说真的，我有段时间被这些词搞得很烦。
不是"看不懂"那种烦，而是感觉每次刚摸清楚一个，旁边又冒出来新的，而且听起来还跟上一个有点像，又好像不一样，但你去搜，搜到的解释全是英文文档、技术术语、架构图……
Prompt** 刚理解了，然后来了个 Agent。 好，Agent 搞清楚了，有人说"你这个没配 Skill 啊"。 Skill 是什么，跟 Agent 有什么关系，MCP 又是什么鬼？ 然后你看到有人直播用 Claude Code 十分钟自动写了一个项目，你坐在那还在复制粘贴……
我觉得这种焦虑不是你的问题，是因为没人给你讲清楚这 5 个词在整个 AI 体系里各自扮演什么角色，以及它们的边界在哪里。
今天就做这一件事。不讲技术原理，只讲你能用上的东西。
一、先定一个基调：你开了一家公司
为了把这 5 个概念一次讲清楚，我们假设你是一个老板，刚招了一个天才实习生——这个实习生，就是大模型（比如 Claude）。
聪明，有学识，能写能说，几乎什么都懂一点。但有个问题：它只会在你说话的时候干活，你不说它就坐着。而且它刚来，对你公司的系统、数据库、内部工具一无所知，断网断电地坐着。
接下来，Prompt、Agent、Skill、MCP、Claude Code，就是这家公司从"有个实习生"到"能自动运转"的五个关键拼图。
二、第一块拼图：Prompt，你给实习生写的便签
最简单的那个。
你有事要交代，拿张便签写下来递过去："帮我把这篇会议纪要缩短到 500 字，用条目格式，语气偏正式。"这就是 Prompt。
你怎么写，实习生就怎么理解。写得清楚，出来的东西大概率是你要的；写得模糊，它只能猜你的意思，猜错了你还会觉得 AI 不够聪明——但其实是便签没写清楚。
Prompt 能做什么？
明确目标、约束格式、指定风格、给背景。比如你说"你是一个语气幽默的产品经理，帮我写一段面向 90 后用户的推广文案"，实习生就知道该往哪个方向走。
Prompt 做不到什么？
它止步于"这一次"。你说完，它做完，结束。
它不会主动去查数据，不会自动执行第二步，更不会在你睡觉的时候帮你把周报发出去。要做到这些，就需要下一个角色了。
一个很常见的误区：Prompt 写得越长越好。
不是的。长而啰嗦的 Prompt 经常比短而清晰的效果更差。清晰 > 复杂，永远是。
三、第二块拼图：Agent，你雇了一个正式员工
这里有个本质的变化。
以前是"你推一步，它动一步"。现在你告诉它一个目标，它自己拆任务、想步骤、执行、检查结果、发现问题再调整，直到事情做完。
比如你说：帮我规划一个北京三日游的行程，顺便把酒店和机票查一下，价格控制在 XX 以内。
如果是 Prompt，它只会给你一个行程建议，然后停下来等你下一步说什么。
如果是 Agent，它会自己去搜攻略，比价格，检查日期是否冲突，生成完整方案，甚至帮你预填预订表单——而且这中间你不需要盯着它。
这是从"听指令"到"扛指标"的本质升级。
当然，能力越大责任越重。Agent 能做的事更多，犯错的影响也更大。乱删文件、发错消息、误下订单——这些不是段子，都是真实发生过的事。所以用 Agent 之前，权限控制、流程设计必须认真想清楚。
四、第三块拼图：Skill，员工手册 + 专用工具箱
好，你现在有了一个能自主干活的 Agent（正式员工）。
但每次它要做某个具体任务，都得从零想怎么做——从哪儿取数据、用哪种格式、走什么流程……时间久了，这很浪费。
Skill 就是把"这件事怎么做"这套流程封装好、存起来，下次直接调用。
打个比方：你给员工配了一本《前端开发手册》，里面写着公司的配色规范、字体标准、常用组件库、代码风格要求。员工每次写前端的时候，直接翻这本手册，不用每次重新问你"这里用什么颜色、那里用几号字体"。
这本手册，就是 Skill。
Skill 本质上是"可复用的经验"。它把优秀的做法固化下来，让 Agent 每次执行都能达到一个稳定的基线，而不是靠运气。
不过有一点要特别注意：Skill 不是越多越好。
Skill 堆多了，管理成本也上来了。互相之间有没有冲突、边界是否清晰、什么时候用哪个——这些都是问题。少而精、边界清，比大而全但乱成一锅粥更有用。
五、第四块拼图：MCP，公司的标准联网接口
这一块是很多人最容易误解的，我多说几句。
先想一个场景：你这家公司，现在想让 Agent 能连公司数据库、调天气 API、读 GitHub 代码仓库、访问内部知识库……
在 MCP 出现之前，每接一个外部工具，都得单独写一套适配代码，格式不同，权限不同，调用方式也不同，烦死人。
MCP（Model Context Protocol）就是 Anthropic** 提出的一套统一标准。
类比：你们公司规定，所有部门跟外部系统交换数据，必须走同一套加密表单，统一格式，统一权限验证。不管你要接什么，接入方式都一样，省时省力还安全。
有了 MCP，AI 连接外部工具这件事变得标准化了——开发者只需要按协议来，不用为每个工具重复发明轮子。
两个最容易犯的误区：
第一，"接了 MCP 就自动会用工具了"——不是。MCP 只是定义了怎么接，接进来之后你还需要 Agent 去规划怎么用、Skill 来规范怎么调用、权限策略来控制能不能用。接口是基础，不是终点。
第二，"MCP 是一个更强的模型"——完全不是，它不是模型，是协议规范，就像 USB-C 是接口标准，不是一台新电脑。
六、第五块拼图：Claude Code，现成的、装修好的办公室
前四块拼图，你自己从零搭一遍是很有挑战的。
Claude Code 就是 Anthropic 帮你把这套东西都装好的一个现成产品。
还是用办公室的比喻：它不是一个零件，而是一个完整的工作空间——实习生（模型）有了，工具箱配好了，流程设计好了，网也连上了，你进门就能开工。
它特别专注在代码和开发这件事上：读代码仓库、改文件、跑命令、写测试、提交 Pull Request**……这些在开发场景里反复出现的工作，它都内置了对应的工作流，不用你自己一步步搭。
一个实际的例子： 你上传一个 Excel 销售数据，说"帮我分析哪个产品增长最快，给我一张图"。Claude Code 会自己写 Python 代码、运行、分析、生成图表，直接把结果给你——你不需要知道代码是怎么写的，也不需要搭环境。
它在整个概念地图里的位置：不是 Prompt，不是协议，更像是"已经集成了 Agent + Skill + MCP 的一个可以直接用的产品"。
七、它们是怎么配合的？
说了五个，来看一个完整的实战场景，帮你把关系捋清楚。
任务： 分析公司上半年销售数据，生成带图表的报告，发给客户。
- 你用 Prompt 下达目标：什么数据、什么格式、发给谁。
- Agent 接单，拆出步骤：取数 → 分析 → 出图 → 写报告 → 发邮件。
- 取数这步，通过 MCP 协议安全连上公司数据库。
- 写报告和出图，调用预设好的 Skill（报告模板、图表规范）。
- 代码分析部分，用 Claude Code 内置工具直接跑。
- 邮件发出，任务完成。
一句话总结这个关系：
你用 Prompt 说想要什么，Agent 负责规划和推进，MCP 负责接通外部世界，Skill 提供可复用的做事方式，Claude Code 是一个现成能用的产品形态。
八、一张表，方便你记
| 概念 | 公司里的角色 | 一句话功能 | 关键词 |
|---|---|---|---|
| Prompt | 你给实习生的便签 | 说清楚你要什么 | 一次性、输入 |
| Agent | 正式的项目经理 | 自主规划、拆任务、完成目标 | 闭环、自主 |
| Skill | 员工手册 / SOP | 把好方法封装起来复用 | 标准化、复用 |
| MCP | 标准化联网接口 | 安全连通外部系统和工具 | 协议、互通 |
| Claude Code | 装修好的现成办公室 | 开箱即用的编程 Agent 产品 | 代码、执行 |
九、那我到底该用哪个？
你只想让 AI 回答更稳、输出更好？ → 打磨 Prompt，别想太复杂。适合写文案、总结、翻译、分析这类单次任务。
你想让 AI 自动把一件事从头做到尾？ → 需要 Agent，配合 Skill。适合自动拉数据、生成周报、发通知这类有流程的工作。流程设计好、权限想清楚，会事半功倍。
你有很多工具要接，系统比较复杂？ → 考虑 MCP 做标准化接入。但记住，MCP 是管道，还需要配 Agent 和 Skill 才能跑通。
你主要在写代码、改项目？ → 直接用 Claude Code 这类现成产品，别从头搭轮子。注意仓库权限、别开"自动合并"。
十、总结
过去几年，大家花很多时间学怎么写好 Prompt，像是在教一个新来的实习生怎么理解你说话。
但往后，光会写 Prompt 是不够的。你要学会给 Agent 配好 Skill，通过 MCP 把它接进你的系统，然后知道什么场景该用什么工具——这是从"跟 AI 聊天"到"让 AI 帮你干活"的真正跨越。
这 5 个词不是谁替代谁，是一套分工。搞懂分层，才能少踩坑，少花冤枉钱，少被新词绕晕。
怎么说话 → 谁来干活 → 怎么干得更好 → 能用什么工具 → 在哪干活。
这条线想清楚了，AI 工具怎么用，你心里就有数了。
