你有没有遇到过这种情况：看 Claude Code 的文档，满眼都是 Skill、CLI、MCP、Hook、Slash Command……每个词都认识，但放一起就不知道它们到底什么关系。

今天把这件事讲清楚。

这些概念不是一盘散沙，它们有一个共同的名字——Agent 的操作系统。就像 Windows 有文件管理器、任务栏、控制面板一样，AI Agent 有一套自己的"系统组件"。理解了它们之间的关系，你就不再是"用 AI 工具"，而是"配置 AI 系统"。

用一句话定义每个概念

先给每个概念一句话，然后再展开：

概念	一句话	类比
CLI	Agent 的交互界面，你跟 AI 说话的地方	电脑的终端/命令行
Slash Command	CLI 里的快捷指令，一个斜杠触发预设行为	终端的 alias/快捷键
MCP	Agent 跟外部工具通信的标准协议	USB 接口标准
Skill	可加载的专业能力包，让 AI 临时变成某领域专家	给电脑装一个专业软件
Hook	事件触发器，某个条件满足时自动执行动作	手机的通知/自动化快捷指令

它们怎么协作？一个真实场景

假设你对 Claude Code 说：「帮我重构这个项目的数据库层」。

第一步：CLI 接收指令

你打在命令行里的这句话，被 CLI 层接收。CLI 不是简单的"输入框"——它负责解析你的意图、管理会话历史、决定要不要启动 Plan Mode。

第二步：Skill 被激活

Claude Code 的 Harness 判断"重构数据库层"需要数据库专业知识，于是自动加载了相关的 Skill。Skill 本质上是一段系统提示词+工具配置——它告诉 AI：“你现在的身份是数据库专家，你可以用这些工具，你应该遵守这些规则。”

第三步：MCP 连接工具

AI 说"我要看现在的数据库结构"。Harness 通过 MCP 协议调用你的项目里的数据库工具。MCP 就像一个万能转接头——不管是 Postgres、MySQL 还是 SQLite，只要实现了 MCP 接口，AI 就能用同一种方式跟它们对话。

第四步：Hook 自动触发

AI 改完了一个文件。你之前配置的 Hook 检测到"文件已修改"→自动运行代码格式化→自动跑单元测试→把结果反馈给 AI。如果测试挂了，AI 继续修；如果过了，Hook 自动提交 Git。

第五步：Slash Command 随时介入

改着改着你觉得 AI 跑偏了，敲一个 /clear 重置上下文，再敲一个 /review 让它重新审视刚才的改动。Slash Command 是你在跟 AI 协作过程中随时"掌舵"的手段。

这些概念的"代际关系"

从时间线上看，这些概念的出现顺序很有意思：

2023：Function Calling → Tool Use

最早的时候，想让 AI 调用外部工具，得手动定义每一个函数的 JSON Schema。繁琐，但这是起点。

2024：MCP 协议诞生

Anthropic 发布了 MCP（Model Context Protocol），把"AI 怎么调工具"这件事标准化了。以前每家 AI 公司都有自己的工具调用方式，MCP 就像 USB 统一了外设接口——一个 MCP Server 写好后，所有支持 MCP 的 AI 都能用。

2025：Skill 和 Hook 出现

Claude Code 引入了 Skill 系统——不只调单个工具，而是加载一整套"专业知识+工具集+行为规则"。Hook 也在这时候成熟，让 Harness 能够基于事件自动触发动作。

2026：Slash Command 生态爆发

社区开始大量创建自定义 Slash Command——/review、/deploy、/translate……这些指令本质上是对"Skill + Hook + MCP"组合的快捷封装。一个 /deploy 背后可能串了五个工具和三道检查。

对你来说最重要的三个概念

如果只能记住三个，我选：

1. MCP — 理解它你就理解了"AI 怎么用你的工具"

MCP 是基础设施。任何工具只要实现了 MCP Server，就能被 Claude Code、Codex CLI、Cursor 等所有支持 MCP 的 Agent 使用。学会写 MCP Server，等于你的工具进入了整个 AI 生态。

2. Skill — 理解它你就理解了"怎么给 AI 装专业能力"

Skill 不是 prompt，是 prompt + tools + rules 的打包。一个写好的 Skill 可以跨项目复用。比如你写了一个"Python 代码审查 Skill"，之后每个 Python 项目加载它就行，不用每次重新告诉 AI “你要怎么审查”。

3. Hook — 理解它你就理解了"怎么让 AI 自动干活"

Hook 把 AI 从"被动响应"变成了"主动执行"。文件保存→自动格式化→自动测试→自动提交——这条流水线配置好之后，你只负责写代码，AI 负责剩下的一切。

一张图帮你记住它们的关系

你 (人类)  ↕  CLI + Slash Command (交互层)  ↕Harness (编排层)  ├── Skill 系统 (能力加载)  ├── Hook 系统 (事件触发)  └── MCP 协议 (工具通信)       ├── 文件系统       ├── Git       ├── 数据库       └── ...任何实现MCP的工具  ↕Model (大脑)

一句话总结：CLI 是你跟 AI 说话的窗口，Slash Command 是快捷方式，Skill 是 AI 的专业技能包，MCP 是 AI 的手和工具之间的标准接口，Hook 是让这一切自动运转起来的开关。

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】