学到一点就写一点 · AI 大白话 用具体例子，把 AI 的原理和用法讲清楚。
把想法、说明书和工具连起来，让AI帮忙做事 · 点击放大
打开豆包或者 DeepSeek，输入一句“帮我整理一份周报”，等它回复——这个用法，很多人已经会了。
但看别人聊 AI，又冒出一堆新词：大模型、提示词、Skill、智能体、工作流……
这个系列想围绕一个问题慢慢讲清楚：AI 怎样从“生成回答”，走到“帮我们完成事情”？
这一篇是系列的入门地图。先借一份周报，看看模型、要求、资料、工具和流程各自负责什么；后面再逐篇拆开，聊它们具体怎样工作。
这些词，可以放在一起理解：你正在找一个 AI 助手帮忙。它要有大脑，也要有手脚；要知道你的要求，还得有资料和做事的方法。
我们就拿上班时常遇到的一件事来解释：假设周五快下班了，你把这一周零散的工作记录交给 AI，让它帮你整理成周报。
01｜大模型和 LLM：AI 助手的“大脑”
AI，就是人工智能，是一个大范围。 让机器认图片、听懂说话、回答问题，都属于这个范围。
大模型，则可以先理解为 AI 助手背后的“大脑”。它经过大量材料的训练，学会了一些规律，能够分析你给的内容，组织回答。
LLM，中文叫“大语言模型”，就是其中主要和语言文字打交道的一类。 写周报、改句子、做总结，都是它常做的事。有的模型还能处理图片、声音等信息，这就是你可能听到的“多模态”。
“大脑”这个比喻，最有用的地方是帮我们区分两件事：想清楚怎么做，和真的动手做。
你把工作记录贴给模型，它能判断哪些是已完成的事、哪些是下周计划，再组织成一段文字。
但单独一个语言模型，不会因为写出“周报已经保存”，就真的在你的电脑里创建文件；也不会因为说“我去查一下”，就真的打开网页搜索。
它可以分析、判断、生成回答；要对外部文件、软件做具体操作，还需要接上工具。
所以，豆包、DeepSeek 这些软件里的完整功能，不能都理解成模型本身的能力。你使用的软件，还可能帮模型接了搜索、文件处理等功能。
02｜提示词：你给“大脑”交代的任务
“帮我整理一份周报”，就是一个提示词。
听着专业，其实就是你对 AI 说的要求。
就像请同事帮忙，你只说“帮我弄一下”，对方也不知道从哪下手。AI 同样需要知道：这周做了什么？给谁看？用什么格式？要写多详细？
可以换成这样：
根据我下面贴的工作记录，整理一份给主管看的周报。按“本周完成、遇到的问题、下周计划”分成三部分，300 字以内，写得直接一点。没做完的事别写成完成了，没提供的数据不要编。缺什么信息先问我。
提示词不是咒语。把任务、材料和要求说清楚，比堆一串“你是顶级专家”更实在。
03｜工具：给“大脑”装上手脚
大脑知道要做什么，接下来得有办法动手。
工具，就相当于给大模型装上手脚。
要读表格，就用读取文件的工具；要核对一堆数字，就用计算工具；要把周报存成文档，就用能创建文件的工具。
可以想象这样一个过程：
模型先判断：“我需要看看表格里的实际进度。”于是请求读取文件。工具把内容读回来，模型再根据结果整理周报。你检查后，它再请求工具保存文件。
大脑决定什么时候用什么工具，工具负责把动作真正执行出来，结果再交回大脑。
当然，前提是所用的软件提供了这些工具，并允许它使用。没有“手脚”，模型最多把文字给你，你还得自己复制、粘贴、保存。
04｜知识库和 RAG：给“大脑”配一份外部记忆
只有这周的工作记录，有时还不够。
比如你问：“上个月遇到的那个问题，后来怎么解决了？”
如果 AI 根本没见过那份记录，就不能指望它凭空知道。
这时候，可以把过去的周报、工作笔记、常见问题整理起来，供它查阅。这批资料，就是知识库。
你可以把它想成 AI 的一本笔记，或者一份可以查阅的外部记忆。
资料多了，总不能每次从第一页翻到最后一页。得先找到跟问题有关的几段，再交给大脑看。
这种“先找相关资料，再根据资料回答”的做法，就叫 RAG，中文叫“检索增强生成”。
用记忆来打比方：
知识库是记下来的资料。
RAG是从这些资料里翻出相关内容的办法。
这不等于模型已经永久背下了所有资料，更像它身边一直放着一本可查的笔记。查资料也会有遗漏，找到的内容也可能被理解错，所以重要结果还得核对。
05｜Skill：给“大脑”一本工作说明书
每周都写周报，你可能每次都要提醒：
“还是分成完成、问题、计划三部分。”
“句子写短一点。”
“没做完的别写成完成了。”
反复交代，挺麻烦。那就把这套写法保存下来，下次做同类事情时，让 AI 照着用。
这就很接近 Skill 的意思：一份可以重复使用的工作说明。
它像给新同事准备的工作手册：遇到这类任务，先看哪些材料，按什么格式写，哪些地方要检查。除了说明，还可以附上范文、模板和小程序。
和前面的概念放在一起，就更容易分清：
知识库提供“有什么资料”，Skill 提供“这件事通常怎么做”，工具提供“用什么动手”。
而你这次输入的提示词，是告诉它：“现在，请按这套方法，帮我整理这周的周报。”
Skill 能让它有章可循，但不等于给它换了个更聪明的大脑，也不会凭空给它增加操作电脑的权限。
06｜工作流和智能体：这些东西怎么配合起来？
工作流：提前把办事步骤排好
整理周报，可以先安排成这样：
提供工作记录 → 整理周报 → 你检查 → 修改 → 保存。
这串接起来的步骤，就是工作流。
就像做饭时先洗菜、再切菜、再下锅，你提前把顺序排好。中间还可以设规则：你没确认，就先停在检查这一步。
工作流解决的是：先做什么，后做什么，什么时候往下走。
智能体：能调动“大脑和手脚”，看情况继续办事的助手
假设你给 AI 的任务是：“帮我把这周的工作记录整理成一份周报，存成文档。”
它先读材料，发现两条记录说的是同一件事，就合并起来；发现一处写“已经完成”，另一处写“还在处理”，就来问你；内容确认好了，再保存成文档。
你可以先把智能体理解成：把大脑、工具等能力组织起来，围绕一个目标，边做、边看结果、边决定下一步的 AI 助手。 英文叫 Agent。
它可以查知识库、参考 Skill，也可以在安排好的工作流里完成一部分任务。这些东西能够搭配使用，不是互相替代的几个等级。
简单区分：工作流更像提前排好的步骤，智能体更像能看情况选择下一步的执行者。
并不是给聊天机器人起个“周报专家”的名字，它就能自己办完所有事。还得看它有没有相应工具，能不能实际执行、检查结果，以及遇到问题会不会停下来问你。
07｜API、MCP、Token：顺手认一下这几个缩写
API，可以理解成软件之间的办事窗口。 你自己打开 DeepSeek 提问，是你在操作；假设办公软件有一个“整理周报”按钮，点一下就把工作记录交给模型，再拿回结果，这类请求就可以通过 API 完成。
MCP，可以理解成连接外部工具时的一套通用插口规则。 大脑要接上不同的“手脚”和资料，双方按同一套规则连接，会省一些对接的麻烦。它不是工具本身，也不代表一接上就自动有权限操作所有东西。工具的连接可以用到 API、MCP 等方式，不是每次都必须用上两者。
词元(Token)，是模型处理文字时使用的小单位。 像它自己的“字数”单位，但和汉字不是一一对应。以后看到“支持多少 Token”或者“按 Token 收费”，知道它和处理的信息量有关就行。
08｜国内这些 AI，分别是谁家的？
前面讲的是这些能力怎么配合。平时我们接触到的，则是具体的软件和品牌。下面沿用 2026 年 9 月 21 日核对的名称，帮助认路；产品与模型名称后续可能调整。
| 你看到的软件 | 背后的公司 | 可能听到的模型名字 |
|---|---|---|
| 豆包 | 字节跳动 | 豆包模型、Seed 系列 |
| DeepSeek | 深度求索 | DeepSeek 系列 |
| 千问 | 阿里巴巴 | 通义千问、Qwen |
| Kimi | 月之暗面 | Kimi 系列 |
| 智谱清言 | 智谱 | GLM 系列 |
国外还常见 OpenAI 的 GPT、Anthropic 的 Claude、Google 的 Gemini。
同一个名字可能既指模型，也指软件；一个软件也可能使用多个模型。这张表帮你认名字，不是给谁排名。
放在一起，看一遍它们怎么干活
还是那份周报：你用提示词交代任务，“大脑”参考工作说明，按需翻资料，再调动“手脚”去读文件、核对、保存。每做完一步，再看看接下来该做什么。
用大脑手脚工作说明书和外部记忆串联提示词LLM工具Skill知识库RAG工作流与智能体 · 点击放大
单独请 AI 改一句话，通常不需要准备这么多东西。等你确实需要它查资料、反复按同一套要求做事，或者连续完成好几个动作时，再把相应部分加进来。
接下来，看看“大脑”怎样生成回答
这张地图里，模型负责分析材料和组织回答。可当你输入一句“我今天很开心”，它究竟怎样处理这些文字，再接上一句回应？
下一篇，我们从词元和向量开始，走一遍文字进入模型、再变成回答的过程。后面讲到资料、工具、Skill 和工作流时，还会回到这份周报，看看它们怎样一步步帮我们把事情做完。
配图说明：封面由 AI 生成，正文总览图为简化教学示意。“大脑”“手脚”“外部记忆”等是帮助理解的比喻；周报及相关操作为假设例子，具体功能以软件支持为准。厂商信息核验于 2026 年 9 月 21 日。
