第一部分：基礎層
Slide 1：LLM（大語言模型）
專業：基于海量數據訓練的神經網絡（參數量百億級以上），核心是理解語言并預測下一個詞。
通俗：一個博學但無行動力的超級大腦。讀過全世界書，能聊天寫代碼，但沒有指令就只是安靜坐著。
Slide 2：Prompt（提示詞）
專業：人機交互界面，由指令、上下文、示例和約束組成。
通俗：下達給大腦的具體命令。Prompt越清晰，回復越精準。別只說“寫文案”，要告訴它身份、目標和限制。

第二部分：進化層
Slide 3：Agent（智能體）
專業：Agent = LLM + 規劃 + 記憶 + 工具使用。能感知環境并主動執行復雜目標。
通俗：不僅有大腦，還長出手腳。LLM是問一句答一句，Agent是全能管家。給它目標（如“訂去廈門機票”），它會自己拆解、查天氣、比價并執行。
Slide 4：Skill（技能）
專業：可移植的結構化任務說明書（如SKILL.md），提供特定領域專家能力。
通俗：Agent的武功秘籍。遇到專業問題（如法律審查）時，自動加載技能包，按預設步驟執行。
Slide 5：Tool（工具）
專業：AI可調用的單個功能函數，如搜索、計算器、API。
通俗：Agent工具箱里的扳手或螺絲刀。每件工具只干一件具體小事，組合起來完成大任務。

第三部分：連接層
Slide 6：MCP（模型上下文協議）
專業：Anthropic推出的開放標準，統一AI與外部數據源（Slack、GitHub、本地數據庫）的接口。
通俗：AI界的USB-C接口。以前連不同軟件很麻煩，現在MCP像萬能轉換頭，瞬間讀取本地文件或工作軟件。
Slide 7：Workflow（工作流）
專業：Agent的任務編排邏輯，用節點和邊設計分支、循環、并行。
通俗：Agent的工作流程圖。規定先做什么后做什么，如：檢索文獻→分析數據→寫論文，確保邏輯嚴密。

第四部分：進階與未來
Slide 8：RAG & CoT
RAG（檢索增強生成）：讓AI先“翻書查資料”，減少幻覺。
CoT（思維鏈）：讓AI“一步一步思考”，展示推理過程，提高邏輯準確率。
Slide 9：Vibe Coding（氛圍編程）
專業：用戶用自然語言描述需求，AI生成代碼并快速迭代。
通俗：編程全靠感覺。你不寫代碼，只當導演，通過對話讓AI把應用“搓”出來。
Slide 10：AGI（通用人工智能）
專業：AI發展的終極目標。具備跨領域學習和解決未知問題的廣泛認知能力。
通俗：像人類一樣無所不能的超級大腦。屆時AI不再是助手，而是全能的智慧體。