不知道大家有没有这种感觉（反正我有），刚学会Prompt，又来了RAG；刚听懂RAG，又来了Agent；刚知道Agent，又冒出MCP、Skill、Workspace Agent...当时人都傻了，怀疑自己是不是跟不上时代了，AI发展乜太快了把。后面了解后，发现并不是，看完这篇文章你乜就没有这种疑惑了。这些词并不是一堆不相关的黑话，它们像一张地图。如果把AI当成一个刚进社会的小伙子，那么这些词的概念就是在解决同一个问题：如何让AI从`会聊天`到`能工作`，理解了这句话，出现的这些概念就变得简单了。
**1、Token：AI眼中的文字**
当你输入一句话：我喜欢钱，在ai看来，它不是一句完整的话，而是会被拆成很多小块。这些小块叫做`Token`乜叫做`词元`。我们可以把Token理解成ai阅读文字时使用的最小积木块。简单来说：token越多，ai需要处理的信息阅读，消耗的资源乜越多，因为ai的阅读能力、记忆能力、运行成本，几乎都和token相关
**2、Context Window：AI的工作台**
ai并不能无限记忆，它更像是一张固定大小的桌子，桌子上能放的资料有限，桌子的大小就叫`Context Window`上下文窗口。如：64k/128/1M。意思就是ai一次最多能看多少内容。桌子太小容易忘记前面的内容，桌子太大容易被无关紧要的信息干扰，所以上下文越大，不代表ai越聪明
**3、Prompt：给AI下任务**
最早使用ai的时候，同一个问题，不同的问法，这个结果是不相同的。例如：帮我写一份方案，ai可能写一堆废话，牛头不对马嘴。而你加上一些修饰如：你是一位经验丰富的产品经理，请写一份xxx产品方案，包含目标用户、功能设计、商业模式，并用表格输出。通常结果会更好，这就是`Prompt`提示词。简单来说：Prompt就是给ai写说明书，告诉它你是谁，要做什么，输出什么格式，什么样的结果才是ok的
**4、RAG：让AI学会查资料**
Prompt再厉害，乜解决不了一个问题，ai不知道的事，它是真的不知道。例如：公司内部的文档、最新的新闻、你的项目代码、企业知识库等，这些内容通常不在ai的训练数据里面。于是RAG它的出现检索增强生成，工作方式变成了先查资料再回答，就像开卷考试一样，ai不再靠猜，而是先找资料，再根据资料回答问题，这样可以避免大幅度的胡言乱语
5、Tool Calling：给AI一双手
RAG让ai会查资料，但是它还只能说，不能做。例如：ai可以告诉你怎么查天气，但是不能真的帮你查，于是出现了`Tool Calling`工具调用。它允许ai调用天气服务，数据库，日历，邮件系统，代码执行的环境等，这时候ai不只是顾问，开始变成助手
**6、MCP：AI世界的USB接口**
Tool Calling可以调用工具了，但是每个工具都有不同的接口，接一个工具写一次代码，接10个就要写10次，太麻烦了，所以出现了`MCP（Model Context Protocol）`可以把它理解成：ai世界的USB-C接口。以前每个工具一种接法，现在按统一标准接入，这样ai能更容易连接。如github、数据库、文件系统、企业系统，MCP不让ai更聪明它让ai更容易接触外面的世界
7、Context Engineering：给AI准备资料
有些人会误以为Prompt就是一切，其实在真正复杂的ai系统里面，更重要的问题变成：这次任务应该给ai看哪些信息？例如：客服员机器人回复用户时，需要知道用户时谁，买过什么东西，历史订单，投诉记录，公司的规则，但是并不是资料越多越好，其核心是：在正确的时间给出正确的信息，这就是`Context Engineering`上下文工程。简单说：Promot是一句指令，Context Engineering是准备整套资料
8、Skill：把经验保存下来
在使用ai的时候，我们一定会遇到如下问题：很多事情总要重复教ai，每天的日报，每周的周报，每次都需要重新解释格式，风格，内容结构非常麻烦，于是出现了`Skill`技能。可以理解为ai的固定工作模板，例如周报技能，代码分析审查技能。Skill的价值在于教一次，以后可以反复使用
9、Computer Use：AI学会操作电脑
计算发展这么多年，沉淀的老旧系统是没有api的，怎么办，这些ai是无法直接调用的，于是出现了`Computer Use`（电脑操作）。简单理解ai像人一样使用电脑，它可以看屏幕，点击按钮，输入文字，上传文件，等等，就像你远程教一个小白操作电脑一样，这是ai从数字世界走向真实工作的关键一步
10、Agent：会自己完成任务的AI
普通ai我们问一句，它答一句。agent不一样，你只给目标，它自己想办法完成。例如帮我找出项目启动失败的原因，agent可能会查看日志，检查配置，搜索代码，运行测试，修复错误，再次验证，整个过程自动循环。所以agent=会思考、会行动、会调整的ai。这乜是为什么ai变成工具越来越强大了
11、Workflow：让AI进入业务流程
现实中工作不是一步完成的，例如：客户咨询，收到表单->查询用户->生成建议->发送邮件->人口审批->记录数据库，这是一整条流程，这就是`Workflow（工作流）`，它负责把很多步骤连接起来。agent负责思考，Workflow负责组织流程，两者结合一起ai才能真正参与企业业务
12、Workspace Agent：AI数字员工
这是目前很多公司追求的终极形态。普通agent做完任务就结束。Workspace Agent：长期待在团队里。它知道项目进度、团队成员、文档位置、权限规则、历史记录。例如：帮我写本周项目周报。它不需要再问你，因为它已经知道本周完成什么、哪些任务延期、哪些风险存在、下周计划是什么、这时候 AI 已经不只是工具，而更像一个数字员工
> 整个路线看下来，你会发现AI的发展并不是不断发明新名词，而是在不断解决新问题,整以后再看到新的AI名词，不必焦虑，先思考它到底是在解决AI工作过程中的哪个问题
| **阶段** | **解决的问题** |
| --- | ----- |
| Token | AI怎么看文字 |
| Context Window | AI能记住多少 |
| Prompt | 怎么表达需求 |
| RAG | AI怎么查资料 |
| Tool Calling | AI怎么动手做事 |
| MCP | AI怎么连接工具 |
| Context Engineering | AI该看什么信息 |
| Skill | AI怎么复用经验 |
| Computer Use | AI怎么操作电脑 |
| Agent | AI怎么自主完成任务 |
| Workflow | AI怎么进入流程 |
| Workspace Agent | AI怎么成为数字员工 |
附上ai生成的图
