[AI 教學] 六分鐘搞懂AI八大術語

 [AI 教學] 六分鐘搞懂AI八大術語

摘要 : 從大語言模型到Skill，快速理解AI八大核心術語與彼此關係。

內容:

這篇內容用簡單易懂的方式，整理出 AI 領域最常被提到的八個重要術語，幫助大家建立完整概念，而不是只停留在表面理解。

首先是「大語言模型」。它並不是從資料庫中直接查找答案的搜尋引擎，而是根據前文去預測下一個最可能出現的詞，逐步生成整段內容。因此，它的本質是機率生成器，不是知識庫。這也解釋了為什麼 AI 有時會出現「幻覺」，說出聽起來合理但實際不正確的內容。不過也正因為如此，它同時具備創造力，能寫作、編故事，甚至產生新的程式碼結構。

第二個概念是「Token」。Token 是 AI 處理文字時的最小單位，不完全等同於一個字或一個詞。不同語言拆分方式不同，中文通常比英文消耗更多 Token。由於大多數 AI 服務都是按 Token 計費，因此在大量使用時，理解 Token 的概念不只影響技術認知，也直接關係到成本控制。

第三個概念是「Context」，也就是上下文或上下文視窗。這代表 AI 在一次互動中能同時看到多少資訊，包括歷史對話、系統指令與當前輸入內容。可以把它想像成 AI 面前的一張桌子，桌面越大，能攤開的資訊越多。Context 的品質與安排方式，會直接影響 AI 的理解能力與最終表現。

接著是「Prompt」，也就是提示詞。很多人以為 Prompt 只是對 AI 提問，其實更像是在用自然語言替 AI 下達結構化指令。提示越清楚，角色越明確，需求越完整，AI 的輸出通常就越穩定、越接近預期。所謂 Prompt Engineering，本質上就是把腦中的模糊需求，轉換成 AI 能精準執行的指令格式。

第五個概念是「Tool」。即使 AI 很會分析與回答，如果沒有工具，它仍然只能停留在「建議」層面，無法真正執行任務。Tool 的作用，就是讓 AI 具備操作能力，例如讀取檔案、修改程式碼、執行指令，甚至操作瀏覽器。當 AI 擁有工具之後，就不再只是參謀，而開始成為真正能動手做事的執行者。

第六個概念是「Agent」。很多人誤以為只要 AI 能調用工具，就是 Agent，但真正的關鍵在於「自主決策能力」。一般 AI 需要人一步一步下指令，而 Agent 則能根據目標，自行拆解任務、選擇工具、安排流程，甚至在遇到問題時調整策略。也就是說，你給它的是目標，它自己決定怎麼完成。

第七個概念是「MCP」，也就是模型上下文協議。它的價值在於標準化工具的接入方式。過去不同工具需要不同的整合方式，開發與適配成本很高；而 MCP 就像 AI 世界的 Type-C，讓支援同一標準的模型與工具能更容易互通。MCP 不是工具本身，而是一種基礎設施，目的是讓 AI 能更有效率地連接外部能力。

最後一個概念是「Skill」。即使 Agent 已經具備自主行動能力，仍然可能出現「什麼都能做，但都做得普通」的問題。Skill 的作用，就是把特定任務所需的提示詞、工作流程、工具組合與品質標準，封裝成可重複使用的技能包。這能讓 AI 在某些專業領域表現得更穩定、更深入，也讓它從通才進一步變成專才。

整體來看，這八個概念其實是一層一層往上建立的。大語言模型提供生成能力，Token 是文字處理單位，Context 決定可用資訊範圍，Prompt 決定輸出方向，Tool 讓 AI 能動手執行，Agent 讓它具備自主規劃能力，MCP 負責工具生態的標準化，而 Skill 則讓 AI 在特定任務中走向專業化。理解這套脈絡，就能更清楚看懂 AI 為什麼強大，也知道它的限制與進化方向。