AI七层层级完整拆解（从Token到Agent）

七层自上而下详解

01 Token（文字颗粒）

类比：乐高积木，AI读取文字的最小单元
作用：决定上下文长度、处理成本、AI可承载信息量，所有文本都会先拆分为Token。

02 Prompt（任务单）

类比：给他人清晰的办事吩咐
作用：定义AI任务目标，很多AI输出差不是模型弱，而是任务描述模糊。

03 Context（背景资料）

类比：办事前给到的前置参考材料
作用：补齐上下文，避免AI跑偏、答非所问、凭空编造内容。

04 RAG（资料库）

类比：考试配套参考书，AI自主检索资料再整合回答
作用：企业知识库、客服文档、内部资料专属检索，给AI私有知识。

05 Tool / API / MCP（工具接口）

类比：通用插座、工具箱，让AI连接外部系统
作用：突破纯文本局限，可调用文件、网页、数据库、各类软件服务。

06 Workflow（自动化流程）

类比：完整做饭流水线，把多步任务串联自动执行
作用：一次性搭建完整业务链路，实现长期批量提效，而非单次临时提问。

07 Agent（自主办事智能体）

类比：专属助理，自主拆解任务、调度工具、闭环交付结果
作用：AI核心质变，从被动回答升级为主动自主完成整套工作。

 

完整运行链路

撰写Prompt → 文本拆分为Token解析 → 载入Context背景信息 → 缺资料时调用RAG知识库 → 需要操作则调用Tool/MCP工具 → 多步骤封装为Workflow流程 → 最终形成自主执行的Agent
核心逻辑：AI不只是聊天，而是一套分层系统，先读懂文字、理解背景、调用外部资源、串联流程，最终自主完成工作。

通俗记忆对照表

Token=文字材料
Prompt=任务单据
Context=背景参考
RAG=私有资料库
Tool/MCP=外部工具接口
Workflow=标准化工作流水线
Agent=能自主干活的AI助理

AI七层架构 Token Prompt RAG MCP AIWorkflow AIAgent 大模型入门 人机协同 AI原生系统 AI开发流程 AI代码理解 AI底层架构 ai架构图 ai解构 AI拆解图 AI源码解析