如果你最近在猛猛用 AI，今天帮你把迟早会碰到的核心名词一次捋清。
System Prompt，就是岗位要求，
假设你招了一个 AI 新员工。
先告诉它你是干什么的，它负责什么，你喜欢什么样的结果，哪些事别碰。
这些东西可能写在 SOUL.md、规则文件，或者系统提示词 里。
具备记忆或资料维护机制的工作台，也可能逐步总结你的背景与偏好；是否保存，取决于工具和设置。
活来了，这时候它要用到 Context，上下文。
就是今天这件事，它眼前到底能看到什么。
比如前面聊到了哪，手里有哪些相关材料，已经定下来的结论有哪些。
新人可能发现桌上会堆两米高的材料，头大了。
于是它开始压扁、萃取（压缩上下文）。
第二天再打开，它要是搞出一堆不合格的模糊的东西，那就很烦了。
这时候就得靠 Memory，记忆。
你甚至可以直接问它：
“你觉得我是谁？我最近在忙什么？”
它说错了，当场纠正。
不然最麻烦的就是，它一直按错的理解跟你合作。
接下来是知识库。
让 AI 自己从资料里找到这次用得上的内容。
具备对应工具和权限的 AI，可以帮助搜索、更新和编排资料；来源和内容仍需要核查。
资料有了，接下来让它动手。
这里有两个经常混在一起的词：
Tool和 Skill。
浏览器、终端，包括直接操作电脑，都属于 Tool。
Skill 解决的是另一个问题：
碰到了以后，它知不知道该怎么做。
比如同样是做一份报告，
Tool帮它打开浏览器去搜索，
Skill 告诉它：
先查什么，怎么判断，最后按什么方式交付。
所以可以简单记成：
Tool 是手，Skill 是手艺。
可这些都有了，Agent还是可能做到一半跑偏。
这时候就轮到Harness，它更像是盯整个过程的人。
做到哪一步了，下一步干什么，失败了要不要重试，任务太大要不要拆出去，都由这一层来管。
所以同一个模型，放进不同的工作台里，用起来可能完全不是一个感觉。
你看到过的某buddy就是一类Harness，也像马鞍。
最后看账单。
Token，词元，是 AI 实际处理信息时用的基本单位。
Credits，积分，是平台自己的一套消费余额。
次数，就是平台干脆把复杂成本包起来，直接告诉你还能用几次。