一张图看懂：大模型 · Agent · Harness · Skill · Rule

1全局地图：它们是怎么叠起来的

自下而上看：越往下越"基础且通用"，越往上越"具体且贴近业务"。

2大模型 LLM：会说话的大脑

Large Language Model · 也叫基础模型、基座模型

它是什么：一个用海量文本训练出来的超大神经网络（主流架构叫 Transformer）。它的工作只有一个，但做了几万亿次： 给定前面的文字，预测下一个最可能出现的词片段。

它怎么学会的：给一个初始几乎全随机的网络，喂进去"半句话 → 真实的下半句"， 算出它答错了多少（损失），再反过来微调内部那几十亿到上万亿个数字（参数 / 权重）。重复无数次，它就"学会"了语法、常识、推理套路和代码。

训练 vs 推理：训练 = 长时间、极贵、一次性把知识"压进"参数；推理 = 你每次提问的那几秒，只做前向计算，参数不变。 在这两者之间的"后训练"（微调、RLHF 人类反馈对齐）决定它的脾气是否听话、是否有害。

3基础词汇：Token · 上下文 · 幻觉

看新闻、看文档、算成本绕不开的几个词

其中 z 是模型给每个候选词的原始打分，T 是温度：T → 0 时结果趋于确定，T 变大则低分候选也有机会被选中。

幻觉 Hallucination：模型把"看起来合理"当成"事实"说出来——编造参考文献、虚构 API、算错账。 原因很直白：它的目标是"输出像人写的话"，而不是"输出真相"。应对手段：给它资料（RAG）、让它调用工具算、要求它引用来源、人工复核。

4提示词 Prompt：你怎么跟它说话

Prompt · System Prompt · 提示工程

Prompt（提示词）就是你输入的全部内容——问题、背景、格式要求、示例都算。

System Prompt（系统提示）是应用开发者在用户看不到的地方预先设定的"身份与规矩"，例如 "你是一名严谨的振动分析工程师，回答必须先给结论，不确定时明确说不确定"。

5Agent 智能体：从"回答问题"到"完成事情"

Agent = 模型 + 工具 + 循环 + 反馈

定义：一个能感知环境、自主做决定、调用工具去行动、并根据真实结果继续调整，直到达成目标的系统。 它和普通聊天机器人最大的差别不是"更聪明"，而是多了行动与反馈这一环。

这个循环常被称为 ReAct（Reason + Act）。伪代码长这样：

目标 = "分析这段振动信号里的异常频率"
while not 完成:
    思考 = 模型(目标, 历史观察)
    if 思考 是最终答案: break
    行动 = 思考.工具名, 思考.参数        # 例如 run_python(...)
    观察 = 执行(行动)                    # ← 真实执行，不是模型想象
    历史观察.追加(观察)
return 最终答案

自主性分级（越高越省心，也越危险）：

1. L0 纯问答——不给工具，只聊天
2. L1 单步工具——查一次天气就回答
3. L2 多步循环——自己决定查几次、查什么
4. L3 长时任务——自己规划、自己修正、跨小时甚至跨天
5. L4 自主运营——自己发现目标、自己触发自己（现实中通常要加人工审批）

6Harness：同一个模型，为什么表现天差地别

运行外壳 / 脚手架 / 编排框架 · 也常被叫 agent framework、scaffolding

它是什么：包在模型外面的一整套工程代码——模型自己完全不负责这些事，全靠 Harness 干：

7Tool 与函数调用：它其实没有手

Tool · Function Calling · 工具调用

最常见的误解："模型会执行代码"。不会。 模型唯一能做的事是输出文字。所谓的函数调用，是它输出一段结构化的文字说 "我建议调用 run_python，参数是这些"，然后由 Harness 里的代码真正去执行。

模型输出（本质仍是文本）：
{
  "tool": "run_python",
  "args": { "code": "print(welch_peak(signal))" }
}

Harness 收到后：
  1. 校验参数是否合法、是否越权
  2. 在沙箱里真的运行
  3. 把结果 "峰值 1400 Hz" 作为新消息塞回模型
  4. 模型基于这个真实结果继续

由此可以理解安全工作为什么必须做在 Harness 层：权限、白名单、沙箱、人工确认，都是拦在"执行"之前的闸门——因为模型那一边是拦不住的。

常见工具类型：代码执行（Python/Bash）、文件读写、网页搜索、数据库查询、HTTP 请求、发邮件、操作系统/机器人控制、图像生成。

8Skill 技能：打包好的"做事方法"

Skill / Capability Pack · 也有人叫技能包、插件、能力

它是什么：把某类任务的做法打包成一个可复用的单元——通常包含 一段说明（什么时候用、怎么用） + 配套脚本或模板 + 校验规则。 模型需要时才加载，用完即走。

9Rule 规则：约束与边界

Rules · Guardrails · 护栏 · 策略 Policy

它是什么：规定"必须怎么做、绝对不能怎么做"。初学者最容易忽略的一点是： 规则分软硬两种，可靠性完全不同。

常见规则示例：

• 格式规则——必须输出指定结构，才能被下游程序解析
• 流程规则——改文件前必须先读；写代码前先搜仓库现有实现
• 权限规则——能读不能写，或必须用户点确认才能执行
• 内容规则——不输出隐私、不做超出授权范围的承诺、涉及医疗法律财务要声明边界
• 成本规则——单任务最多几步、最多花多少钱、超时即停

10Memory 与 RAG：记忆和查资料

模型本身两样都没有，都是外部补上的

11MCP：统一的插座

Model Context Protocol · 模型上下文协议

解决的问题：以前每接一个新工具，都要为每个模型、每个产品各写一套适配代码，组合爆炸。 MCP 定义了一套通用协议，让"工具/数据源"按标准暴露自己，任何支持 MCP 的 Harness 都能即插即用。

12一次请求的完整旅程

把前面所有概念串起来看一遍

13常见误区

点开看答案

14术语速查表

中英对照，方便看英文文档