后厨里Prompt、Agent、Skill、MCP是啥意思？

前言 这两年 AI 圈的名词，更新速度简直比前端框架发版本还快：Prompt、Agent、Skill、MCP、Workflow、Memory……一个接一个往外冒。很多朋友一边看文章一边点头，心里其实已经开始犯嘀咕：这几个词到底有啥区别？是不是都在换着 法子说同一件事？本文直接借一家饭馆后厨的故事，把这几个概念一次讲清 大模型 在正式聊 Prompt、Agent、Skill、MCP 之前，得先把主角请出来：大模型。 如果把整个 AI 系统比作一家饭馆，那大模型就像后厨里新来的一个特级厨师。这个厨师很猛，川菜、鲁菜、粤菜、淮扬菜都会做，刀工、火候、摆盘都在线，属于那种你一看就知道底子非常扎实的老师傅。 但问题在于： 他虽然什么菜都会做，但刚来这家饭馆，并不知道这家店到底主打什么。 比如： 这家店主卖川菜还是粤菜？ 顾客口味偏辣还是偏清淡？ 招牌菜是水煮鱼还是宫保鸡丁？ 后厨有哪些固定流程？ 也就是说，大模型本身很强，但它并不是天生就懂业务。它只是一个能力上限很高、知识储备很广的通用大脑，至于怎么把这个大脑用到具体场景里，就得靠后面的 Prompt、Agent、Skill、MCP 这些东西慢慢安排。 Prompt 很多朋友一听 Prompt，脑子里自动就会浮现出一种神秘口诀的感觉，仿佛谁掌握了某种咒语，谁就能让 AI 原地起飞。其实没那么玄，Prompt 说白了就是：你在当前这一次任务里，给大模型下达的输入指令。 老板走进后厨，对这个新来的特级厨师说： 今天中午重点做川菜，味道重一点，先上宫保鸡丁和水煮鱼，出餐快一点，别整太花里胡哨的摆盘。 这句话，本质上就是一个 Prompt。 它有几个明显特点： 1）一次性的 这更像是一句临时口令。今天说主打川菜，明天可能又改成粤菜了。它不一定会长期生效。 2）围绕当前任务展开 Prompt 关注的是“这次要干什么”，而不是“这家饭馆永远怎么运转”。 3）表达越清楚，结果通常越靠谱 所以，Prompt 的本质是沟通。你给 AI 的信息越完整，它越容易做对。一个相对像样的 Prompt，通常至少会说明几件事： 这次要做什么 想输出成什么格式 哪些点要重点关注 哪些事不要做 比如下面这段 Prompt，就明显比“帮我写个接口文档”靠谱得多： 请你扮演一个后端开发工程师， 为一个用户登录接口编写接口文档， 要求包含：请求路径、请求方法、请求参数、返回字段、错误码说明， 输出格式使用 markdown， 语言尽量口语化，适合给前端同学阅读。 这段 Prompt 干的事情，就像老板把今天的做菜要求交代清楚了：做什么、给谁吃、怎么端上来、别跑偏。 常见误区 关于 Prompt，笔者顺手提三个常见误区。 1）Prompt 不是越长越好。 有些朋友一上来几千字，恨不得把世界观都塞进去。结果重点没突出，Token 先烧起来了，账单直接起飞。笔者之前也踩过这种坑，以为信息越多越稳，后来发现废话太多反而会冲淡重点。 2）Prompt 不是写一次就能通吃全场景。 Prompt 更像“当前这一单”的要求。任务变了、对象变了、输出变了，写法自然也得跟着改。 3）Prompt 不能凭空变出系统能力。 你在 Prompt 里写“请你读取数据库”，不代表模型就突然拥有数据库权限。这就像老板对厨师说“去仓库拿牛肉”，可厨师手上没有钥匙，那说了也白说。 Agent 如果说 Prompt 是老板临时在后厨喊的一句口令，那么 Agent 就更像这个特级厨师被提拔成了后厨负责人。 这个时候，老板不再每件事都手把手交代，而是只给一个更抽象的目标： 今天中午客人会很多，尽量让顾客满意，出餐稳定一点，别把招牌砸了。 这时，后厨负责人就得自己开始琢磨： 这家店以前主打什么菜？ 哪些菜卖得最好？ 现在哪些食材库存够？ 哪些菜出餐快？ 哪些菜风险高，容易翻车？ 缺货了要不要换菜，还是临时调整做法？ 这就进入了 Agent 的世界。 Agent 的核心，不是更会说，而是更会干 很多人会把 Agent 理解成“更高级的大模型”，这话不能说完全错，但也不准确。Agent 真正厉害的地方，不是单纯更聪明，而是它在大模型外面，又多了一层任务规划和行动逻辑。 通常一个 Agent，会有这样几种能力： 1）理解目标 不是只回答一句话，而是知道最终要完成什么结果。 2）拆解步骤 把复杂任务拆成多个子任务，决定先做什么、后做什么。 3）调用工具 需要查资料就去查资料，需要读文件就去读文件，需要执行动作就去执行动作。 4）根据反馈调整过程 如果第一步结果不对，它不会立刻躺平，而是会根据新情况继续修正。