这张图示梳理了 LLM、Agent、RAG、Skill、MCP、Harness 六大 AI 智能体相关组件的分工与协作逻辑。LLM 大语言模型承担推理与生成的核心工作，接收指令与上下文输入，输出文本或者工具调用请求；它具备理解生成能力，但容易产生事实错误，本身无法直接执行外部工具。Agent 智能体围绕目标组织行动，调用 LLM 完成决策，按照观察、决策规划、加载工具、执行工具、校验结果的闭环开展任务，还可以按需开启记忆与反思模块迭代任务结果。RAG 检索增强生成负责补充外部知识，依托知识库检索召回资料并注入上下文，既可以独立完成问答，也可供 Agent 调用。Skill 技能用来封装可复用的业务任务流程，沉淀脚本与模板，实现任务流程复用。MCP 模型上下文协议作为标准化通信接口，借助客户端与服务端架构对接各类外部系统，对外暴露工具、资源与提示词。Harness 是 Agent 的运行底座，从运行循环、会话状态、工具权限、监控调试、评测回归多个维度，提供整套工程运行保障。整体架构中 LLM 负责推理，Agent 统筹行动，RAG、Skill、MCP 可以按需自由组合，Harness 贯穿整个运行过程，部分组件也能够单独拿来使用。无论学习 AI 开发的技术新人还是做智能体方案的研发从业者，都可以借助该图厘清整套智能体系统的组件逻辑。