一文看透AI系统的七层架构

一、通过一张图掌握AI系统的七层架构

近期，抖音博主@Aki聊AI分享的这张图引起了广泛关注。

该图采用金字塔结构，将繁杂的AI技术栈拆分为七层，从底层的Token延伸至顶层的Skills，每一层级都拥有明确的界定与边界。

尤为关键的是，此图厘清了众多人的疑惑：诸如AI Agent、MCP、提示词工程及上下文记忆等概念之间究竟有何联系？

今日，我们将深入剖析这张"AI系统七层架构全景图"，探究各层背后的技术逻辑与商业机遇。

AI系统七层架构全景 ⑦ Skills（技能/经验库）—— 可复用的能力与经验 ⑥ MCP（连接外部世界）—— 链接AI与外部系统的桥梁 ⑤ Harness（工程框架/调度层）—— 统一调度与编排 ④ Agent（智能体/执行层）—— 自主决策与行动 ③ 上下文（背景信息层）—— 提供背景与记忆 ② 提示词（指令/意图层）—— 你输入的指令 ① Token（最小单位层）—— 最底层，最小单元

二、由底至顶：各层究竟解决了哪些痛点？

第1层：Token——AI的"原子"单位

Token是AI理解万物的最小单元。模型并非逐字解析，而是将文本切分为一个个"碎片"来进行理解。

例如"人工智能"这四个字，可能被解析为"人工"与"智能"两个Token，亦或拆分为"人"、"工智"、"能"三个Token，具体取决于分词策略。

该层的技术核心在于Tokenizer，它决定了模型处理语言的高效性与精准度。

第2层：提示词——人与AI的交互接口

提示词即你与AI交流的语句，它决定了模型执行任务的方向。

即便使用同一模型，提示词撰写的优劣会导致效果相差十倍，这正是提示词工程（Prompt Engineering）的价值所在。

2024年，提示词工程师曾成为高薪职业。然而，该层的技术门槛正日益降低——更强大的模型理解力，使"自然语言"本身成为最佳的提示词。

第3层：上下文——AI的"记忆"功能

上下文赋予AI了解因果的能力，从而提供更可靠的回答。

若无上下文，每次交互皆需重新开始。反之，有了上下文，AI方能铭记你之前的言谈与行为。

该层的技术难点在于长上下文窗口。GPT-4o已支持128K Token，Claude 3支持200K Token，国产模型亦在加速追赶。

第4层：Agent——从"工具"迈向"助手"的跨越

Agent是2024-2025年的热门概念。其核心能力在于：自主决策与执行。

传统AI是"你问一句，我答一句"；而Agent则是"你设定目标，我自行拆解任务、制定计划并自动执行"。

从"工具"进化为"助手"，标志着AI应用范式的根本性变革。

第5层：Harness——AI系统的"操作系统"内核

Harness即工程框架/调度层，负责统筹与运行全流程，确保多个Agent协同工作有序。

可将其视作AI系统的"操作系统"。无此层，Agent便如一盘散沙；有此层，多个Agent方能协同运作。

该层的技术代表包括LangChain、LlamaIndex等框架，以及各大云服务商的AI编排服务。

第6层：MCP——AI的"USB接口"

MCP（Model Context Protocol）是2025年爆发的概念，被誉为AI的"USB接口"。

它建立了AI与外部世界的连接。邮件、数据库、第三方工具……均通过MCP扩展接入。

若无MCP，AI便是一座孤岛；拥有MCP，AI则可调用各类外部能力。

Anthropic开源MCP协议后，迅速成为行业标准。OpenAI、Google、微软纷纷跟进。

第7层：Skills——AI的"肌肉记忆"

Skills即可复用的能力与经验，使AI能在不同任务中调用既有能力，越用越强。

该层处于AI系统顶端，亦是差异化竞争的核心。

底层技术（Token、提示词、上下文）差距不大。但Skills是各公司自行积累的，是其护城河。

三、七层架构背后的商业机遇

此图不仅阐释了技术架构，更揭示了AI产业的价值链分布。

机遇1：MCP生态——下一个应用商店

MCP协议的标准化，正催生全新的生态系统。

正如iOS的App Store、微信的小程序平台，MCP正成为新的流量入口与分发平台。

谁能成为MCP生态的"应用商店"，谁便能掌控AI时代的流量分配权。

机遇2：Agent框架——AI时代的"操作系统"

Harness层的技术代表（LangChain、LlamaIndex）正快速演进。

但真正的机遇在于垂直领域的Agent框架——医疗Agent、法律Agent、金融Agent……

通用框架是基础设施，垂直框架才是变现主力。

机遇3：Skills市场——AI的"知识付费"

Skills层的本质是可复用的AI能力。

这正催生新市场：AI Skills商店。开发者可将AI能力封装为Skills，出售给其他开发者或企业。

如同Figma的插件市场、Notion的模板市场，Skills市场将成为AI应用的重要变现模式。

四、给创业者的启示

七层架构揭示了：AI创业不应只盯着底层技术。

Token层、提示词层的技术门槛正快速降低，大模型厂商（OpenAI、Anthropic、Google、DeepSeek）已将底层做得足够完善。

真正的机遇在上层应用：

① 做Agent：在垂直领域打造能自主决策、自动执行的AI助手

② 做MCP连接器：协助企业接入AI，进行"AI化改造"

③ 做Skills：将行业know-how封装为可复用的AI能力

牢记此图核心结论：七层缺一不可，缺一层皆难顺畅运行。

但创业者无需通做七层，找准一层深耕细作，便能在AI浪潮中占据一席之地。

零壹龙虾锐评

这张七层架构图，最大价值非技术细节，而是助我们看清AI产业格局。

底层（Token、提示词、上下文）是大厂的游戏，创业公司难以竞争。

中层（Agent、Harness、MCP）是平台机遇，需技术+生态双重能力。

顶层（Skills）是创业者主战场，行业know-how+AI封装能力，即可建立护城河。

AI非技术军备竞赛，而是应用落地竞赛。

谁能将AI能力封装成用户真正所需产品，谁便能赢得此竞赛。

七层架构是张地图，但路仍需自己走。

零壹龙虾 | 用数据说话，让AI触手可及