AI 世界地图
刚接触 AI 的时候，最晕的不是不会用，是分不清谁是谁——豆包到底是个 App 还是个模型？ Claude 和 Claude Code 什么关系？Skills 和 Agent 是一回事吗？ 这些问题解不开，是因为它们本来就不在同一层。把三层叠起来看，一眼就清楚了。
第三层
应用
你打字的那个东西
一个壳。它自己不会思考，只负责把你的话转给下面的模型，再把结果摆给你看。 换掉里面的模型，壳还是那个壳。
判断方法：你在哪个界面里打字，那就是应用。
能碰你电脑上的文件（Agent 型）
Claude Code需网络工具
Anthropic。能读写文件、跑命令、连着做很多步。装 Skills 就在这类工具里。
Codex需网络工具
OpenAI。定位和上面基本一样，界面更省事。
WorkBuddy国内直连
腾讯。同样能读写本地文件，不需要网络工具，网络不稳时的保底选择。
只聊天，不碰你的文件
豆包国内直连
字节。手机和网页都有，日常问答最顺手的国内入口。
ChatGPT / Claude 网页版需网络工具
对话为主。上传文件可以，但改不了你硬盘上的东西。
专做一件事的工作台
Midjourney需网络工具
只做图。网页里输入提示词出图，我们那门古风课用的就是它。
LibTV国内直连
LiblibAI 出的视频工作台。剧本 → 分镜 → 视频，节点式画布。
应用调用模型 —— 一个应用可以随时换模型，一个模型也能被很多应用同时调用。
两者是可插拔的，不是绑死的。
第二层
模型
真正在算的引擎
干活的那个。你看不见它，它没有界面。所有的理解、生成、推理都发生在这一层。 模型分家族，每个家族下面还有一堆型号，型号大致对应「多聪明、多贵、多快」。
判断方法：它在算，不在显示。
文本 / 多模态 —— 读文字、写文字，多数也能看图
GPT 系
OpenAI
Claude 系
Anthropic
Gemini 系
Google
豆包系
字节
DeepSeek 系
深度求索 · 开源
Qwen 系
阿里 · 开源
图像 —— 文字进，图出
Midjourney
审美最稳，我们古风课用的
Seedream
字节
Nano Banana
Google · 擅长在原图上改
Flux
开源生态最大
视频 —— 文字或图进，会动的东西出
Seedance
字节
Kling 可灵
快手
Veo
Google
Sora
OpenAI
型号每季度都在换，这里只记家族名。要具体到版本号，上课时现查。
模型由这些机制构成 —— 下面这些名词不是另一类东西，
是描述「模型怎么工作、怎么计价、怎么被你指挥」的零件。
第一层
机制
你会听到的那些名词
零件和规则。这些词本身不是产品，是用来描述上面两层怎么运作的。 听懂这六个，AI 圈九成的话你就能听明白了。
判断方法：它不是个东西，是个说法。
token
AI 读写文字的最小单位。中文一个字大约 1–2 个 token。贵不贵、能记多少，全按它算。
上下文窗口
它一次能同时「看到」多少 token。超出去，最前面的内容就被挤掉了——聊久了它开始忘事，就是这个原因。
Prompt 提示词
你说的那段话。说得越具体，它猜得越少。整门古风课练的就是这个。
Skills
给 AI 的一本工作手册。装上之后，你说人话，它自己判断该翻到哪一页，按里面的规矩干活。
Agent
会自己动手的 AI。不只回答，还能读写文件、跑命令、连着做很多步再回来交差。
MCP
给 AI 插的外接口，让它能连你的网盘、日历、数据库。Skills 是教它怎么做，MCP 是让它够得着。
同名陷阱
同一个名字，在两层里指的不是一回事
Claude
在模型层Anthropic 的模型家族，别的产品也能调用它。
在应用层Claude 网页版 / 桌面版 / Claude Code，三个不同的壳，里面装的是同一批模型。
豆包
在模型层字节的模型家族，很多第三方产品接的就是它。
在应用层你手机上那个豆包 App。
Midjourney
在模型层一个图像模型，LibTV 这类平台里也能选到它。
在应用层midjourney.com 那个网页，是它自己的壳。
分辨的办法只有一句话：问它是在算，还是在显示。 在算的是模型，在显示的是应用。名字撞车不重要，层不会撞。
读完了就点一下。只是给你自己一个收尾，不是考核。