AI黑话终结者：从LLM、Prompt到OpenClaw的所有核心术语 ​

刷到科技视频听UP主侃侃而谈"RAG + Agent架构、MCP协议调用、LLM推理"——听一半就懵了？这篇文章把所有AI核心词汇串成一张网，让你下次听到任何一个词都知道它在哪个位置。

一图读懂AI核心术语 ​

LLM：AI的「大脑」是什么 ​

用图书馆管理员类比理解LLM ​

LLM全称是"Large Language Model"，你可以把它想象成一个超级博学的图书馆管理员。

这个管理员读过世界上海量的书——几亿本、几十亿本，什么都读过。历史、科学、小说、新闻、菜谱、代码……全在他的脑子里。

LLM最核心的能力：读了很多很多东西，然后能理解和生成人类语言。

GPT、Claude、DeepSeek是什么关系 ​

就像手机市场有苹果、小米、华为，LLM也有不同的"品牌"：

「参数」越大越聪明？ ​

参数大致可以理解为LLM「读过的内容」的量化指标。参数越多，能处理的问题越复杂，回答质量上限通常越高。

开源 vs 闭源 ​

Agent：不只能聊天，还能替你做事 ​

LLM vs Agent的区别 ​

Agent工作的三步走 ​

Agent的核心标志：你给它一个目标，它自己想办法完成，结果回到你手里。

Prompt与Context：怎么说，决定AI怎么答 ​

Prompt是什么 ​

你给AI说的每一句话，都是Prompt。可以是一个问题、指令、描述。

类比：Prompt就像点菜。你说"来份酸辣土豆丝，不要土豆只要丝，微辣，多放醋"，这盘菜大概率就是你想要的样子。

差Prompt vs 好Prompt ​

Context为什么重要 ​

Context就是你给AI的"背景信息"——包括你们之前的对话、你当前的处境、AI需要知道的所有背景。

没给Context vs 给了Context：

两个实用技巧 ​

技巧一：Few-shot（给例子）

不给空泛要求，直接让AI看"标准答案长什么样"。

技巧二：Chain-of-Thought（分步思考）

明确说"请先分析这个问题，再给结论"，让AI一步步推导。

RAG：让AI「临时抱佛脚」 ​

AI的「知识保鲜期」 ​

LLM的知识有「保质期」——训练完就固定了。问它"今天杭州天气怎么样"，它大概率说不知道，因为它「记忆」里的世界还停在训练那会儿。

RAG：边查边答 ​

RAG全称是Retrieval-Augmented Generation，「检索增强生成」。

工作原理：先从外部资料库里找到最新、最相关的信息，再让AI基于这些真实信息来回答——不是凭空编答案，而是「现查现答」。

类比：开卷考试，旁边堆着一摞参考资料，先翻书找到相关资料，再根据资料回答问题。

RAG的典型应用 ​

MCP：AI联网的「普通话」 ​

问题：每个工具说不同的"话" ​

查天气用一套接口，发邮件用另一套接口，搜网页又是第三套。AI想同时调用三样工具，就得同时学会三门"语言"。

MCP：统一标准 ​

MCP（Model Context Protocol）让AI能够用同一种方式跟所有工具对话。

类比：AI世界的"普通话"。不管接什么工具，遵循MCP标准，AI就能用统一方式调用。

有了MCP，AI能做什么：

• 查明天去上海的航班（联网搜索）
• 把报告发给你老板（操作邮件系统）
• 查看公司数据库异常（直连数据库）

OpenClaw：人人都能拥有的「AI团队」 ​

OpenClaw是什么 ​

一个"AI团队运行平台"——把各种AI能力整合在一起，你不需要写代码，只需要告诉它你需要什么，它帮你调度、安排、执行。

类比：数字管家，你吩咐一声，它协调手底下的人干活。

Agent、Skill、MCP的关系 ​

ClawHub：AI技能的「应用商店」 ​

别人写好的Skill，直接下载安装使用。比如"自动抓取AI新闻并翻译"的Skill，下载装好，每天早上就能收到中文AI日报。

工具版图：主流AI工具都在哪个位置 ​

总结 ​

理解这些词，你就已经赢在起跑线了。下次看到这些词，你知道它们在哪个位置、做什么、为什么重要。

关键词：LLM大语言模型, Prompt提示词, Agent代理, RAG检索增强, MCP协议, OpenClaw, AI术语