一文搞懂AI应用开发六大核心概念：LLM、Prompt、RAG、Agent、MCP、Skill 文章目录前言一、LLM大语言模型——那个聪明的大脑二、Prompt提示词——你跟AI说话的方式① System Prompt系统提示词——给AI定人设和规矩② User Prompt用户提示词——用户真正想问的问题完整交互流程三、RAG检索增强生成——给AI配个外挂知识库四、Agent智能体——让AI自己动手干活五、MCP模型上下文协议——AI的万能插座六、Skill技能——给AI装个快捷指令包完整关系图谱总结一句话记忆法前言这两年AI大模型火得一塌糊涂各种新概念层出不穷。刚搞清楚什么是大模型又冒出个RAG刚弄明白Agent又来一个MCP。很多后端开发同学看着这些术语一脸懵“我一个写Java的为啥要懂这些”但现实是不管你写不写AI应用你的IDECursor、代码助手Claude Code、甚至未来的运维工具都在往AI方向进化。不懂这些概念你连工具怎么用都搞不明白更别说自己开发了。这篇文章用后端开发能听懂的大白话把LLM、Prompt、RAG、Agent、MCP、Skill这六个核心概念一次性讲透。一、LLM大语言模型——那个聪明的大脑全称Large Language Model一句话解释就是ChatGPT、Claude、文心一言背后的那个AI大脑。通俗理解LLM就像一个读过全世界书籍的超级学霸你问什么它都能答上来。但它有几个致命缺陷记不住你的私有数据不知道你公司的代码库没法动手干活不能操作数据库、不能调API容易胡说八道专业领域会编造答案这就是为什么我们需要后面那些技术来武装它。后端视角你可以把LLM看作一个远程API服务OpenAI API、Anthropic API输入文字返回文字核心关注点只有三个——延迟、成本、输出质量。二、Prompt提示词——你跟AI说话的方式一句话解释输入给LLM的文本指令用于引导模型生成符合预期的输出。核心区分Prompt不是一句话那么简单它分为两个层级① System Prompt系统提示词——给AI定人设和规矩作用设定AI的角色身份、能力边界、输出格式、行为约束。由开发者或产品经理预设贯穿整个对话生命周期用户通常看不到完整内容。通俗理解就像给员工发《岗位说明书》——“你的职位是资深Java架构师说话要专业严谨优先推荐Spring生态方案不确定的事情直接说不知道。” AI从头到尾都得按这套规矩办事。示例你是一位资深Java后端工程师精通Spring Boot、微服务架构和性能调优。 回答问题时必须遵守以下规则 1. 给出的代码示例必须可直接运行 2. 优先推荐生产级方案拒绝过度设计 3. 涉及配置时同时给出application.yml和application.properties两种格式 4. 如果不确定答案明确回复我无法确认不要编造② User Prompt用户提示词——用户真正想问的问题作用用户在当下对话中提出的具体任务或问题。每次对话都不一样是动态变化的内容。通俗理解就是你打开ChatGPT后敲进去的那句话——“我项目启动报DataSource错误帮我看看或最近失眠怎么办”。示例承接上面的System Prompt我的Spring Boot 3.2应用启动时报错 Failed to configure a DataSource: url attribute is not specified application.yml里明明配置了spring.datasource.url 可能是什么原因怎么排查完整交互流程┌─────────────────────────────────────────────────────┐ │ 开发者预设固定用户不可见 │ │ System Prompt: 你是Java架构师按规范回答... │ └─────────────────────────────────────────────────────┘ ↓ ┌─────────────────────────────────────────────────────┐ │ 用户输入动态每次不同 │ │ User Prompt: 启动报DataSource错误怎么排查 │ └─────────────────────────────────────────────────────┘ ↓ ┌─────────────────────────────────────────────────────┐ │ LLM组合处理 │ │ 以System Prompt定义的人设身份回答User Prompt │ │ 提出的具体问题 │ └─────────────────────────────────────────────────────┘后端视角System Prompt是可复用的配置模板类似Spring的ConfigurationUser Prompt是具体请求参数类似RequestBody。好的Prompt工程需要平衡约束力和灵活性——System Prompt太死板会扼杀创造力太宽松又容易跑偏。三、RAG检索增强生成——给AI配个外挂知识库全称Retrieval-Augmented Generation一句话解释就是给LLM外挂一个可检索的知识库让AI在回答前先去这个知识库里查资料再基于真实资料生成答案。通俗理解你问LLM“我们公司的订单表结构是什么”没有RAGAI瞎编一个订单表给你。有RAGAI先去你的知识库项目代码、内部文档、数据库Schema里检索找到真正的订单表DDL再基于这个真实信息回答你。你可以直接把RAG理解为AI的外挂知识库区别在于传统知识库像本地硬盘——文档存进去了但AI不会主动去读全靠你手动复制粘贴。RAG知识库像挂载到AI上的高速SSD——你问问题时AI自动去这块硬盘里检索相关内容读完再回答。这就是Cursor能读懂你整个项目代码的原理——它把你本地代码向量化后存入知识库你提问时自动检索相关片段再喂给LLM。后端视角RAG本质上是一个离线建库 在线检索 结果注入的标准流程离线阶段构建知识库文档切块Chunking——切大了浪费Token切小了丢失上下文向量化Embedding——用Embedding模型将文本转成向量存入向量数据库Milvus、PG Vector、Elasticsearch在线阶段检索增强用户问题向量化向量检索TopK相似文档重排序Reranker——进一步精排拼入Prompt上下文发给LLM生成答案核心难点分块策略语义完整性 vs Token消耗的平衡、索引更新一致性代码变了知识库必须同步更新、检索精度误召回会污染答案。四、Agent智能体——让AI自己动手干活一句话解释AI不再是一问一答的被动模式而是能自主规划步骤、调用工具、观察结果、反复迭代直到完成复杂任务。通俗理解普通LLM你问查下小王上个月请了几天假它回答我查不到请把数据给我。Agent模式你问同一句话AI说稍等 → 自动调HR系统API → 拿到数据 → 算天数 → 返回结果给你。中间所有步骤自动完成不需要你手动介入。Claude Code的自动修复bug就是典型Agent——它自己读报错日志 → 搜索相关代码 → 分析原因 → 修改代码 → 跑测试验证全程你只需要看着它干活。后端视角Agent的核心模式叫ReActReasoning Acting伪代码如下whilenottask_doneandloop_countmax_steps:thoughtllm.think(state)# 思考下一步该做什么actionselect_tool(thought)# 决策选哪个工具observationexecute_tool(action)# 执行调用工具并观察结果stateupdate(state,observation)# 更新把结果记入上下文loop_count1后端开发需要关注的核心问题循环终止条件设计别让它无限转圈、熔断机制超时强制退出、工具调用超时重试、上下文窗口溢出防护——全是咱们熟悉的分布式系统稳定性问题。五、MCP模型上下文协议——AI的万能插座全称Model Context Protocol由Anthropic公司提出一句话解释统一了AI调用外部工具/API的接口标准让LLM能通过同一套协议访问数据库、文件系统、第三方服务等各种外部资源。通俗理解没有MCP时要让AI查数据库你得写代码把MySQL结果转成文本塞给AI要让它发邮件又得另写一套。每个工具都要单独适配开发量巨大。有了MCP所有工具都遵循同一个接口规范统一的输入输出格式、错误码、鉴权方式。AI只需要学会MCP这一种语言就能调用任何接入了MCP协议的工具。类比就像USB-C接口不管插的是显示器、硬盘还是充电器只要都是USB-C电脑就能识别。MCP就是AI领域的USB-C标准。后端视角MCP本质上是一个标准化的工具描述协议类似OpenAPI/Swagger之于REST API。它定义了工具的名称、描述、参数SchemaJSON格式调用方式同步/异步返回结果结构错误码规范后端开发只需要把现有的内部API、数据库操作、脚本工具封装成MCP标准格式AI就能直接调用无需为每个AI应用重复开发适配层。六、Skill技能——给AI装个快捷指令包一句话解释将高频、固定的操作流程预先封装成可复用的指令模板AI遇到特定场景时直接加载执行不用每次都重新描述。通俗理解你每天都让AI帮你做代码审查每次都重复说“检查命名规范、查空指针、看事务注解加没加、检查日志打印”。烦不烦有了Skill你把这些固定步骤存成一个叫/code-review的Skill。之后每次敲/code-reviewAI自动执行整套流程不用重复唠叨。类比就像IDE里的代码片段Code Snippets或宏命令——把高频操作固化成一键执行。后端视角Skill是System Prompt的模板化封装。一个Skill包含触发词如/review预置的System Prompt定义角色和规则关联的工具列表可能需要调用哪些MCP工具输出格式要求本质上就是**策略模式Strategy Pattern**的AI版——不同场景加载不同策略复用性强维护成本低。完整关系图谱把这六个概念串起来整个AI应用架构就清晰了┌─────────────────────────────────────────┐ │ 用户你 │ └─────────────────────────────────────────┘ │ ▼ ┌───────────────────┐ │ User Prompt │ ← 你每次问的具体问题 │ 动态输入 │ └───────────────────┘ │ ▼ ┌─────────────────────────────────────────────────────────────────┐ │ System Prompt │ │ 开发者预设的人设规则 │ │ 如你是Java架构师... │ └─────────────────────────────────────────────────────────────────┘ │ ▼ ┌─────────────────────────────────────────────────────────────────┐ │ LLM大模型 │ │ ——那个聪明的大脑 │ └─────────────────────────────────────────────────────────────────┘ │ │ │ ▼ ▼ ▼ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │ RAG模块 │ │ Agent模块 │ │ Skill模块 │ │ 外挂知识库 │ │ 自主规划执行 │ │ 快捷指令模板 │ └──────────────┘ └──────────────┘ └──────────────┘ │ │ │ └────────────────────┼────────────────────┘ ▼ ┌─────────────────────┐ │ MCP协议层 │ │ 万能插座/标准化接口│ └─────────────────────┘ │ ┌────────────────────┼────────────────────┐ ▼ ▼ ▼ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ 数据库 │ │ 文件系统 │ │ 第三方API │ └─────────────┘ └─────────────┘ └─────────────┘总结一句话记忆法概念一句话记住它LLM那个聪明的AI大脑大模型System Prompt给AI定的岗位说明书固定人设规则User Prompt你每次问AI的那句话具体问题RAGAI的外挂知识库自动检索增强回答AgentAI自己规划步骤、自动干活自主智能体MCPAI调用外部工具的万能插头标准化协议Skill存下来的固定套路一键复用快捷指令如需深入了解LLM应用开发中的System Prompt工程化设计、RAG知识库构建与向量数据库选型对比、Agent ReAct模式实现与熔断机制、MCP协议封装实战、Skill模板化管理与版本迭代等内容请持续关注本专栏《大模型应用开发实战》系列文章。