LLM、Agent 和 Skill 是当前人工智能（尤其是大模型应用）中的三个核心概念。LLM是"大脑"，Agent是"智能体"，Skills是"具体能力"，三者形成"思考→决策→执行"的完整闭环**，**让AI从"能说会道"进化到"能办实事"。
核心定义
- LLM（大语言模型） ：如 GPT、Claude、通义千问等，是具备自然语言理解与生成能力的"大脑"，能回答问题、写文案、推理等，但无法主动执行外部操作。
- Agent（智能体） ：如OpenClaw、ClaudCode。是以 LLM 为核心，整合规划、记忆、工具调用和反思能力的自主执行系统，能主动完成复杂任务（如订机票、写周报）。
- Skill（技能） ：是封装好的可复用能力单元，用于执行特定操作（如"查询天气""生成图表"），相当于 Agent 的"工具箱"中的标准化工具。
关键区别
| 维度 | LLM | Agent | Skill |
|---|---|---|---|
| 本质 | 语言理解与生成模型 | 自主执行系统 | 封装好的单一能力 |
| 是否主动做事 | 否（被动响应） | 是（主动规划+执行） | 否（需被调用） |
| 是否依赖外部工具 | 否 | 是（通过 MCP/Skill 调用） | 是（本身是工具） |
| 典型用途 | 回答问题、写文案 | 完成多步骤任务（如旅行规划） | 执行原子化操作（如发邮件） |
举例：
- 你问 LLM："明天北京天气？" → 它只能基于训练数据猜测（可能不准）。
- 你让 Agent 做同样的事 → 它会调用天气 API 获取实时数据并回答。
- Skill 就是那个"天气查询工具"，被 Agent 调用以完成具体操作。
三者关系
- **LLM 是 Agent 的"大脑"**：提供推理、决策和语言理解能力。
- **Skill 是 Agent 的"手脚"**：提供执行具体任务的能力，如调用数据库、操作文件等。
- Agent 整合 LLM 与 Skill：将复杂任务拆解为子任务，调用合适的 Skill，最终完成端到端目标。换句话说：Agent就是"有大脑（LLM）、有手脚（Skill）、能自主做事"的完整AI个体
- **MCP（模型上下文协议）**：作为统一通信标准，让 Agent 能安全、规范地调用 Skill 或外部工具（类比 USB 接口）。
层级关系（从底层到顶层）：
LLM → Skill → Agent ，而 MCP 贯穿全链路，实现组件间互通。
通俗类比（厨师比喻）
- LLM = 厨师的大脑（懂菜谱、会推理）
- Skill = 一道道标准化菜谱（如"红烧肉做法"）
- Agent = 完整的厨师（能看菜单、选菜谱、开火、摆盘）
- MCP = 厨房的万能插头（让所有电器都能连上用）
未来发展趋势
总结一句话
LLM 是"会想"的大脑，Skill 是"会做"的工具，Agent 是"能自主完成任务"的智能体，三者协同实现从"聊天"到"做事"的跃迁。