逐步干预。

依赖关系：Agent 依赖于所有下层能力：用第 3 层 Prompt 进行任务分解与指令理解；用第 4 层工具与外部世界交互；用第 2 层 Context + RAG 维护任务状态、获取知识；用第 1 层 Transformer 进行推理和生成。Skill 则是 Agent 能力的工程化封装，使得复杂行为可复用、可共享。

五层体系的依赖关系总览

• 第 5 层 Agent + Skill ← 自主规划、多步执行、任务闭环
• 第 4 层 Tool + MCP ← 执行具体动作、连接外部系统
• 第 3 层 Prompt ← 任务定义、指令理解、输出控制
• 第 2 层 Context + RAG ← 提供背景知识、动态信息、长期记忆
• 第 1 层 Transformer + Token ← 基础语言模型、推理与生成能力

每一层都是上一层的基础，同时上层通过组合下层能力实现更高级的功能。层与层之间并非严格隔离，而是相互交织：RAG 的结果进入 Prompt，工具调用返回的结果又成为新的上下文，Agent 的规划过程依赖 Prompt 的质量等。

该体系对构建实用 AI 应用的意义

分层解耦，降低开发复杂度。开发者可以根据需求在某一层进行优化，而无需从零构建。例如，想要更好的知识注入就加强 RAG，想要模型执行操作就接入工具和 MCP，无需改动底层模型。

模块化与可组合性。每一层都可独立演进和替换：更换基础模型（如从 GPT 换到 Claude 或开源模型）不影响上层已设计的 Prompt 和工具；MCP 协议让工具生态跨模型通用。

渐进式构建路径。从最简单的 Prompt 应用开始，逐步引入 RAG、工具调用，最终演进为完整 Agent。这种路径符合实际项目迭代节奏，也便于团队逐步掌握复杂技术。

最大化利用现有模型能力。绝大多数实用 AI 应用不需要训练自己的大模型，而是通过 Prompt、RAG、工具等工程手段“调教”通用模型，成本低、见效快。

形成标准化生态。类似 MCP 的开放协议促进了工具和技能的共享，使得 AI 应用可以像搭积木一样集成第三方能力，加速创新。

为 Agent 时代奠定基础。五层结构天然导向智能体——最上层 Agent + Skill 正是当前 AI 应用的前沿方向，它整合了所有下层技术，让模型从“对话者”变为“执行者”。

总结

总之，这五层体系清晰地展示了从基础模型到实用智能系统的演进逻辑：底层提供智能，中层提供知识与工具，上层提供自主性与任务闭环。理解这一结构，有助于架构师和开发者更合理地设计 AI 应用，选择合适的技术组合，并随着模型能力的提升逐步向更高层次演进。