一个简单的比喻#

如果把 AI 比作一个学生：

• 传统程序 = 听指令办事的员工，老板说”见到 A 就做 B”，它就照做
• AI = 自己总结规律的学生，你给它看一堆例子，它自己琢磨出门道

比如识别猫：

传统程序需要程序员告诉它规则：

1
if (有耳朵 && 有尾巴 && 有胡须) {
2
    return "这是猫";
3
}

但万一遇到没耳朵的猫（被剃了），它就傻了。

AI不一样，你给它看一万张猫的照片，它自己总结特征。下次见到一只没见过的猫，也能认出来。

关键区别：规则是人写的，还是它自己学的。

AI 能做什么，不能做什么#

能做的：

• 识别图片里的东西
• 听懂你说的话
• 帮你写邮件、写代码
• 预测明天会不会下雨

不能做的（至少现在还不会）：

• 真正”理解”世界
• 有自己的意识和情感
• 为行为承担后果

一句话总结：AI 是模仿人类智能的工具，但目前只是模仿，不是真的有人类思维。

什么是”大”？#

这个”大”，指的是参数多。

参数是什么？你可以理解为脑细胞之间的连接。

• 早期的 AI：几千个连接
• 大模型：几万亿个连接

连接越多，能处理的事情就越复杂。

一个更形象的比喻#

如果把 AI 比作一个图书馆：

• 小模型 = 社区图书馆，只有几千本书
• 大模型 = 国家图书馆，藏书几亿册

你想问任何问题，大模型都能从它的”藏书”里找到答案。

大模型有哪些种类#

按”能处理什么”来分：

平时接触最多的，是语言大模型。 比如现在市面上各种 AI 助手。

大模型有个神奇的能力：涌现#

“涌现”听起来很玄，其实就是：量变引起质变。

就像：

• 一个蚂蚁很笨，但一群蚂蚁能建复杂的巢穴
• 一个神经元很简单，但几十亿个神经元产生了意识

大模型也一样。参数多到一定程度，它突然就会了一些没人教过它的事。

比如：

• 没人教它写诗，但它会写
• 没人教它写代码，但它能写
• 没人教它做数学题，但它能解

这就是”涌现”：大到一定程度，突然就”开窍”了。

一句话总结：大模型就是参数超级多的 AI，多到能处理各种复杂任务，甚至会一些没人教过它的事。

Agent 和大模型什么关系#

大模型 = 博学但宅在家里的人

你问它问题，它能回答。但它不会主动做什么。

比如你问：“北京有哪些好吃的？” 大模型会给你列一堆餐馆。

但仅此而已。它不会帮你订位、不会帮你点外卖、不会帮你查路线。

Agent = 有手有脚的办事员

它不仅知道，还能帮你做。

你跟它说：“我今晚要请客户吃饭，帮我安排一下。” Agent 会：

1. 问你喜欢什么口味、预算多少
2. 查附近评分高的餐馆
3. 打电话订位
4. 帮你点好菜
5. 叫车送你过去

一个简单的对比#

2026 年的热点：OpenClaw（小龙虾）#

说到 Agent，2026 年 3 月有个现象级产品必须提一下：OpenClaw。

这玩意儿开源第二天就火了，GitHub stars 一天破 10 万，现在已经是 24 万 star 的超级项目。

为什么叫”小龙虾”？

因为它的图标是个红色卡通龙虾，网友就给它起了这个外号。

“养虾”是什么？

就是部署和配置 OpenClaw 的过程。你得：

1. 选一个大模型（GPT-4、Claude、DeepSeek 都行）
2. 配置 API key
3. 设置它的”记忆”和”工具”
4. 告诉它你要让它干什么

“投喂龙虾”又是什么？

就是跟 OpenClaw 交互、训练它的过程。

关键：token 消耗

OpenClaw 本身免费，但它调用的大模型要花钱。AI 不睡觉，token 不停烧。

你让它干一件事，它可能在后台：

• 调用搜索 API（token +1）
• 读你的文件（token +1）
• 访问网页（token +1）
• 调用计算器（token +1）

一顿操作下来，token 就没了。所以”养虾”容易，“喂虾”贵。

它有多火？

2026 年 4 月，程序员圈子里几乎人手一只”小龙虾”。有人用它：

• 自动写代码、review 代码
• 自动查资料、写文档
• 自动回邮件、安排日程
• 甚至有人让它帮忙”摸鱼”（上班时自动回复消息）

一句话总结：OpenClaw 是 2026 年最火的开源 Agent 框架，让普通人也能拥有自己的”数字员工”。

Agent 是怎么做到的#

Agent = 大模型 + 工具 + 记忆

• 大模型：负责理解和思考
• 工具：能调用外部能力（搜索、计算器、API）
• 记忆：记得你之前说过什么、做过什么

一个形象的比喻：

如果把 Agent 比作一个人：

• 大模型 = 大脑
• 工具 = 手和脚
• 记忆 = 笔记本

只有大脑，只能”想”。有了手和脚，才能”做”。有了笔记本，才能记住之前的事。

一句话总结：Agent 就是能帮你办事的 AI，不仅能回答问题，还能主动执行任务。

什么是 Prompt#

很简单：你发给 AI 的任何文字，都是 Prompt。

比如你在某个 AI 助手里输入的问题，就是一个 Prompt。

为什么需要”学习”Prompt#

因为 AI 不是人，它理解世界的方式跟人不一样。

同样的问题，不同的问法，答案天差地别。

1
写一篇关于 AI 的文章

1
你是一位科技博主，写一篇给初学者看的 AI 入门文章。
2
要求：
3
- 1500 字左右
4
- 用大白话，别用专业术语
5
- 多举例子，少讲理论
6
- 风格轻松一点，像朋友聊天

一个好用的公式#

角色 + 任务 + 要求 = 好 Prompt

• 角色：你希望 AI 扮演谁（老师、程序员、厨师…）
• 任务：你希望 AI 做什么（写文章、改代码、翻译…）
• 要求：你希望 AI 怎么做（多长、什么风格、包含什么…）

1
【角色】你是一位专业的商务助理
2
【任务】帮我写一封邮件给客户，解释项目延期
3
【要求】
4
- 语气诚恳但专业
5
- 说明延期原因（供应链问题）
6
- 给出新的时间节点
7
- 200 字以内

几个实用小技巧#

1. 给例子

AI 很擅长模仿。你给它一个例子，它就知道你想要什么。

1
请按照下面的格式写产品描述：
2

3
例子：
4
产品名称：无线耳机
5
特点：续航 30 小时、降噪、轻便
6
描述：这款无线耳机让你一整天沉浸在音乐中...
7

8
现在写这个产品：
9
产品名称：智能手表
10
特点：心率监测、防水、7 天续航

2. 让它”一步步思考”

遇到复杂问题，加上这句话：

1
请一步步思考，先分析问题，再给出答案。

AI 会先把问题拆开，再逐一解决。准确率会高很多。

3. 告诉它”不要做什么”

有时候，告诉 AI 什么是错的，比告诉它什么是对的更有用。

1
写一个产品介绍，要求：
2
- 不要用夸张的形容词（如"革命性"、"颠覆性"）
3
- 不要超过 300 字
4
- 不要使用专业术语

一句话总结：Prompt 就是跟 AI 说话的方式。说清楚了，AI 才能给你想要的答案。

它解决什么问题#

大模型有两个硬伤：

1. 知识有截止日期

比如某个 AI 的知识截止到 2024 年。问它 2026 年发生了什么，它不知道。

2. 无法使用外部工具

它不能：

• 查今天的天气
• 搜最新的新闻
• 访问你的日历
• 帮你发邮件

为什么？

因为它就像被关在房间里的人，只能靠脑子里的知识回答问题。

MCP 是什么#

MCP 就是一个”万能接口”。

有了它，大模型就能：

• 获取实时信息（天气、新闻、股价…）
• 使用外部工具（搜索、计算器、数据库…）

一个形象的比喻#

没有 MCP 之前：

大模型就像一个被关在房间里的人。

你问它：“今天天气怎么样？”

它说：“我不知道，我被关在房间里，看不到外面。”

然后你（开发者）需要：

1. 在房间墙上开个洞
2. 装个温度计
3. 告诉它怎么看温度计

每个工具都要单独开个洞，很麻烦。

有了 MCP 之后：

房间里装了一个标准插座。

任何工具，只要插上这个插座，大模型就能用。

• 天气服务 → 插上插座 → 大模型能查天气了
• 搜索服务 → 插上插座 → 大模型能搜索了
• 日历服务 → 插上插座 → 大模型能看你的日程了

对普通人有什么好处#

短期来看，你可能感觉不到 MCP 的存在。

但它会让你的 AI 助手变得更”有用”：

• 以前：AI 只能聊天、写东西
• 以后：AI 能帮你查信息、办事、跟其他软件交互

一个例子：

你想安排一次出差：

没有 MCP：

1
你：帮我安排下周去北京的出差
2
AI：好的，你需要...（给你一堆建议，但什么都做不了）

有了 MCP：

1
你：帮我安排下周去北京的出差
2
AI：好的，我帮你：
3
1. 查了你的日历，下周三有空
4
2. 订了上午 10 点的机票
5
3. 订了公司协议价的酒店
6
4. 把行程加到你的日历了

一句话总结：MCP 让 AI 能使用各种外部工具，从”只能聊天”变成”能帮你办事”。

它解决什么问题#

我们用 AI 的时候，经常要重复同样的操作。

比如你是一个程序员：

每次想让 AI 帮你 review 代码，都要写一大段：

1
你是一位资深程序员，帮我 review 这段代码。
2
请检查：
3
1. 有没有 bug
4
2. 有没有性能问题
5
3. 有没有安全隐患
6
4. 代码风格是否规范
7
5. 有没有更好的写法
8

9
[粘贴代码]

每天都要写一遍，很烦。

Skills 是什么#

Skills 就是把这一大段 Prompt 打包成一个”技能”。

打包好之后，你只需要：

1
使用 @code-review 技能
2
[粘贴代码]

就这么简单。

一个更生活的比喻#

Prompt = 手写菜谱

你想吃鱼香肉丝，得告诉厨师：

• 要猪肉、木耳、胡萝卜
• 要放豆瓣酱、糖、醋
• 先炒肉，再放菜，最后调味

每次都这么说一遍。

Skills = 按一个键

你跟厨师说：“鱼香肉丝”。

厨师就知道怎么做，因为之前已经教过他了。

Skills 和 Prompt 的区别#

实际例子#

假设你是一个自媒体作者，每天都要写文章。

没有 Skills：

每天都要写类似的 Prompt：

1
你是一位科技博主，帮我写一篇关于 AI 的文章，1500 字，风格轻松...

有了 Skills：

你安装了一个”写文章”的技能。

每天只需要：

1
使用 @写文章 技能
2
主题：AI 入门
3
字数：1500
4
风格：轻松

甚至可能只需要：

1
@写文章 AI 入门

Skills 是怎么工作的#

Skills 本质上是一个文件夹，里面包含：

• SKILL.md：说明这个技能是干什么的
• 脚本：自动化操作的代码
• 模板：预设的格式和结构

当你使用一个技能时，AI 会：

1. 读取 SKILL.md，知道要做什么
2. 运行脚本，执行自动化操作
3. 套用模板，生成结果

一句话总结：Skills 就是把常用的 Prompt 和操作打包成”一键技能”，点一下就能用。