五个经常被混在一起的 AI 黑话，一次讲明白

最近接触 Claude Code、Codex 或其他 Agent 产品，很容易遇到一串新名词：Agent、Skill、Prompt、Hook、MCP。

它们看起来都像是在“让 AI 做事”，所以经常被混着用。有人把一段写得很长的 Prompt 叫作 Skill，也有人以为接上 MCP 就等于拥有了 Agent。

其实，这五个词根本不在同一个层面。

先记住一个最简单的版本：

• Prompt：告诉 AI 这一次要做什么；
• Skill：教 AI 遇到一类事情时应该怎么做；
• Hook：某件事发生时，自动触发一个动作；
• MCP：让 AI 应用连接外部工具和数据的一套通用协议；
• Agent：理解目标、选择方法和工具，把整件事往前推进的系统

Prompt：你这一次说的话

Prompt 是五个概念里最容易理解的。

你在聊天框里输入的要求，就是 Prompt：

帮我总结这篇文章。

找出代码里的问题，但不要修改文件。

把这些资料整理成一篇小白能看懂的公众号文章。

Prompt 主要解决的是“这一次要做什么”。任务变了，Prompt 通常也会跟着变。

它可以只有一句话，也可以包含背景、限制和输出格式。写得长不代表一定写得好。真正有用的 Prompt，应该让 AI 清楚四件事：目标是什么、可以参考什么、有哪些边界，以及怎样才算完成。

Skill：一套可以反复使用的做事方法

假如你每周都要写一次行业周报，当然可以每次重新解释：去哪里找资料、怎样判断来源、标题要怎么写、最后输出什么格式。

但更省事的办法，是把这套流程保存下来。以后只要任务符合条件，Agent 就按照同一套方法执行。

这就是 Skill 最容易理解的样子：

Skill 不是这一次的要求，而是一套可复用的工作方法。

一项 Skill 可以只包含操作说明，也可以配套脚本、模板和参考资料。例如，“制作公众号文章”Skill 可以规定：先核对一手来源，再写通俗初稿；所有图片使用统一风格；文末列出原始链接；完成前检查错别字和图片路径。

OpenAI 官方把 Skill 描述为可以为重复工作保存的 workflow。不同产品的文件结构和调用方式会有差异，但核心意思相近：把一次成功经验沉淀成以后还能再用的能力。

Prompt 和 Skill 的区别，可以用做菜来理解：

• Prompt 是“今晚帮我做一份少辣的宫保鸡丁”；
• Skill 是厨师掌握的那套宫保鸡丁做法。

一个讲本次要求，一个讲长期方法。

但 Skill 也不只是“保存一段长 Prompt”

Skill 本质上仍是一组结构化指令，只是它可以按需加载，还能告诉 Agent 应该调用哪些命令或 MCP 工具。Medium 作者 Seva Shevtsov 就把它比作宜家说明书——重点不是发明了新能力，而是把复杂任务的做法整理清楚。

Hook：到了某个时刻，自动做一件事

Hook 最像生活里的门铃。

门外有人按下按钮，屋里的铃就自动响。你不需要每次站在门边盯着，也不用亲口说“现在请响铃”。

在 Agent 工具里，Hook 通常也是这样：当某个事件发生时，自动运行提前配置好的动作。

例如：

• Agent 准备修改文件前，自动检查权限；
• 代码修改完成后，自动运行格式化工具；
• 任务结束时，自动记录日志或发送通知；
• Agent 即将调用高风险工具时，自动拦截并要求确认。

需要注意的是，Hook 并不是所有 AI 产品都有完全统一的标准。它更像一种常见的软件机制，各家产品提供的触发时机、配置格式和权限范围可能不同。

Hook 也不会自己理解目标。它只负责一件很确定的事：事件发生了，就按照规则触发动作。

为什么有人坚持“重要规则必须用 Hook”

微软工程师 Alexander Sklar 给了一个更鲜明的判断：Skill 仍然属于给模型的建议，模型可能没有选中它，也可能理解后没有完全照做；Hook 则由运行环境在固定事件上触发，可以直接允许或阻止一次操作。

他的经验法则是：

“If violating the rule is catastrophic, make it a hook.”

意思是，如果违反某条规则会造成严重后果，就不要只在 Skill 里提醒模型，而应该把它做成能硬性拦截的 Hook。

比如“写代码时尽量运行测试”可以是一项 Skill 建议；“绝对不能把密钥提交到仓库”则更适合在提交前由 Hook 检查。前者需要判断，后者需要保证。

MCP：AI 世界里的通用插座

MCP 的全称是 Model Context Protocol，中文通常译作“模型上下文协议”。

“协议”两个字听起来很技术，但可以先把它理解成一种通用插座。

过去，每个 AI 应用想连接 GitHub、数据库、网盘或内部系统，都可能要单独开发一套接口。MCP 试图约定一种共同的连接方式：外部服务按照这套规范提供能力，支持 MCP 的 AI 应用就可以发现并使用它们。

按照 MCP 官方规范，服务器主要可以提供三类东西：

• Resources：文件、数据库记录等上下文资料；
• Prompts：可供用户选择的提示模板；
• Tools：搜索、写文件、调用 API 等可执行功能。

所以，MCP 本身不是某一个搜索工具，也不是 Agent。它是连接 AI 应用与外部能力的协议。

就像 USB-C 不是充电器，也不是电脑。它规定的是设备怎样连接和通信。接上什么设备、允许传输什么、什么时候使用，仍然由具体应用和用户权限决定。

MCP 官方文档也专门提醒：工具可能带来数据访问和代码执行能力，用户应该知道工具会做什么，并保留授权和拒绝的权利。

MCP 是不是被过度包装了？

开发者社区里确实存在这种争论。一派认为，很多简单任务根本不需要启动 MCP Server：如果只是读取本地文件、运行一条稳定命令，现有 CLI 或 Skill 已经够用。Alexander Sklar 的建议是，只有在需要跨越进程、机器或权限边界，稳定暴露工具与资源时，MCP 才真正显示价值；否则可能只是增加维护成本。

另一派反对“用 Skill 替掉 MCP”。Mohamed Elashri 用一句话概括两者的差异：

“Skills encode what you already know. MCP tools discover what you don’t.”

Skill 适合保存已经知道、相对稳定的做法；MCP 工具则用来查询运行时才出现的信息。

例如，“公司周报应该采用什么结构”可以写进 Skill；“三分钟前流水线是否通过”“GitHub 上最新提交了什么”却不能提前写进一份 Markdown。后两项必须在任务运行时查询真实系统。

他也提醒，Skill 并非天然更省上下文。如果为了覆盖所有例外，把它写成一份不断膨胀的百科全书，同样会消耗大量 token，而且很容易过期。反过来，一个设计糟糕的 MCP 工具如果返回整张数据库，也会把上下文塞满。

所以，更准确的问题不是“Skill 和 MCP 谁更好”，而是：这项任务需要的是稳定做法，还是实时数据和外部动作？

Agent：把这些东西组织起来的人

Agent 和前面四个概念最大的区别是：Agent 是一个完整的执行系统。

它接到目标后，会判断下一步要做什么，决定是否读取某项 Skill，选择要不要调用外部工具，观察返回结果，再继续下一步，直到任务完成、遇到限制或需要向人确认。

如果继续使用餐厅的比喻：

• Prompt 是客人本次点单和提出的要求；
• Skill 是菜谱与厨房操作规范；
• Hook 是叫号器、定时器和安全报警器；
• MCP 是连接仓库、收银台和外卖平台的标准接口；
• Agent 则是负责理解订单、安排步骤并交付餐点的厨师或店长。

没有 Agent，其他几样东西依然可以存在。你可以单独写 Prompt，可以让普通程序执行 Hook，也可以让一个非 Agent 应用连接 MCP。

同样，Agent 也不一定要同时拥有全部组件。一个简单 Agent 可能只有模型、两三个工具和一个循环，并没有专门的 Skill 或 Hook 系统。

它们放在一起，实际怎么工作？

就拿我们现在的任务来说：每天上午十点，整理适合“硅基生命简史”的 Agent 选题。

这里面五个概念分别负责不同部分：

1. Prompt 提出这一次的要求

例如：优先看过去 24 小时；寻找适合中文小白的内容；输出五个候选选题；不要收录纯营销文章。

2. Skill 保存长期做法

Skill 可以规定来源配比、可信度判断方法、公众号和小红书分别怎样设计内容，以及最终需要检查哪些项目。

这些规则不会因为今天换了一个选题就全部重写。

3. Hook 在固定事件发生时触发动作

“每天上午十点开始”本质上是一个时间触发条件。实际产品里，这也可能由定时任务系统完成；如果工具把这种事件触发机制称作 Hook，它就负责在时间到达时启动后续流程。

这里需要说得严谨一点：定时任务不一定都叫 Hook，Hook 也不只是定时器。图中用时钟，是为了让第一次接触的人理解“事件触发”这件事。

4. MCP 连接外部信息与工具

Agent 可能通过 MCP 连接浏览器、GitHub 或企业内部数据。MCP 解决“怎样连接”，但不会替 Agent 判断哪篇文章更值得写。

5. Agent 做判断并交付结果

Agent 阅读资料、核对来源、排除重复内容，最后整理出选题和写作角度。哪些工具该用、结果够不够、是否要继续搜索，这些动态判断才是 Agent 的工作。

最容易混淆的三个问题

有了很长的 Prompt，就等于有 Skill 吗？

不一定。

一段 Prompt 可以写进完整流程，但它仍可能只服务于本次对话。只有当这套方法被保存、组织并在合适任务中反复使用时，才更接近 Skill。

接上 MCP，就变成 Agent 了吗？

也不是。

MCP 只提供连接方式。一个聊天应用可以通过 MCP 查询天气，然后把结果告诉你，但如果它没有围绕目标连续计划、行动和调整，就未必是 Agent。

Hook 会不会替 Agent 做决定？

通常不会。

Hook 更适合确定规则：“发生 A，就执行 B。”Agent 则处理不那么确定的问题：“为了完成目标，下一步应该做什么？”

前者像自动开关，后者更像现场判断。

最后，用一句话记住

如果只想记住一个关系，可以记成：

你用 Prompt 交代这次任务，Skill 提供成熟做法，Hook 在关键时刻自动触发，MCP 连接外部世界，Agent 负责把它们组织起来并推进结果。

这五个概念不是五种互相竞争的产品，而是可能同时出现在一个 Agent 系统里的不同零件。

以后再看到一个产品说自己支持 Skill、Hook 或 MCP，不妨多问一句：它增加的究竟是“做事的方法”“自动触发能力”，还是“连接外部系统的接口”？

把这一层分清楚，许多听起来复杂的 AI 产品介绍，就没有那么神秘了。

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】