学习AI如同掌握一门新语言Prompt、Agent、MCP、Skills、Workflow等概念繁多且易混淆。本文通过建立关系表清晰解析了每个概念的核心作用与重点帮助读者理解任务表达、能力封装、系统连接和执行组织等关键方面为深入AI学习打下坚实基础。刚理解 Prompt接着是 Agent开始研究 MCP又遇到 Skills 和 Workflow。每个概念单独看都有解释放在一起却很容易分不清各自负责什么。理解这些概念可以先建立一张关系表◆Prompt核心作用向模型表达任务与约束需要理解的重点目标、背景、规则和输出要求◆Skills核心作用封装可复用的专业知识与操作方法需要理解的重点能力描述、操作指引和配套资源◆MCP核心作用标准化 AI 应用与外部能力之间的连接需要理解的重点工具、资源、交互模板及通信方式◆Workflow核心作用组织多个步骤之间的执行关系需要理解的重点顺序、分支、并行与检查节点◆Agent核心作用根据目标和执行反馈动态决定下一步需要理解的重点工具选择、行动调整与停止条件这五个概念分别描述任务表达、能力封装、系统连接和执行组织等不同方面。它们可以出现在同一个 AI 产品里也可以按需要组合。01Prompt模型接收到的任务说明Prompt 通常翻译为“提示词”。不过在产品设计中把它理解为“提供给模型的任务说明”会更准确。它可以包含任务目标、背景资料、判断标准、表达要求以及允许和禁止的行为。用户在聊天框输入的一句话只是这类信息的一种来源。应用本身也可以提前设置指令并在运行时补充资料、工具返回结果或历史消息。因此一个任务最终呈现给模型的内容可能由多个部分共同构成。其中背景资料帮助模型理解对象规则限定处理方式输出要求说明结果应当如何表达。把这些信息组织清楚模型才更容易完成符合预期的任务。需要区分的是文字指令表达了要求程序和运行环境决定哪些要求能够被强制执行。例如Prompt 可以要求模型遵守输出格式系统还可以通过结构化输出、字段校验等机制检查结果。两者共同发挥作用约束的可靠性才会更高。02Skills把专业方法封装成可复用资源一套专业方法往往不只有一句指令还包括操作步骤、参考资料、模板甚至可执行脚本。Skills 提供了一种组织这些内容的方式。按照 Agent Skills 开放规范一个 Skill 至少包含一份名为SKILL.md的文件。其中记录技能的名称、描述和操作指引也可以附带脚本、参考文档与模板资源。从内容上看Skills 可以承载领域知识也可以承载完成任务的具体流程。它把这些内容组织成可维护、可分发的能力包让支持该规范的 Agent 按需使用。理解 Skills有一个关键机制渐进式加载。规范描述的基本过程分为三个阶段1发现先读取技能名称和描述了解有哪些能力可用。2激活任务匹配时再读取完整操作指引。3执行按需要读取参考资料、使用模板或运行脚本。这使技能库不必在每次任务开始时把所有内容都塞进模型上下文。至于具体如何匹配、何时加载由接入 Skills 的应用实现。Skills 能提供指引和资源但它的效果仍取决于内容质量、模型能力以及运行环境是否具备所需工具。一个技能包含脚本也不代表当前环境已经安装依赖或获得执行权限。03MCP让外部能力以统一方式被连接MCP 是 Model Context Protocol即模型上下文协议。它规定 AI 应用与外部服务交换信息、发现和调用能力的一套通信方式。按照官方架构AI 应用作为 Host通过 Client 连接 MCP Server由 Server 提供相应能力。对产品经理而言可以先理解 MCP 中三类常见内容◆Tools可被调用的操作能力◆Resources可供读取的上下文数据◆Prompts服务端提供的交互模板MCP 将这些能力以标准接口暴露出来便于兼容的应用接入。至于业务功能如何实现、数据如何组织仍由对应服务负责。这也解释了 MCP 与 Skills 的关系。Skills 可以提供使用某项能力的方法MCP 可以提供连接该能力的接口。一个 Skill 可以指导 Agent 使用 MCP 工具也可以只使用本地文件和脚本。一个 MCP 服务也可以直接被应用调用无需依赖某个 Skill。二者是可以配合的独立机制。连接外部服务也不意味着自动获得全部数据与操作权限实际访问范围仍取决于授权配置和服务端控制。04Workflow定义步骤之间的执行关系Workflow 通常翻译为工作流关注的是多个步骤如何组成一个执行过程。它可以规定先后顺序、分支条件、并行任务以及各步骤之间的数据传递方式。常见组织形式包括◆串行上一步的结果作为下一步的输入。◆分支根据条件进入不同路径。◆并行多个步骤同时执行再汇总结果。◆迭代根据检查结果重复部分步骤并设置退出条件。工作流中的节点可以调用模型也可以执行普通程序、查询数据或等待人工确认。因此Workflow 并不意味着全程没有 AI 判断。设计者可以预先规定整体结构再让模型负责其中的分类、生成或评估任务。它的知识重点在于任务的控制流程如何被表达、执行和检查。Skills 里的操作指引可以描述一套流程但这份描述与程序实际执行的工作流仍有区别。模型理解文字步骤与系统逐个运行节点具有不同的约束方式和执行特性。05Agent在执行中持续选择行动Agent 在行业中有不同用法。为了理解架构可以借用 Anthropic 对 Workflow 和 Agent 的一种区分前者主要通过预先定义的代码路径编排后者由模型在运行中动态决定过程和工具使用。在这个定义下Agent 的重要特征是它会根据当前状态选择行动并利用执行反馈调整后续步骤。一个常见的运行循环可以表示为理解目标 → 选择行动 → 调用工具 → 观察结果 → 继续行动或结束。这里的“观察结果”很重要。工具是否成功、信息是否充分、结果是否满足要求都可能影响下一步。Agent 的自主程度可以不同。系统可以限制其可用工具、运行时间、调用次数和权限也可以在关键节点引入人工确认。实际产品中Workflow 与 Agent 经常结合固定工作流里的某个节点可以交给 Agent 动态处理Agent 也可以调用一段已经定义好的工作流。研究它们时应关注具体由谁决定执行路径以及哪些部分已经被系统约束。06把五个概念放回同一张知识地图理解它们的关系可以从两个角度入手。第一个角度是任务需要哪些信息与能力。Prompt 表达当前任务和约束Skills 提供可复用的知识与操作方法MCP 为外部工具和资料提供标准连接方式。第二个角度是这些能力怎样被组织执行。Workflow 显式组织步骤和数据传递Agent 根据目标、状态与反馈动态选择行动。两组内容可以组合但没有必须全部使用的要求。一次简单的模型调用可以只使用清楚的任务说明一套工作流可以直接调用 API一个 Agent 可以只使用本地工具支持 Skills 的应用也可能同时通过 MCP 连接外部服务。这种关系意味着理解 AI 产品时需要分别识别它的任务指令、知识资源、工具接口和控制流程。名称相似的产品内部组合可能不同使用相同组件的产品也可能因为执行结构和约束方式不同表现出明显差异。对产品经理来说真正有价值的知识是能说明这些组件各自承担什么职责以及它们怎样共同影响产品的能力、成本与可靠性。大模型的知识又多又杂到底怎么学做这行久了被问最多的问题就一个大模型的知识又多又杂我到底先学啥翻了一堆资料看啥都像重点结果啥都没学进去。今天把我自己一路摸出来的顺序捋一遍零基础、应届生、转行的都适用。跟着走至少方向不乱、不瞎忙学完拿得出手。第一阶段10天初阶应用这一阶段就一个目标把大模型真正玩明白不是只会聊天那种而是能调教它、能用代码把大模型和业务接起来。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用这阶段正式进实战目标很实在做出两个能拿出手的东西——一个私有知识库一个 agent 对话机器人。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…走完这 30 天Python 或 JavaScript 背景的基本能独立做一套 RAG 应用简历上也敢写大模型应用开发了。第三阶段约20天动手微调学到这你已经开始 “造” 模型了 —— 通过微调搞出垂直领域的专用小模型。为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你从 “只会用” 变成 “能造” 的 AI 小子。那么你还想往下探索吗想要入局AI大模型赛道、抢占行业红利的朋友微信扫描下方CSDN官方认证二维码即可100%免费领取全套学习资料第四阶段20天商业闭环部署落地技术学完落地才算数。这阶段带你搞明白大模型怎么真正跑起来、用起来。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…想要入坑大模型的朋友给大家准备了一份2026 年最新 AI 大模型全套学习资料1、大模型系统化学习路线2、大模型学习视频教程3、大模型学习书籍电子文档4、AI大模型最新行业报告5、大模型项目实战配套源码6、2026大模型大厂面试真题7、为什么要学习大模型我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年人才缺口已超百万凸显培养不足。随着AI技术飞速发展预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。8、适合谁学传统后端 / Java / 前端开发想转型 AI 应用大学生、应届生想拿更好的 offer产品经理、运营想武装职业竞争力技术负责人想给团队落地提效学习是反人性的但回报是真金白银。技术会更新赛道会切换但只要你先动手机会就永远站在你这边。9、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。想要入局AI大模型赛道、抢占行业红利的朋友微信扫描下方CSDN官方认证二维码即可100%免费领取全套学习资料好了就写到这。路线是死的人是活的卡住了随时来问我。觉得有用就点个收藏别让它进收藏夹吃灰——动起来比啥都强。 
长河君 · 2026/10/31 17:42:16 · 阅读 1.2k AI新手必看：Prompt、Skills、MCP、Workflow、Agent核心概念解析
学习AI如同掌握一门新语言Prompt、Agent、MCP、Skills、Workflow等概念繁多且易混淆。本文通过建立关系表清晰解析了每个概念的核心作用与重点帮助读者理解任务表达、能力封装、系统连接和执行组织等关键方面为深入AI学习打下坚实基础。刚理解 Prompt接着是 Agent开始研究 MCP又遇到 Skills 和 Workflow。每个概念单独看都有解释放在一起却很容易分不清各自负责什么。理解这些概念可以先建立一张关系表◆Prompt核心作用向模型表达任务与约束需要理解的重点目标、背景、规则和输出要求◆Skills核心作用封装可复用的专业知识与操作方法需要理解的重点能力描述、操作指引和配套资源◆MCP核心作用标准化 AI 应用与外部能力之间的连接需要理解的重点工具、资源、交互模板及通信方式◆Workflow核心作用组织多个步骤之间的执行关系需要理解的重点顺序、分支、并行与检查节点◆Agent核心作用根据目标和执行反馈动态决定下一步需要理解的重点工具选择、行动调整与停止条件这五个概念分别描述任务表达、能力封装、系统连接和执行组织等不同方面。它们可以出现在同一个 AI 产品里也可以按需要组合。01Prompt模型接收到的任务说明Prompt 通常翻译为“提示词”。不过在产品设计中把它理解为“提供给模型的任务说明”会更准确。它可以包含任务目标、背景资料、判断标准、表达要求以及允许和禁止的行为。用户在聊天框输入的一句话只是这类信息的一种来源。应用本身也可以提前设置指令并在运行时补充资料、工具返回结果或历史消息。因此一个任务最终呈现给模型的内容可能由多个部分共同构成。其中背景资料帮助模型理解对象规则限定处理方式输出要求说明结果应当如何表达。把这些信息组织清楚模型才更容易完成符合预期的任务。需要区分的是文字指令表达了要求程序和运行环境决定哪些要求能够被强制执行。例如Prompt 可以要求模型遵守输出格式系统还可以通过结构化输出、字段校验等机制检查结果。两者共同发挥作用约束的可靠性才会更高。02Skills把专业方法封装成可复用资源一套专业方法往往不只有一句指令还包括操作步骤、参考资料、模板甚至可执行脚本。Skills 提供了一种组织这些内容的方式。按照 Agent Skills 开放规范一个 Skill 至少包含一份名为SKILL.md的文件。其中记录技能的名称、描述和操作指引也可以附带脚本、参考文档与模板资源。从内容上看Skills 可以承载领域知识也可以承载完成任务的具体流程。它把这些内容组织成可维护、可分发的能力包让支持该规范的 Agent 按需使用。理解 Skills有一个关键机制渐进式加载。规范描述的基本过程分为三个阶段1发现先读取技能名称和描述了解有哪些能力可用。2激活任务匹配时再读取完整操作指引。3执行按需要读取参考资料、使用模板或运行脚本。这使技能库不必在每次任务开始时把所有内容都塞进模型上下文。至于具体如何匹配、何时加载由接入 Skills 的应用实现。Skills 能提供指引和资源但它的效果仍取决于内容质量、模型能力以及运行环境是否具备所需工具。一个技能包含脚本也不代表当前环境已经安装依赖或获得执行权限。03MCP让外部能力以统一方式被连接MCP 是 Model Context Protocol即模型上下文协议。它规定 AI 应用与外部服务交换信息、发现和调用能力的一套通信方式。按照官方架构AI 应用作为 Host通过 Client 连接 MCP Server由 Server 提供相应能力。对产品经理而言可以先理解 MCP 中三类常见内容◆Tools可被调用的操作能力◆Resources可供读取的上下文数据◆Prompts服务端提供的交互模板MCP 将这些能力以标准接口暴露出来便于兼容的应用接入。至于业务功能如何实现、数据如何组织仍由对应服务负责。这也解释了 MCP 与 Skills 的关系。Skills 可以提供使用某项能力的方法MCP 可以提供连接该能力的接口。一个 Skill 可以指导 Agent 使用 MCP 工具也可以只使用本地文件和脚本。一个 MCP 服务也可以直接被应用调用无需依赖某个 Skill。二者是可以配合的独立机制。连接外部服务也不意味着自动获得全部数据与操作权限实际访问范围仍取决于授权配置和服务端控制。04Workflow定义步骤之间的执行关系Workflow 通常翻译为工作流关注的是多个步骤如何组成一个执行过程。它可以规定先后顺序、分支条件、并行任务以及各步骤之间的数据传递方式。常见组织形式包括◆串行上一步的结果作为下一步的输入。◆分支根据条件进入不同路径。◆并行多个步骤同时执行再汇总结果。◆迭代根据检查结果重复部分步骤并设置退出条件。工作流中的节点可以调用模型也可以执行普通程序、查询数据或等待人工确认。因此Workflow 并不意味着全程没有 AI 判断。设计者可以预先规定整体结构再让模型负责其中的分类、生成或评估任务。它的知识重点在于任务的控制流程如何被表达、执行和检查。Skills 里的操作指引可以描述一套流程但这份描述与程序实际执行的工作流仍有区别。模型理解文字步骤与系统逐个运行节点具有不同的约束方式和执行特性。05Agent在执行中持续选择行动Agent 在行业中有不同用法。为了理解架构可以借用 Anthropic 对 Workflow 和 Agent 的一种区分前者主要通过预先定义的代码路径编排后者由模型在运行中动态决定过程和工具使用。在这个定义下Agent 的重要特征是它会根据当前状态选择行动并利用执行反馈调整后续步骤。一个常见的运行循环可以表示为理解目标 → 选择行动 → 调用工具 → 观察结果 → 继续行动或结束。这里的“观察结果”很重要。工具是否成功、信息是否充分、结果是否满足要求都可能影响下一步。Agent 的自主程度可以不同。系统可以限制其可用工具、运行时间、调用次数和权限也可以在关键节点引入人工确认。实际产品中Workflow 与 Agent 经常结合固定工作流里的某个节点可以交给 Agent 动态处理Agent 也可以调用一段已经定义好的工作流。研究它们时应关注具体由谁决定执行路径以及哪些部分已经被系统约束。06把五个概念放回同一张知识地图理解它们的关系可以从两个角度入手。第一个角度是任务需要哪些信息与能力。Prompt 表达当前任务和约束Skills 提供可复用的知识与操作方法MCP 为外部工具和资料提供标准连接方式。第二个角度是这些能力怎样被组织执行。Workflow 显式组织步骤和数据传递Agent 根据目标、状态与反馈动态选择行动。两组内容可以组合但没有必须全部使用的要求。一次简单的模型调用可以只使用清楚的任务说明一套工作流可以直接调用 API一个 Agent 可以只使用本地工具支持 Skills 的应用也可能同时通过 MCP 连接外部服务。这种关系意味着理解 AI 产品时需要分别识别它的任务指令、知识资源、工具接口和控制流程。名称相似的产品内部组合可能不同使用相同组件的产品也可能因为执行结构和约束方式不同表现出明显差异。对产品经理来说真正有价值的知识是能说明这些组件各自承担什么职责以及它们怎样共同影响产品的能力、成本与可靠性。大模型的知识又多又杂到底怎么学做这行久了被问最多的问题就一个大模型的知识又多又杂我到底先学啥翻了一堆资料看啥都像重点结果啥都没学进去。今天把我自己一路摸出来的顺序捋一遍零基础、应届生、转行的都适用。跟着走至少方向不乱、不瞎忙学完拿得出手。第一阶段10天初阶应用这一阶段就一个目标把大模型真正玩明白不是只会聊天那种而是能调教它、能用代码把大模型和业务接起来。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用这阶段正式进实战目标很实在做出两个能拿出手的东西——一个私有知识库一个 agent 对话机器人。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…走完这 30 天Python 或 JavaScript 背景的基本能独立做一套 RAG 应用简历上也敢写大模型应用开发了。第三阶段约20天动手微调学到这你已经开始 “造” 模型了 —— 通过微调搞出垂直领域的专用小模型。为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你从 “只会用” 变成 “能造” 的 AI 小子。那么你还想往下探索吗想要入局AI大模型赛道、抢占行业红利的朋友微信扫描下方CSDN官方认证二维码即可100%免费领取全套学习资料第四阶段20天商业闭环部署落地技术学完落地才算数。这阶段带你搞明白大模型怎么真正跑起来、用起来。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…想要入坑大模型的朋友给大家准备了一份2026 年最新 AI 大模型全套学习资料1、大模型系统化学习路线2、大模型学习视频教程3、大模型学习书籍电子文档4、AI大模型最新行业报告5、大模型项目实战配套源码6、2026大模型大厂面试真题7、为什么要学习大模型我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年人才缺口已超百万凸显培养不足。随着AI技术飞速发展预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。8、适合谁学传统后端 / Java / 前端开发想转型 AI 应用大学生、应届生想拿更好的 offer产品经理、运营想武装职业竞争力技术负责人想给团队落地提效学习是反人性的但回报是真金白银。技术会更新赛道会切换但只要你先动手机会就永远站在你这边。9、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。想要入局AI大模型赛道、抢占行业红利的朋友微信扫描下方CSDN官方认证二维码即可100%免费领取全套学习资料好了就写到这。路线是死的人是活的卡住了随时来问我。觉得有用就点个收藏别让它进收藏夹吃灰——动起来比啥都强。