我用 AI 已经有一段时间了。
打开一个网页，或者手机里的 App，输入问题，它就回答。让它解释一篇文章、翻译一段英文、修改一份材料，我都用过。
可一听到“大模型”“Agent”“Skill”这些词，我又有些不确定了。
App 我看得见，也知道怎么打开。Agent 藏在哪里？Skill 是要安装的软件，还是一份文件？它们和那个会回答问题的模型，到底是什么关系？
在上一篇文章里，我写了自己重新学习 AI 的原因：开发过程越来越复杂，我越来越看不清系统在做什么。这一次，我想先把这些基础问题弄明白，再继续往前走。
我和 AI 为此做了几轮问答。我得用自己的话解释，解释不清楚的地方，就继续拆开。下面这些文章保留了其中的案例和理解变化；问答经过整理，删去了口头重复。
我们用一个普通人都能理解的例子。
假设你想安排一次家庭旅行，对 AI 说：
帮我安排三天两晚的旅行，带老人和孩子，总预算 6000 元，少走路，给我一份能够核对的方案。
这里的旅行是教学假设，没有真的订酒店。接下来的几篇，都围绕这个任务展开。
先看你面对的东西。
你打开的是一个产品。手机 App、网页、聊天框，都是这个产品和你打交道的入口。产品背后，还有负责处理信息和执行操作的程序。
大模型，是产品可以调用的一项核心能力。
日常说“我用 ChatGPT 问了一下”，当然没有问题。但要看懂系统怎样工作，就需要把整个产品和它调用的模型分开。
同样一个聊天框，背后可以只是一次问答，也可以连接搜索、文件处理和连续执行任务的系统。光看界面，不容易判断里面有哪些能力。
那大模型本身是什么？
我们这里主要谈经常用于聊天、写作和分析的语言模型，以及能够处理图像等信息的多模态模型。多模态这个词，先理解为“能够处理不止一种类型的信息”就可以。
模型可以帮助我们理解输入、分析问题、组织回答。在旅行任务里，它能分析预算、同行人的体力和景点安排之间的关系，也能发现一天安排五六个地方可能太赶。
“像一个大脑”是容易上手的比喻。不过，要知道它实际上怎样存在，还得再往下看一层。
模型有一套神经网络结构，还有训练得到的大量数字。这些数字通常叫参数，也叫权重。先不必记复杂定义，可以把它们理解为训练过程中被不断调整、会影响计算结果的数值。
输入的文字需要转成计算机能够处理的数字，再按照模型的结构和参数进行计算，最后得到输出。它并不是把我们问的每个问题，都对应到一个提前写好的答案。
落到电脑里，模型的参数和结构配置可以保存在文件中。运行软件把它们加载到计算设备上，才能接受输入、产生输出。Hugging Face 的教程里，就能看到保存和加载这类文件的例子。模型结构与权重文件
所以，模型有具体的存在形式。它可以运行在服务器上，也可以在具备相应条件的本机运行。我们通常通过产品使用它，不必直接打开那些模型文件。
还有一个我以前容易忽略的地方：
向模型提供信息的，既可以是人，也可以是程序。
人可以在对话框里输入旅行要求。程序也可以把“这家酒店已经满房”这个结果交给模型，请它判断下一步怎样安排。
等我们讲到 Agent，这一点会很重要。
再回到旅行。
模型可以判断一家安静、交通方便的酒店比较适合老人。但这家酒店在你出发的日期有没有房，得取得对应日期的信息。
模型懂得怎样分析酒店，并不自动意味着它知道酒店此刻的库存。
这时就需要工具。
在这个语境里，工具是系统可以调用的一项实际操作能力。例如搜索网页、读取文件、查询酒店、保存行程表。
我最初把工具理解成我们常用的软件。这个理解能帮助入门，但还需要稍微精确一点：一款软件可能提供好几项可调用的操作，一个工具也可能只是很小的一段程序，不一定有自己的窗口。
例如，查询酒店这项工具，可以接收城市、入住日期、退房日期等条件，然后返回查到的房型、价格和房态。它也可能返回“连接失败”。
程序之间用来接收请求、返回结果的入口，常被叫作“接口”。不用把这个词想得太神秘，先理解为两个程序打交道的约定就可以。
模型可以提出查询请求，但实际连接订房系统、取得结果，需要由运行环境中的工具完成。
这里有个很小、却容易混淆的区别。
“我建议你住这家酒店”，可能只是一项建议。
“我查到这家酒店在指定日期有房”，则需要对应的查询依据。
一段话写得再流畅，也不能把前一种情况自动变成后一种。
我在学习时还回答过一道题：
两个旅行 App 使用完全相同的大模型，为什么一个只能给出建议，另一个却能查实时信息，并在酒店满房后调整计划？
我的第一反应是，后一个多了工具，也多了一套连续推进任务的机制。模型本身相同，整个产品能做的事情仍然可能很不一样。
这个判断抓住了方向，但还要补一个细节：在真实产品里，仅凭最后看到的文字，不能确定后台有没有查询。它可能查询后只给出简短建议，也可能根本没查询却说得很详细。
我们需要看它实际取得了什么信息。
我开始能把几件事分开：聊天框是使用入口，模型参与理解和生成，工具负责取得信息或执行操作。
这并不要求普通使用者先学会编程。它首先帮助我看懂，为什么有时换了一个产品，即使使用同样的模型，体验也会相差很大。
不过，还有一个环节没解释：酒店满房以后，谁把结果交回模型，谁安排新的查询，谁让这项工作继续下去？
下一篇，就来讲这个看起来“看不见摸不着”的 Agent。