名人说：博观而约取，厚积而薄发。——苏轼《稼说送张琥》 创作者：Code_流苏(CSDN)（一个喜欢古诗词和编程的Coder😊）
目录
-
- 1. LLM：大语言模型的本质是“预测下一个 Token”
- 2. Token：模型真正处理的不是字，而是 Token
- 3. Context：模型的“临时记忆体”
- 4. Prompt：给模型的任务说明书
- 5. Tool：让模型拥有“手和脚”
- 6. 链路关系图
- 启发
很高兴你打开了这篇博客，更多AI知识，请关注我、订阅专栏《AI知识图谱》，内容持续更新中…
大家好，我是流苏
好久没更新了，最近学习了AI相关的知识，本文将用一条主线解释现代 AI 产品的底层演进，也是记录一下笔记：LLM → Token → Context → Prompt → Tool
也就是：大模型先能“生成文字”，再通过上下文理解任务，通过提示词被引导，最后通过工具连接外部世界。
1. LLM：大语言模型的本质是“预测下一个 Token”
LLM 不是神秘的大脑，而是一个超大规模语言建模系统。它的核心工作方式可以粗略理解为：根据已有输入，预测最可能出现的下一个 Token，然后不断重复，直到生成完整回答。
目前，主流大模型大多基于 Transformer 架构，而 Transformer 则源于 2017 年 Google 的论文 Attention Is All You Need。
关键理解：
LLM 的能力不是“查数据库式回答”，而是基于训练形成的统计与语义模式进行生成（划重点）。因此它擅长语言、代码、总结、推理式表达，但也可能编造，需要工具或检索来校验事实。
一图胜千言： 
2. Token：模型真正处理的不是字，而是 Token
Token 是模型处理文本的基本单位。
模型不直接理解“文字”，而是通过 Tokenizer（分词器） 把文字切成 Token，再映射成数字。
Token 和“字”或“词”不是一一对应关系；一个词可能是一个 Token，也可能被拆成多个 Token。公开整理稿给出的经验换算是：1 Token 约等于 0.75 个英文单词，或 1.5～2 个汉字。
为什么重要：
Token 决定三件事：
一图胜千言： 
3. Context：模型的“临时记忆体”
Context 是模型一次处理任务时能看到的全部信息，包括系统提示词、对话历史、用户当前输入、工具列表、工具返回结果，以及正在生成的内容。
Context 可以简单理解成模型每次处理任务时接收到的信息总和，也就是“临时记忆体”。
Context Window 则是这个临时记忆体的容量上限。超过窗口后，模型无法同时看到全部内容，需要压缩、截断或用 RAG 检索相关片段。
RAG 的基本做法是把长文档切块、向量化存储，提问时只取相关片段放进 Context（这样就提高了效率）。
实践启发：
不要把所有资料一股脑塞给 AI。更好的做法是：先明确目标，再提供与目标相关的背景、约束和材料。
一图胜千言：
4. Prompt：给模型的任务说明书
Prompt 是给模型的问题或指令。主要则是两类 Prompt（系统和用户提示词）：
| System Prompt（系统提示词） | 开发者/系统 | 定义角色、规则、边界 |
| User Prompt（用户提示词） | 用户 | 说明当前具体任务 |
整理稿指出，好的 Prompt 通常包含：角色、具体任务、输出格式、示例和约束。([Lizi][2])
好 Prompt 的基本结构：
你是谁：你是一个……
任务是什么：请帮我……
输入材料：以下是……
输出格式：请按……
约束条件：不要……，必须……
核心观点：
Prompt 不是“咒语”，而是任务说明。写 Prompt 的本质，是减少模型的不确定性。
一图胜千言：
5. Tool：让模型拥有“手和脚”
LLM 本身只会生成文本，不会真的查天气、发邮件、跑代码或查数据库。
Tool 本质上类似于函数，让模型能够感知和影响外部世界。值得强调的是：模型自己不执行工具，它只是告诉平台“我要调用什么工具”，真正执行的是平台或应用层。
典型流程：
用户提问 → 平台把问题和工具列表给模型 → 模型决定调用某个工具 → 平台执行工具 → 工具返回结果 → 模型基于结果组织回答。
关键理解：
Tool 把 AI 从“会说”推进到“能做”。
一图胜千言： 
6. 链路关系图
LLM
↓ 处理的基本单位
Token
↓ 组成模型可见信息
Context
↓ 用指令引导模型
Prompt
↓ 连接外部能力
Tool
一图胜千言： 
启发
现代 AI 产品不是只有“模型”一个东西。
真正好用的 AI 系统，通常是多个层次叠加出来的：
| LLM | 生成与理解语言 |
| Context | 让模型看到相关信息 |
| Prompt | 指导模型如何完成任务 |
| Tool | 让模型连接外部世界 |
所以，看一个 AI 产品强不强，不只看它用了什么模型，还要看：上下文组织得好不好、工具接得全不全。
本篇笔记就记到这里，感谢大家观看，下一篇讲一下MCP、Agent以及Agent Skill。
创作者：Code_流苏(CSDN)（一个喜欢古诗词和编程的Coder😊）
