这两年，AI 圈的新名词越来越多：
LLM、Token、Prompt、Context、Agent、RAG、Function Calling、MCP、CLI、Workflow、Skill、Sub-agent、Harness、Loop……
每个词单独搜索，好像都能找到解释。但把它们放到一起，很多人还是容易混乱：它们之间到底是什么关系？哪些属于大模型本身？哪些是模型外面的工具和系统？Agent 又是怎么从“回答问题”一步步发展到“真正做事”的？
这期视频不背词典，也尽量不讲复杂公式，而是沿着一条完整的逻辑线，把这些概念串起来：
LM 和 LLM 有什么区别
大模型为什么要一个 Token 一个 Token 地生成答案
Prompt、Context、Context Window 和 Memory 分别是什么
Agent 怎样通过 Web Search、RAG 和 Function Calling 使用外部能力
MCP 和 CLI 解决了什么问题
Workflow、Skill 和 Sub-agent 怎样组织复杂任务
Prompt Engineering、Context Engineering、Harness Engineering 和 Loop Engineering 又有什么区别
看完以后，你不一定马上会训练大模型，但至少再看到这些 AI 名词时，能够知道它们位于哪一层、解决什么问题，以及前后是怎样连接起来的。
相关资料和完整图文版会整理在评论区或简介中。
