AI Marketing

🧠【一張圖睇明:LLM、RAG、Skill、AI Agent、MCP 到底有咩分別?】

🧠【一張圖睇明:LLM、RAG、Skill、AI Agent、MCP 到底有咩分別?】

🧠【一張圖睇明:LLM、RAG、Skill、AI Agent、MCP 到底有咩分別?】

好多企業開始做 AI,第一個問題通常都係:

「ChatGPT、Claude、Gemini,究竟邊個 Model 最勁?」

但當 AI 真正落地,問題往往未必係 Model 唔夠聰明,而係——你可能只裝咗一個「大腦」,但未建立好成套工作系統。

如果將一套現代 AI System 想像成人類團隊,其實可以拆成 5 種能力。

🧠 LLM = Brain(大腦)

LLM 就似大腦。

佢可以理解指令、分析文字、推理、寫文章、整理資料,甚至協助做決策。

但問題係,大腦識諗,唔代表佢知道你公司今日最新價錢、客戶紀錄、內部政策或者庫存。

模型識思考,唔等於佢掌握你嘅最新資料。

📚 RAG = Brain + Books(大腦 + 書本)

所以就有 RAG(Retrieval-Augmented Generation)。

簡單講,就係 AI 回答之前,先去指定資料來源搵相關內容,例如公司文件、PDF、Google Drive、SharePoint、Database 或網站,再將資料交俾 LLM 處理。

即係由:

「靠記憶回答」

變成:

「先查資料,再回答。」

不過要留意:

有 RAG ≠ 一定正確。

如果 Retrieval 搵錯文件、資料已經過期,或者抽錯內容,LLM 一樣可以根據錯誤 Context 答錯。

🛠️ Skill = Playbook(工作手冊 / SOP)

呢個係近年 Agent 發展入面愈來愈值得留意嘅概念。

如果 RAG 解決嘅係:

「AI 應該知道啲乜?」

Skill 解決嘅就係:

「AI 應該點樣做?」

例如一個 Marketing Agent,可以有一套 Facebook Post Skill:

先分析 Target Audience → 選擇內容角度 → 安排文章架構 → 使用香港中文 → 加入 CTA → 最後檢查格式。

換句話講:

RAG = Knowledge(知道什麼)
Skill = Know-how(知道怎樣做)

有資料,唔代表識做。

Skill 就似公司交俾新同事嘅 Playbook 或 SOP,將一套做事方法變成可以重複使用嘅 Workflow。

🤖 AI Agent = Brain + Hands(大腦 + 雙手)

再下一步,就係 Agent。

普通 Chatbot 主要係「答你」。

Agent 嘅分別係,佢可以開始幫你做嘢。

例如讀 Email、建立 Calendar Meeting、更新 CRM、修改 Spreadsheet、產生 Report,甚至按流程完成一連串工作。

所以去到 Agent,真正重要嘅問題已經唔只係:

「AI 答得準唔準?」

而係:

👉 AI 可以做咩?
👉 佢有權改咩?
👉 邊一步一定要人 Approve?

因為當 AI 由「回答」變成「行動」,錯誤成本亦會完全唔同。

🔗 MCP = Connection Layer(AI 世界的 USB-C)

最後就係 MCP(Model Context Protocol)。

你可以將佢理解成 AI 世界嘅 USB-C。

以前每個 AI 系統要接 Files、Database、Tools、API,都可能要各自寫一套 Integration。

MCP 嘅方向,就係提供一套共同嘅連接規格,令 AI 可以用較一致方式,同不同工具、資料來源同服務溝通。

簡單講:

佢唔係令 AI 變聰明,而係令 AI 更容易「接得上」其他系統。

當然,USB-C 只係方便理解嘅比喻;MCP 本身係一套通訊協議。

而且亦要澄清:

MCP ≠ 接上去就安全。

Authentication、Permissions、Approval、Audit Log 等安全機制,仍然要另外設計。

💡 所以今日再睇一套 Agentic AI,可以用呢 5 句記住:

🧠 LLM:識諗
📚 RAG:識搵資料
🛠️ Skill:知道點做
🤖 Agent:真正落手做
🔗 MCP:識接其他系統

但呢五樣並唔係每一套 AI 都一定要全部齊晒。

一個簡單 Chatbot,可能只有 LLM 已經足夠。

一個企業 Knowledge Assistant,可能係 LLM + RAG。

去到真正跨系統執行工作嘅 Agentic Workflow,先會逐步加入 Skills、Tools、Permissions 同 Connection Layer。

所以與其只問:

「邊個 Model 最聰明?」

更值得問嘅其實係:

「成套 AI System 嘅知識、工作方法、工具、權限同連接方式,設計得好唔好?」

Model 決定 AI 可以有幾聰明。

Architecture,先決定呢份聰明可唔可以安全、穩定、重複咁變成真正工作成果。

💬 你而家公司用緊嘅 AI,依家去到 Brain、Books、Playbook、Hands,定已經開始用 「AI 世界的 USB-C」 Connect 晒其他系統?

🚀 Follow 埋我哋,一齊把 AI 變成你嘅 marketing advantage。

========
內容由 Ai Marketer HK 提供

#AIMarketerHK #AI #LLM #RAG #AISkills #AIAgent #MCP #GenerativeAI

View original Facebook post

🧠【一張圖睇明:LLM、RAG、Skill、AI Agent、MCP 到底有咩分別?】