[{"data":1,"prerenderedAt":61},["ShallowReactive",2],{"article-140":3},{"code":4,"msg":5,"data":6,"count":14},200,"查询成功",{"id":7,"title":8,"keywords":9,"description":10,"category_id":11,"content":12,"body_html":13,"thumb_up":14,"clicks":15,"sort":14,"remark":13,"status":16,"is_open":16,"is_deleted":14,"is_top":16,"is_recommend":16,"create_time":17,"update_time":18,"image_id":19,"url":13,"member_id":14,"cate_name":20,"prev":21,"next":24,"tags":27,"words":42,"read_time":43,"comments":14,"cover":44,"relevant":45},140,"一文讲透 Agent、RAG、Skill 与 MCP 的区别与联动","Ai,Agent,RAG,Skill,MCP","如果你最近关注 AI 开发，一定会被这几个词刷屏：**Agent**、**RAG**、**Skill**、**MCP**。有人说它们是未来，有人说它们是炒作。更让人头疼的是，很多文章混着用，让人一头雾水。",16,"**从\"问答机器\"到\"全能数字员工\"，AI 应用落地的四大核心组件拆解**\n\n如果你最近关注 AI 开发，一定会被这几个词刷屏：**Agent**、**RAG**、**Skill**、**MCP**。有人说它们是未来，有人说它们是炒作。更让人头疼的是，很多文章混着用，让人一头雾水。\n\n别急，今天我们用最通俗的比喻和**可运行的 Demo 逻辑**，把这四个概念彻底说清楚。\n\n### 核心比喻：一个\"数字打工人\"的诞生\n\n想象你要组建一个**虚拟的 AI 工作小组**：\n\n- **Agent（智能体）** ：**CEO 或项目经理**。负责思考、拆解任务、调兵遣将。\n- **RAG（检索增强生成）** ：**公司的私有云盘\u002F维基百科**。存着所有历史资料和最新资讯。\n- **Skill（技能包）** ：**岗位 SOP（标准作业程序）**。告诉你这一步做完下一步该按哪个按钮。\n- **MCP（模型上下文协议）** ：**电脑的 USB-C 接口**。不管是接 U 盘、显示器还是充电器，都是一个口、一套协议。\n\n---\n\n### 第一部分：RAG —— 给大模型装上\"外挂记忆卡\"\n\n**是什么？**\n大模型（如 GPT）的知识是\"冻结\"在训练截止日的。RAG 技术的逻辑是：**先搜后说**。用户提问 -> 去向量数据库找相似文档 -> 把文档塞进提示词 -> 模型总结回答。\n\n**痛点解决：** 幻觉、知识陈旧、企业内部私有数据无法利用。\n\n**示例 Demo：智能客服助手**\n\n```python\n# 这是一个简化的 RAG 逻辑 Demo（基于 LangChain 思想）\nfrom langchain_community.vectorstores import Chroma\nfrom langchain_openai import OpenAIEmbeddings, ChatOpenAI\n\n# 1. 假设我们已经把《2026年公司考勤制度.pdf》切块存入了向量库\nvectorstore = Chroma(embedding_function=OpenAIEmbeddings())\n\n# 2. 用户提问（这部分知识不在模型训练数据里）\nquery = \"2026年调休怎么算？\"\n\n# 3. RAG 核心步骤：检索\ndocs = vectorstore.similarity_search(query, k=2)\ncontext = \"\\n\".join([doc.page_content for doc in docs])\n\n# 4. 增强生成\nprompt = f\"基于以下内部文件内容回答用户问题：\\n文件内容：{context}\\n问题：{query}\"\nanswer = ChatOpenAI().invoke(prompt)\n\n# 此时的回答会有理有据，不会胡说八道\nprint(answer)\n```\n\n**一句话总结 RAG：** **它是 AI 的\"开卷考试\"能力，查到了资料我才回答。**\n\n---\n\n### 第二部分：Skill —— 固化下来的\"肌肉记忆\"\n\n**是什么？**\nRAG 解决\"知识\"问题，Skill 解决\"流程\"问题。Skill 是一个包含 `SKILL.md`（指令）和 `scripts\u002F`（脚本）的文件夹。它告诉 AI：**当你需要做 A 时，必须严格遵循 B 步骤。**\n\n**痛点解决：** 每次都要打一大段提示词教 AI 做事、AI 做到一半忘了步骤。\n\n**示例 Demo：一个\"小红书爆款笔记生成\"的 Skill 结构**\n\n这是一个典型的 Skill 文件夹结构：\n\n```text\nxiaohongshu-writer\u002F\n├── SKILL.md              # 核心指令文件\n└── references\u002F\n    └── tone_examples.md  # 风格参考\n```\n\n**`SKILL.md` 里的内容示例：**\n\n```markdown\n# 小红书文案生成技能\n\n**触发条件：** 用户提到\"发小红书\"、\"写种草笔记\"。\n\n**执行流程：**\n1. **标题生成**：必须包含数字 + 情绪词（如\"救命！这 3 个神器真的太好用了！\"）。\n2. **正文结构**：\n   - 第一段：痛点场景（\"谁懂啊，整理房间总是乱...\"）。\n   - 第二段：产品登场。\n   - 第三段：使用前后对比。\n3. **标签**：自动生成 5 个相关标签。\n\n**禁止事项：** 禁止使用\"首先、其次、最后\"这类公文词汇。\n```\n\n**效果对比：**\n- **无 Skill：** \"帮我写个关于这个杯子的文案。\" -> 输出干巴巴的产品说明书。\n- **有 Skill：** AI 自动套用上述排版、语气、emoji，输出标准小红书体。\n\n**一句话总结 Skill：** **它是 AI 的\"SOP 检查清单\"，防止流程跑偏。**\n\n---\n\n### 第三部分：MCP —— 万物互联的\"万能插座\"\n\n**是什么？**\n没有 MCP 之前：你想让 AI 读 Google Drive 文件，需要写 Google 的 API 代码；想发 Slack，又要写 Slack 的代码。这叫 **M×N 问题**。\n\nMCP（Model Context Protocol）是一个标准协议。AI 客户端（如 Claude Desktop）是 **Host**，Google Drive 是 **Server**。只要都支持 MCP 协议，**Host 能瞬间看懂 Server 有哪些功能（Tools\u002FResources）**。\n\n**痛点解决：** 开发成本爆炸、工具切换繁琐。\n\n**示例 Demo：配置 MCP 让 Claude 直接操作本地文件**\n\n假设你用的是 Claude Desktop，想让它直接读写你的电脑桌面文件。你不需要写 Python 脚本，只需要改一个 JSON 配置文件：\n\n```json\n\u002F\u002F claude_desktop_config.json\n{\n  \"mcpServers\": {\n    \"filesystem\": {\n      \"command\": \"npx\",\n      \"args\": [\n        \"-y\",\n        \"@modelcontextprotocol\u002Fserver-filesystem\",\n        \"\u002FUsers\u002Fyourname\u002FDesktop\"  \u002F\u002F 授权访问桌面\n      ]\n    }\n  }\n}\n```\n\n**重启 Claude 后的对话效果：**\n\n> **你：** 帮我看看桌面上有没有叫\"周报.docx\"的文件，把里面的项目进度总结成三句话发给我。\n\n此时，Claude 通过 MCP 协议调用了 `read_file` 工具，**直接读取了本地硬盘内容**，然后回复你。\n\n**一句话总结 MCP：** **它是 AI 界的\"USB-C\"，插上就能用，不用装驱动。**\n\n---\n\n### 第四部分：Agent —— 交响乐团的\"总指挥\"\n\n**是什么？**\n这是最高维度的概念。Agent 包含了 **大脑（LLM）**、**记忆**、**规划（Reasoning）** 和 **工具使用**。\n\n它会根据任务复杂程度，**动态决策**该用 RAG、Skill 还是 MCP 里的某个工具。\n\n**全景示例 Demo：一个\"自动生成周报并邮件发出\"的 Agent**\n\n假设你有了一个配置好 MCP、RAG 和 Skill 的 Agent。\n\n**任务输入：** \"帮我发这周的开发周报。\"\n\n**Agent 的内部思考链（Reasoning Trace）：**\n\n1.  **Agent（思考中）：** 用户要发周报。我需要知道这周做了什么。\n2.  **调用 MCP (GitHub Server)：** *\"MCP，帮我去 GitHub 项目里拉取过去 7 天我提交的 Commit 记录。\"*\n3.  **调用 RAG：** *\"RAG，帮我在内部文档库搜一下上周开会定的需求名称和对应功能点。\"*\n4.  **调用 Skill (Weekly-Report-Gen)：** *\"Skill，把 Commit 记录和需求名称揉在一起，按'关键进展、风险、下周计划'的格式排版。\"*\n5.  **Agent（决策）：** 格式完美，准备发送。\n6.  **调用 MCP (Gmail Server)：** *\"MCP，把这段内容作为邮件正文，发给 boss@company.com，标题为【周报】2026-04-19。\"*\n7.  **Agent（回复用户）：** \"周报已生成并发送，内容包含 3 个需求更新，请注意查收。\"\n\n### 最终总结：一张表看清区别\n\n| 概念 | 角色比喻 | 核心能力 | **若无此物会怎样** |\n| :--- | :--- | :--- | :--- |\n| **RAG** | 资料库管理员 | **知** (懂内部消息) | AI 满嘴跑火车，胡说八道 |\n| **Skill** | 带教老师 | **行** (懂标准流程) | AI 做事没章法，每次都要重头教 |\n| **MCP** | 电脑接口 | **连** (能操作软件) | 每个软件都要单独写代码适配 AI |\n| **Agent** | 项目经理 | **思** (能规划拆解) | 只能一问一答，不会主动做复杂事 |\n\n**记住这个公式：**\n**Agent = 大脑 (LLM) + 知识 (RAG) + 流程 (Skill) + 手脚 (MCP)**\n\n当这四个组件协同工作时，AI 就不再是一个只会聊天的对话框，而是一个真正能融入工作流的数字员工。",null,0,33,1,"2026-04-19 10:34:30","2026-04-19 10:34:31",129,"Ai",{"id":22,"title":23},139,"Nginx 性能优化实战指南：从基础配置到高并发压测",{"id":25,"title":26},141,"软删除场景下的数据库唯一约束实现方案",[28,30,33,36,39],{"id":29,"name":20},89,{"id":31,"name":32},120,"Agent",{"id":34,"name":35},121,"RAG",{"id":37,"name":38},122,"Skill",{"id":40,"name":41},123,"MCP",2608,6,"https:\u002F\u002Ftp.myong.top\u002Fstorage\u002Farticle\u002F47\u002F7aaf5aeee68d3e4794a17c6d5b2eea.jpg",[46,51,56],{"id":47,"title":48,"create_time":49,"description":50},154,"Codex 实战技术分享：把 AI 编程助手接入真实工程流","2026-06-22 20:03:56","本文介绍 Codex 在 CLI、IDE、App 和 Cloud 中的使用场景，梳理任务闭环、Prompt 编写、AGENTS.md 与 config.toml 配置、安全边界和团队落地方法，帮助研发团队把 Codex 接入可审阅、可验证的工程流程。",{"id":52,"title":53,"create_time":54,"description":55},155,"别再把 Codex 当聊天框：把 AI 用成一支可管理的开发队","2026-06-25 23:54:55","本文提出一种将 Codex 从“普通聊天框”升级为“可管理的 AI 开发队”的使用方法。核心思路是把一个项目拆成清晰的工作区与独立 Thread，先 Plan 再实现，完成后用 Review 做代码审查，并通过 AGENTS.md、Skills、MCP 和定时任务把规则、流程和重复劳动标准化，从而降低上下文混乱和返工成本",{"id":57,"title":58,"create_time":59,"description":60},156,"Superpowers：把 AI 编程从提示词技巧升级成工程流程","2026-06-28 00:41:22","Superpowers 的价值不在于让 AI 更会写代码，而是把需求澄清、计划拆分、测试验证和系统调试变成可执行流程。本文结合官方资料与项目热度，拆解新手为什么先从 4 个核心 skill 入手，以及团队如何把它落地为可复盘的 AI 编程规范。",1783431647114]