这两天在思考如何向一个完全不懂AI的朋友讲解什么是大模型、提示词、MCP等等，他们的关系都是什么。

提到大模型，很多人脑子里先蹦出来的是"深度学习"、"亿级参数"这些词。但理解大模型不需要从这些技术细节入手。

说白了，大模型在AI系统里就是充当"大脑"。接到任务，想清楚步骤，指挥周围的组件去执行。跟人干活差不多——脑子想明白了，手脚才知道往哪使劲。

围绕这个"大脑"，技术上要解决的问题就三类：让它想得更清楚（规划），让它能动手干活（工具调用），让它掌握足够的信息（上下文）。

看看下面这些常见的概念如何套入到这三个分类里。

  • 提示词（规划 & 上下文）：你跟大模型沟通的方式，写得好，既能帮它理解意图，也能带进关键背景，解决问题的效率就高。
  • MCP（工具调用）：让大模型不只是聊天，还能操作数据库、调API、发邮件，以前光有脑子没有手，现在大模型能动手了。
  • RAG（上下文）：给大模型接一个外部资料库，回答时能实时检索，弥补训练数据的边界。
  • 记忆系统（上下文）：让大模型记住你之前说过什么、偏好是什么，不然每次对话都得重新自我介绍一遍。
  • Skills（三者兼有）：把规划、调用、上下文管理打包成可复用的模块。

以后碰到新概念，先想想它解决的是哪个问题——规划、工具调用还是上下文。

比起天天研究新工具，先把这个底层逻辑弄清楚更重要。