企业官网建设流程全解析

专业名词客观解释
LLM 大语言模型，在语言模型发展中，有了一个临界点出现了智能，为了区分，于是就有了LLM大语言模型
prompt提示词，训练LLM过程
context 上下文，背景信息
memory大模型记忆
Agent：智能体
Search 向量数据库相关内容片段
RAG 检索增强生成，通过语义匹配向量化的信息并加入上下文以增强生成内容的可靠性的办法
WEB Search 联网搜索
RAG和WEB SEARCH都属于SEARCH搜索
Function calling :Agent和大模型之间关于工具调用所约定的对话格式
智能体：tools list:返回工具列表
tools call调用具体工具
MCP（约定）：模型上下文协议，智能体与tools list与tools/call的调用方式，提供各种服务，
（大模型就像只会说话不会做的，MCP工具集，Agent传话筒）
人类与智能体的沟通可通过CLI和IDE和桌面助手（例如小龙虾）
编程 Langchain
低代码workflow(工作流)
SKILL：技能
Subagent:对于一些独立的子任务，可以单独在这个子angent中完成
functioncalling是Agent和大模型沟通的约定，目的是让大模型回答的符合一定格式，方便程序进行解析
MCP是Agent与工具服务之间调用的约定
SKILL就是prompt加载器
最直接的表达就是；

1. LLM（大语言模型）
   整个系统的「大脑、翻译官、决策核心」
   就是文心一言、通义千问、豆包、Claude这类大模型本身
   核心能力：看懂人类五花八门的自然语言、理解意图、做出判断。不管你说“开灯吧宝贝”、“open the light”还是“给老子开灯”，只有LLM能读懂「你本质就是要开灯」，普通代码根本做不到。总结的话只会想、会理解、会判断，但自己不会动手干活
2. Skill（技能）
   AI大脑的「新华字典、操作说明书」 就是提前告诉LLM：「如果识别到XX意图，就固定输出XX专属指令」
   开灯例子：
   提前给LLM加Skill：“如果你需要执行开灯操作，就固定输出 {light:1} ”
   不用把所有底层代码、机械原理全部塞给LLM，只需要告诉它「触发规则+输出暗号」，轻量化教会AI一项新能力
   一句话总结：给LLM新增的「单项干活能力模板」，是单个的功能契约
3. Agent（智能体）
   会自主规划、调用技能、完成完整任务的「全能执行者」
   当LLM拥有了一堆Skill（开灯、关灯、读文件、写代码、跑终端命令、查询数据等），并且能自主判断「什么时候该用哪个技能、怎么一步步完成用户目标」，就变成了Agent

• 开灯延伸例子：
  你说“天黑了，帮我准备自习环境”，Agent会自主判断：先调用开灯Skill、再调调亮度Skill、关闭窗帘Skill，全程自主串联完成
  -Claude Code就是最典型的Agent
• 一句话总结：LLM + 一堆Skills + 自主规划执行 = AI Agent

1. MCP（模型上下文协议/工具调用协议）

• 底层的标准化工具调用机制，本质是升级版、规范化的Function Calling
• 区别于手写提示词：不是靠文字哄着大模型输出暗号，而是有标准通道，让LLM安全、稳定、精准调用外部工具/硬件
• 手写提示词是“你记得输出{light:1}”；MCP是系统级内置好开灯工具，LLM直接通过协议调用它
  四者层级&协作关系

1. LLM：负责听懂你说的人话、判断用户真实意图（大脑）
2. Skill：给LLM提前配置好「开灯、导航、巡检、播报」等单个技能说明书
3. MCP：提供标准通道，让LLM可以稳定触发这些技能、调用底层硬件/代码
4. Agent：整合上面所有东西，变成一个能自主响应、自主干活、通用的体育馆机器人助手
   LLM = 人的脑子，只会思考理解
   -Skill = 人学会的单个技能（拧灯泡、写字、查资料）
   -Agent = 拥有很多技能、会自己想办法做事的完整的人
   那总体下来就是
   llm就是大脑，会想，会判断，会理解，但是不能做
   skill就是不用把所有代码都塞给llm 而是告诉他关键词 ，触发关键词，然后输出暗号
   ageny就是完整任务的执行者，llm通过skill，然后做出自主判断这个过程就是agent
   相当于llm➕skill➕自主执行就是agent
   mcp就是提供通道,让llm更好调用外部工具或硬件