AI 常见名词介绍：大模型、提示词、Skill、Agent、MCP、Vibe coding...

你刚学会和 AI 对话，马上又看到一串新词：大模型、多模态、上下文、Skill、Agent、MCP、Vibe Coding，

你刚学会和 AI 对话，马上又看到一串新词：大模型、多模态、上下文、Skill、Agent、MCP、Vibe Coding，

最近又出来什么AGI 和 ASI...

单个词都稀里糊涂，更别说放在一起，和暗号没什么区别了。

这篇不是简单的百科，而是把“这些词汇”放回真实工作里来帮助你更好的理解。

我们可以先把整个 AI 系统想成一家公司。

这不是严格的技术定义，但足够帮你看懂它们之间的关系。

  • 你是项目负责人，负责定目标和验收结果
  • 大模型是公司的能力底盘
  • Agent 是真正接活、办事的员工们
  • Skill 是岗位手册，工作流是协作流程
  • 提示词是任务单，上下文是项目资料
  • MCP 是公司 IT 部门制定的统一接入规范
  • Vibe Coding 是把想法直接交给 AI 开发、一路做到可以运行的工作方式

AGI 和 ASI 不属于公司里的某个岗位。它们讨论的是另一件事：如果这家公司的整体能力继续变强，未来可能会走到什么程度。

一、大模型：公司的能力底盘

Image

大模型是 AI 工具背后的核心能力。

它读过大量文字、图片或代码，从中学习语言和内容之间的规律，再根据你的输入预测接下来应该输出什么。

可以把它理解成公司的通用人才底盘。它决定 AI 能理解什么、生成什么、能处理多复杂的任务，但它不是装满标准答案的资料库。

这解释了两个常见现象：

  • 同一个问题，不同模型给出的结果会不一样
  • 模型说得很顺，不代表内容一定正确

你在产品里看到的聊天工具、图片工具和代码工具，通常不是模型本身，而是模型加上界面、规则、资料和工具之后的应用。

同一个能力底盘，配上不同的组织方式和工具，最后表现也会不同。

先分清厂商、模型和产品

这三个概念经常混在一起。以 OpenAI 为例：OpenAI 是厂商，GPT 是模型系列，ChatGPT 是普通用户直接使用的产品。

常见的厂商和产品还有：

  • OpenAI：GPT、ChatGPT，常用于通用问答、分析、写作、编程和图像任务
  • Anthropic：Claude，常用于长文档、分析、写作、编程和图像理解
  • Google：Gemini，覆盖文字、图片、音频、视频和代码
  • DeepSeek：DeepSeek，常用于推理、写作和编程
  • 阿里巴巴：Qwen，也就是通义千问，包含语言、编程和视觉模型
  • 字节跳动：豆包、Seed，覆盖通用对话、视觉理解、图片和视频生成
  • Moonshot AI：Kimi，常用于长文档、搜索、推理、编程和视觉理解
  • 智谱 AI：GLM、智谱清言，覆盖通用语言、视觉和 Agent 任务

这些名字不是一张能力排行榜。同一厂商内部也有速度、价格和能力不同的模型，选择时还是要回到具体任务。

大语言模型常写成 LLM，是大模型里主要处理语言和代码的一类。

写文案、整理访谈、拆解需求、总结资料、分析竞品和生成代码，都是它擅长的任务。

对设计师来说，它的价值不只在写文案，更在分析和推演。

二、多模态：AI 不只会读文字

Image

只会处理文字的模型，像一个只能阅读文字报告的员工。

多模态模型可以继续看截图、听录音、理解视频，有些还可以直接生成这些内容。

对设计师来说，多模态意味着你可以直接给它各种各样的资料，比如：

  • 页面截图，让它检查信息层级
  • 一组参考图，让它提取风格规律
  • 竞品网页，让它分析结构和交互
  • 手绘草图，让它整理成界面方向

但“看得见”不等于“看得准”。细节、版权和最终设计判断仍然要人工确认。

常见多模态厂商和产品

多模态不等于“什么都能生成”。有些模型擅长看图，有些负责生图，有些专门做视频。

  • 图文理解与分析：OpenAI 的 ChatGPT、Anthropic 的 Claude、Google 的 Gemini、Moonshot AI 的 Kimi、阿里巴巴的 Qwen-VL、字节跳动的豆包。它们适合看页面、读图表和分析参考图，其中部分产品还支持视频理解
  • 图片生成与编辑：OpenAI 的 ChatGPT Images、Google 的 Imagen、阿里巴巴的 Qwen-VLo、字节跳动的 Seedream、智谱 AI 的 GLM-Image。适合生成视觉方向、修改素材和探索版式
  • 视频生成与编辑：Google 的 Veo、字节跳动的 Seedance、Runway。适合做动态概念、分镜、短片和已有视频的局部修改

设计师不需要先追着产品名单跑。先判断任务是“理解内容”“生成素材”还是“制作动态”，再选对应工具。

三、提示词：发给员工的任务单

Image

提示词，也叫 Prompt，是你给 AI 的指令。

很多人把提示词理解成某句神秘口诀，希望换几个高级词，结果就会变好。

更准确的比喻，是公司里发给员工的任务单。

一张有效的任务单至少要说明：

  • 要解决什么问题
  • 给谁使用或观看
  • 最后交付什么结果
  • 必须参考哪些资料
  • 有哪些限制
  • 什么样算做好

“帮我把页面做高级”不是任务单，只是一种愿望。

“面向设计师的知识库首页，目标是让用户理解内容价值并开始试读，请检查信息顺序、视觉层级和行动按钮，保留现有品牌色”才接近可执行任务。

提示词不必写得很长，但最好包含这七项：

背景 + 目标 + 输入资料 + 具体任务 + 输出格式 + 判断标准 + 限制条件

案例一：分析竞品

模糊说法：“帮我分析这个网站。”

更可执行的写法：

我正在设计一个面向设计师的付费知识库。请分析这个竞品网站的产品定位、目标用户、信息架构、首屏表达、内容组织、转化路径和关键交互。最后给出 3 个可借鉴的机制、2 个不适合照搬的做法和 1 个差异化机会。不要只描述页面长什么样，要解释为什么有效。

案例二：提取并复刻风格

模糊说法：“照这个风格做一个页面。”

更可执行的写法：

分析这组参考图的配色、字体气质、版式节奏、留白、圆角、线条和图像质感，整理成一份可执行的视觉规范。再把这些规律应用到 AI 设计知识库首页，保留原有内容结构，不复制参考品牌的名称、文案和标志性资产。

案例三：优化设计方案

模糊说法：“帮我优化一下这个页面。”

更可执行的写法：

这是知识库首页截图。目标用户是刚开始系统使用 AI 的设计师，页面目标是让访客理解内容价值并开始试读。请从信息层级、内容顺序、视觉一致性、按钮表达、移动端和无障碍六个方面检查。先列问题和判断依据，再给出两套修改方向，并标出优先级。

案例四：补全网页交互

模糊说法：“把这个页面做成可点击的。”

更可执行的写法：

基于现有静态页面补全导航、筛选、弹窗、表单反馈、加载、空状态、错误状态和移动端响应。先列出状态清单与交互规则，再生成可体验的原型。不要改动现有品牌色和核心信息架构。

好的提示词，不是把话说得更狠，而是让 AI 少猜一点。

四、上下文：项目群里的全部资料

Image

提示词是你刚说的那句话，上下文是 AI 此刻能参考的全部资料。

它可能包括需求文档、页面截图、品牌规范、竞品资料、历史对话、示例和限制条件。

可以把上下文理解成项目群里的聊天记录、文件和会议结论。

群里只有一句“帮我改页面”，AI 只能靠猜。有目标用户、业务目标、现有设计和判断标准，它才有机会给出针对性建议。

上下文也不是越多越好。把几年聊天记录和几十份旧文件全部丢进群里，重要信息反而更难找到。

上下文窗口，就是一次项目会议能摆上桌面的资料量。

范围再大，也有边界。内容超过范围，较早的信息可能被忽略；内容没有结构，模型也可能抓错重点。

所以长项目需要主动整理：保留目标、关键决定、最新版本和质量标准，删除已经失效的讨论。

模型处理信息时，还会把内容拆成更小的片段，这些片段叫 Token。可以把它理解成 AI 读写内容的小包装。

输入资料、历史对话和生成结果都会占用 Token。它会影响上下文容量、响应时间，有时也会影响使用成本。

平时不需要手动计算 Token。你只要知道：重复内容和无关资料也会占地方。

五、幻觉：AI 在不知道时也可能继续回答

Image

大模型的任务是生成最可能成立的下一段内容，不是先确认事实再开口。

所以它有时会像一个不愿承认“不知道”的员工：资料没查到，也能补出一个听起来合理的说法。

这就是幻觉。

它可能编造来源、混淆产品功能、使用过时信息，也可能给出听起来专业但无法执行的设计建议。

处理幻觉的方法不是彻底不信 AI，而是区分内容类型：

  • 创意方向可以多试
  • 设计建议需要结合页面判断
  • 数据、价格、法规、功能和引用必须核验

AI 可以负责起草，事实不能外包。

六、Skill：岗位手册和 SOP

Image

Skill 可以理解成公司里一份可以重复使用的岗位手册。

例如，每次评审落地页都要检查用户目标、信息层级、文案、按钮、移动端和无障碍。与其每次重新解释，不如把这套步骤、标准和输出格式封装起来。

下次遇到同类任务，直接调用这项 Skill。

不同 AI 产品对 Skill 的具体定义并不完全一样，但核心接近：把一套已经验证的方法保存下来，稳定执行。

提示词解决一次任务，Skill 解决重复任务。

七、工作流：跨岗位的协作流程

Image

Skill 解决“这一步怎么做”，工作流解决“先做什么，后做什么”。

比如完成一次竞品分析，可以拆成：

收集竞品 → 提取页面结构 → 比较视觉和交互 → 找到差异 → 输出机会点

这就像公司内部的标准协作流程。每一步由谁处理、需要什么输入、交付什么结果，都提前排好。

流程固定、输入清楚的工作，最适合先做成工作流。它不一定需要 Agent，也不一定需要复杂自动化。

八、Agent：真正接活并推进的员工

Image

普通对话通常是一问一答。Agent 接到的是一个目标，然后自己拆步骤、调用工具、检查结果，再继续下一步。

它更像一个接到任务后会继续推进的员工，而不是只回答问题的顾问。

例如，你让 Agent 整理一次竞品分析，它可能会

  • 打开指定网页
  • 调用分析 Skill，整理共性和差异
  • 生成报告并保存结果
  • 发现资料缺失时回来询问

Agent 并不等于完全自动。任务越长、权限越大，越需要明确边界、检查节点和停止条件。

一句话区分：Skill 教它怎么做，工作流告诉它按什么顺序做，Agent 负责把整件事往前推。

九、MCP：公司 IT 部门的统一接入规范

Image

AI 只会聊天时，能做的事情停留在对话框里。

如果员工要读取 Figma 文件、访问本地资料、查询数据库或操作浏览器，就需要获得这些系统的访问方式。

MCP 可以理解成公司制定的一套统一办公接入标准。不同工具按照相近的方式登记能力，Agent 就更容易发现和调用它们。

MCP 本身不会让模型变聪明。它解决的是“怎么接上工具”，不是“怎么做出正确判断”。

接入 Figma，不代表 AI 自动懂你的设计系统；接上数据库，也不代表它知道哪些数据可信。

与 MCP 经常一起出现的还有 API，也就是一个软件向另一个软件开放的调用接口。

可以把 API 理解成每个外部服务自己的办事窗口：你按照规定提交请求，对方按照规定返回结果。

API 和 MCP 不是同一个东西。API 是各项服务自己的窗口和菜单；MCP 更像公司统一的接入制度，背后仍可能调用各种 API。

刚开始不需要研究协议细节。先知道它们的用途：让 AI 从“会说”走向“能调用真实工具”。

当 AI 已经能理解任务、调用工具，下一步就是让它继续把想法真正做出来。

对设计师来说，这也是 Vibe Coding 开始变得重要的地方。

十、Vibe Coding：不自己逐行写代码，也能把想法做出来

Image

Vibe Coding 是这两年越来越常见的一种 AI 编程方式。

以前做一个网页，你需要先学 HTML、CSS、JavaScript，再自己一行一行写代码。

现在可以直接告诉 AI：

“帮我做一个 1440px 的设计师作品集首页，左边是项目介绍，右边是作品图片，移动端改成单列，卡片 Hover 时轻微放大。”

AI 会帮你生成代码、运行页面，再根据你的反馈继续修改。

对设计师来说，它更像是：

你负责说清楚想做什么、判断结果好不好，AI 负责大量具体的代码实现。

Figma Make、Codex、Claude Code 这些工具，都让这种工作方式变得越来越常见。

Vibe Coding 不等于完全不需要理解代码。项目越复杂，越需要知道页面结构、交互逻辑和基本的开发规则。

但它确实让很多原本不会编程的人，第一次可以把自己的设计和想法真正做成可以运行的产品。

十一、把这些名词放进一个设计任务

Image

假设你把“优化一个产品落地页”交给这家 AI 公司：

  • 选择能看图和处理文字的多模态大模型
  • 用提示词说清页面目标和交付要求
  • 把截图、用户、竞品和品牌规范放进上下文
  • 调用页面评审 Skill，按固定标准找问题
  • 让 Agent 继续收集竞品、生成方案并整理报告
  • 通过 MCP 读取 Figma、文件或浏览器里的真实内容
  • 接着由你判断方案是否适合用户、品牌和开发
  • 再通过 Vibe Coding，把确认后的设计继续实现成可以运行的产品

这些名词不是彼此独立的功能。它们共同组成了一套 AI 工作方式。

前面讲的，基本都是今天已经可以实际使用的 AI 能力和工作方式。再往后，还有两个经常出现在新闻和行业讨论里的词，它们谈的不是“怎么使用 AI”，而是“AI 最终走向”。

十二、AGI 和 ASI：如果这家公司越来越强，会走到哪里？

Image

随着大模型上限不断被打破，AI智能化程度越来越高， AGI 和 ASI 可能会频繁进入你的眼帘。

AGI 全称 Artificial General Intelligence，通用人工智能。

现在的大模型虽然已经会写作、分析、看图和编程，但不同任务的稳定性仍然差很多。AGI 描述的是一种更进一步的状态：AI 不只擅长几个特定任务，而是能像人一样理解、学习和处理非常广泛的问题。

如果继续用公司的比喻：

现在的 AI 更像一家公司里能力越来越强的员工，而 AGI 讨论的是，这个员工什么时候能真正成为一个什么工作都能快速学会的通才。

再往后还有 ASI，Artificial Superintelligence，超级人工智能。

它描述的是一种比 AGI 更远的假设：AI 在广泛的认知任务上，不只是接近人类，而是明显超过人类。这种理想化的AI状态我们时常在一些未来感的影视作品中看到，一种超级人工智能，可以解决任何高难度的需求。

所以看到这些词时，可以先这样区分：大模型是今天我们正在使用的技术，AGI 和 ASI则讨论的是AI的未来发展。

虽不在一个层面，却经常被提及。目前并没有一个所有人都认可的 AGI 判定标准，ASI 则更属于对未来 AI 的讨论。

最后，看懂这张组织图

决策层是你。你决定问题是否值得解决、什么结果算好，以及最后能不能交付。

能力层是大模型和多模态。它们决定 AI 能读什么、理解什么、生成什么。

项目管理层是提示词和上下文。它们决定任务有没有说清，资料够不够完整。

执行层是 Skill、工作流和 Agent。Skill 提供方法，工作流安排顺序，Agent 负责推进。

连接层是 MCP 和 API。它们让 Agent 能够进入 Figma、浏览器、文件和数据库，而不是只停在聊天框里。

实现层是 Vibe Coding。它让前面的分析、设计和决策继续往下走，最终变成真正可以运行的网页或产品。

AGI 和 ASI 则不属于其中某一层。它们描述的是 AI 整体能力未来可能达到的程度，一个讨论接近人类通用智能，一个讨论进一步超过人类智能。

不用背定义。看到一个新名词，先问：它属于哪一层，解决什么问题，还是在描述 AI 未来可能发展到什么程度？

组织关系看懂了，名词就不再是黑话。