1.2 大模型、Agent、Tool、Skill 到底是什么关系

概述

一、先用一个生活例子让你建立直观感受

在进入技术细节之前，先用一个生活例子让你"哦，原来是这样"的感受。

想象你有一个私人助理：

┌─────────────────────────────────────────────────────┐
│                     你的私人助理                      │
├─────────────────────────────────────────────────────┤
│                                                     │
│   🧠 大脑（模型/LLM）= 这个助理的"智商"           │
│      → 理解你说的话                                  │
│      → 分析要做什么事                                 │
│      → 制定计划                                      │
│                                                     │
│   🔧 工具（Tools）= 助理的"能力"                   │
│      → 查阅文件                                     │
│      → 发邮件                                      │
│      → 打电话                                      │
│      → 上网搜索                                     │
│                                                     │
│   📖 技能（Skills）= 工具的"使用说明书"            │
│      → 告诉助理什么时候用什么工具                     │
│      → 怎么正确地调用                               │
│                                                     │
│   🤖 Agent = 这个完整的人                           │
│      → 大脑 + 工具 + 技能 + 记忆 的组合            │
│                                                     │
└─────────────────────────────────────────────────────┘

简单说：

• 大模型 = 助理的脑子（思考能力）
• 工具 = 助理的手（执行能力）
• 技能 = 助理的说明书（什么时候用手、怎么用）
• Agent = 完整的人（脑子+手+说明书）

二、逐个拆解每个概念

2.1 大模型（Model / LLM）

定义：大模型是 AI 的"大脑"，负责理解和生成文字。

类比：就像人的大脑，决定你：

• 读懂别人说的话是什么意思
• 思考怎么回应
• 规划做事的步骤

在 OpenClaw 中的体现：

当前使用的大模型：MiniMax-M2.7-highspeed
→ 这个模型决定了我（AI）能不能准确理解你的意思
→ 决定我回复的质量高低

常见的大模型：

2.2 工具（Tools）

定义：工具是 Agent 可以调用的外部能力，让 AI 能"做事"而不是只"说话"。

类比：就像人的手，能实际执行操作

没有工具的 AI 只能这样：

你：帮我查一下今天天气
AI：今天天气晴，温度25度
（它只是回答，没有实际帮你做事）

有工具的 AI 可以这样：

你：帮我把这份报告发给老板
AI：→ 调用"发邮件"工具 → 登录邮箱 → 附加文件 → 发送成功
（它真的帮你把事做了）

在 OpenClaw 中内置的工具：

2.3 技能（Skill）

定义：Skill 是一套规则，告诉 AI "在什么情况下调用哪个工具，怎么调用"。

类比：就像工具的"使用说明书"和"使用时机指南"

为什么需要 Skill？

假设没有 Skill，AI 收到一张图片：

AI：这张图片是一个销售的图表...
（它只会"看"，不会"做"）

有了 Skill 告诉它"看到图片就调用图片生成工具"：

AI：→ 检测到用户发了图片请求
   → 匹配到"生图技能"
   → 提取描述
   → 调用 MiniMax 图片生成 API
   → 返回图片

Skill 不是工具本身，而是调用工具的"说明书"

2.4 Agent（智能体）

定义：Agent = 大脑 + 工具 + 技能 + 记忆 的完整系统

类比：就是一个完整的"人"

Agent = 大脑（模型）× 执行力（工具）× 经验（技能）× 记忆（Memory）

三、四者的关系图

用一张图说清楚它们的关系：

                    ┌─────────────────────────┐
                    │        Agent            │
                    │    （完整的智能体）       │
                    └───────────┬─────────────┘
                                │
                    ┌───────────┴─────────────┐
                    │                         │
                    ↓                         ↓
          ┌─────────────────┐     ┌─────────────────────┐
          │   大模型 (LLM)   │     │    工具 (Tools)     │
          │    核心大脑       │ ←  │    执行能力          │
          │  • 理解意图       │     │  • 搜索             │
          │  • 制定计划       │     │  • 发消息           │
          │  • 生成回复       │     │  • 读写文件         │
          │  • 调用工具       │     │  • 生成图片         │
          └─────────┬───────┘     └─────────┬─────────┘
                    │                         │
                    └───────────┬─────────────┘
                                │
                    ┌───────────┴─────────────┐
                    │    技能 (Skills)        │
                    │    工具使用说明书         │
                    │  • 什么时候用什么工具    │
                    │  • 工具怎么调用          │
                    │  • 参数怎么构造          │
                    └─────────────────────────┘
                                ↑
                    ┌───────────┴─────────────┐
                    │    记忆 (Memory)        │
                    │    上下文存储           │
                    │  • 短期：当前对话      │
                    │  • 长期：重要事实       │
                    └─────────────────────────┘

四、用一个完整例子说明配合流程

场景：你发了一张产品图给 AI，说"帮我把这个图的风格换成水彩画"

完整流程：

Step 1: 接收消息
┌─────────────────────────────────────┐
│ 你发了一张图片 + "帮我换成水彩风格"    │
└────────────────┬────────────────────┘
                 ↓
Step 2: 大脑理解（模型）
┌─────────────────────────────────────┐
│ 模型理解：用户要我做"图生图"任务      │
│ 并且是"水彩风格"                     │
└────────────────┬────────────────────┘
                 ↓
Step 3: 匹配技能（Skill）
┌─────────────────────────────────────┐
│ AI 查 Skills："图生图" → 匹配到      │
│ "MiniMax图片生成技能"                │
│ → 读取技能的说明：水彩风格用           │
│   image-01-live 模型 + style参数     │
└────────────────┬────────────────────┘
                 ↓
Step 4: 调用工具（Tool）
┌─────────────────────────────────────┐
│ 按技能说明构造请求：                  │
│ → 模型: image-01-live              │
│ → prompt: 原图描述 + 水彩风格        │
│ → style: 水彩参数                   │
│ → 调用 MiniMax 图生图 API           │
└────────────────┬────────────────────┘
                 ↓
Step 5: 获取结果
┌─────────────────────────────────────┐
│ API 返回生成的图片 URL               │
└────────────────┬────────────────────┘
                 ↓
Step 6: 回复用户
┌─────────────────────────────────────┐
│ 把生成的图片发送给你                 │
└─────────────────────────────────────┘

五、四者缺一不可的情况

如果缺少某个部分，会发生什么：

六、在 OpenClaw 中的实际对应

七、常见疑问