MCP、API、Skills 是什麼？AI 新手必懂 21 個名詞！附實用省 Token 技巧

剛接觸 ChatGPT、Claude、Gemini 等 AI 工具時，最容易卡關的往往不是不會用，而是看不懂術語——「MCP」「API」「Skills」「Context Window」這些詞彙一多，還沒開始用就先自我放棄。

《經理人》整理生成式 AI 最常見的 21 個關鍵字，搭配實用的提示詞技巧與省 Token 訣竅，幫助你在第一次使用 AI 時就能少走冤枉路。

目錄

• 為什麼新手需要懂這些 AI 名詞？
• 基礎概念：最常見的名詞
• 技術原理：AI 是怎麼運作的？
• 進階應用：MCP、Skills、Agent
• 延伸選讀：更技術向的原理名詞
• 名詞小提醒：容易搞混的四組詞
• Prompt 撰寫小技巧（不是老生常談）
• 省 Token／額度的實用方法
• 常見問題 FAQ
• 資料來源

為什麼新手需要懂這些 AI 名詞？

不是為了考試，而是為了少踩坑。懂「Context Window」的人知道為什麼對話講久了 AI 會開始「失憶」；懂「Token」的人知道為什麼額度突然用完；懂「MCP」的人知道為什麼現在 AI 助理可以直接讀你的 Google Drive、操作 Slack。

這些名詞背後都是會實際影響 AI 使用體驗的機制，而不是單純的行銷術語。

基礎概念：最常見的名詞

1. 生成式 AI（Generative AI）
指能夠「產生」全新內容的人工智慧，例如寫文章、畫圖、寫程式碼，而不是單純分類或預測數字。ChatGPT、Claude、Gemini、Midjourney 都屬於這類。

2. LLM（大型語言模型，Large Language Model）
生成式 AI 文字工具背後的核心技術。透過吃進大量文字資料訓練，學會預測「下一個字該接什麼」，進而生成看起來合理的句子與段落。GPT、Claude、Gemini、Llama 都是 LLM 的具體產品或模型名稱。

3. Prompt（提示詞）
你輸入給 AI 的指令或問題。Prompt 寫得好不好，直接決定 AI 回答的品質，這也是後面「Prompt 撰寫技巧」段落要談的重點。

4. Token（權杖／文字單位）
AI 處理文字時，不是一個字一個字看，而是把句子切成更小的單位，稱為 Token。英文大約 4 個字元算一個 Token，中文則大約 1 到 2 個字算一個 Token。AI 的收費、額度限制、記憶容量，幾乎都是用 Token 計算，而不是「幾則訊息」。

5. API（應用程式介面，Application Programming Interface）
讓不同軟體之間互相溝通的介面。當你用網頁版 ChatGPT，其實背後也是透過 API 呼叫模型；當開發者想把 AI 功能接進自己的 App，也是透過 API 串接。簡單說，API 就是「軟體跟軟體對話的窗口」。

技術原理：AI 是怎麼運作的？

6. Context Window（上下文窗口）
AI 在單一對話中「同時能記住多少內容」的上限，以 Token 數計算。例如某模型的 Context Window 是 20 萬 Token，代表這次對話（包含你上傳的檔案、之前的對話紀錄）加總不能超過這個量，超過就會被截斷或觸發自動摘要。 對話拉得越長，AI 越容易「忘記」前面講過什麼，甚至開始亂猜答案 。

7. Hallucination（幻覺）
AI 一本正經地講出看似合理、實際上錯誤或根本不存在的內容，例如編造不存在的書名、法條、統計數字。原因之一正是上下文超出負荷後，模型會用「似是而非的猜測」填補空白。遇到具體數字、法規、引用，務必自行查證，不要照單全收。

進階應用：MCP、Skills、Agent

8. MCP（模型上下文協定，Model Context Protocol）
由 Anthropic 於 2024 年 11 月推出的開放標準，讓 AI 模型能用同一套通用方式連接外部工具、資料庫與服務，例如讀取你的檔案、查詢資料庫、呼叫其他 API。在 MCP 出現之前，每個 AI 要接每個工具都得客製化開發（也就是所謂的「M×N 問題」）；MCP 把這個過程標準化，一次接好就能重複使用。

2025 年 12 月，Anthropic 已將 MCP 捐贈給 Linux 基金會下的 Agentic AI Foundation，成為由社群共同治理的中立標準，目前已被 OpenAI、Google DeepMind、Microsoft 等廠商採用，ChatGPT、Cursor、Gemini、VS Code 等產品都支援。

9. Skills（技能包）
就像員工手冊，AI 需要用到某項技能時才翻到對應那一頁做事，不用把整本手冊背起來。這是 Anthropic 於 2025 年 10 月推出的功能，讓 Claude 能重複使用「事先寫好的一套操作說明」，不用每次都重新交代同一件事該怎麼做。具體形式是一個資料夾，裡面放著必要的說明文件（SKILL.md），可再搭配腳本與參考資料。

AI 在對話開始時只會先讀取每個 Skill 的簡短摘要，判斷這次任務用不用得到，需要時才載入完整內容，避免一次塞進太多用不到的說明、佔用寶貴的 Context Window。

目前 Skills 主要出現在 Claude.ai、Claude Code 與 Claude API 上，不像 MCP 已被多家廠商共同採用。2026 年第一季推出的 Skills 2.0，進一步支援內含可執行腳本的完整工作流程包。

10. AI Agent（智慧代理）
不只是「一問一答」，而是能自主拆解任務、呼叫工具、多步驟執行到完成的 AI 系統。例如你說「幫我訂下週三的機票並加進行事曆」，Agent 會自己判斷要先查機票、再操作行事曆 API，中間不需要你一步步下指令。

11. RAG（檢索增強生成，Retrieval-Augmented Generation）
讓 AI 在回答前，先去外部資料庫或文件庫「查資料」，再根據查到的內容生成答案，而不是完全依賴訓練時記住的知識。這是降低幻覺、讓 AI 回答「最新」或「內部專屬」資訊常用的技術。

12. Multimodal（多模態）
可以同時理解或生成不只一種形式內容的 AI，例如同時處理文字、圖片、語音、影片。

現在主流的 ChatGPT、Claude、Gemini 都已是多模態模型，可以「看」你上傳的圖片並回答問題。

13. Zero-shot / Few-shot（零樣本／少樣本學習）
Zero-shot 指完全不給範例，直接要求 AI 完成任務；Few-shot 指在 Prompt 裡先給幾個範例，讓 AI 照著範例的格式或邏輯作答。

實務上，給範例（Few-shot）通常能明顯提高回答的準確度與格式一致性。

14. Chain of Thought（思維鏈）
要求 AI 把推理過程一步步寫出來，而不是直接跳到答案。

這種方式常能提高複雜問題（例如數學、邏輯推理）的正確率，也是「推理模型」（reasoning model）背後的核心概念之一。

15. System Prompt（系統提示詞）
在使用者輸入之前，預先設定給 AI 的「身分」與「行為規則」，例如「你是一位嚴謹的財務顧問，回答時一律附上風險提醒」。

多數聊天工具的「自訂指令」、「Custom Instructions」功能，本質上就是讓使用者自己設定 System Prompt。

16. Guardrail（護欄機制）
限制 AI 不能做什麼、不能說什麼的安全機制，例如拒絕生成危險內容、避免洩漏系統提示詞細節。這是產品端為了安全與合規預先設下的防線，並非模型自己「良心發現」。

延伸選讀：更技術向的原理名詞

以下 5 個名詞比較常出現在科技新聞或開發者社群，一般日常使用不會直接用到，好奇 AI 背後原理再往下看即可，不影響前面內容的理解。

17. Parameter（參數）
模型內部用來儲存「學到的知識」的數值單位，數量常以billion（十億）為單位描述，例如「700 億參數模型」。一般認知是參數越多，模型能力上限越高，但不是唯一指標，訓練資料品質、架構設計同樣重要。

18. Inference（推論）
模型訓練完成後，實際拿來回答問題、生成內容的過程稱為推論。你每次跟 AI 對話，AI 產生回覆的當下，就是在做推論。

19. Temperature（溫度參數）
控制 AI 回答「求穩定」還是「求創意」的參數。數值低時回答較保守、重複性高；數值高時回答較有變化，但也更容易離題或出錯。多數消費端聊天工具不會直接讓使用者調整，但透過 API 使用時常見這個選項。

20. Fine-tuning（微調）
拿一個已經訓練好的通用模型，再用特定領域的資料進一步訓練，讓它更擅長某個任務或更貼近某種語氣，例如用法律文件微調出一個法律問答模型。

21. Embedding（嵌入）
把文字、圖片轉換成一串數字（向量），讓電腦能夠「計算」語意上的相似度。搜尋引擎、推薦系統、AI 的語意搜尋功能背後都靠 Embedding 運作。

名詞小提醒：容易搞混的 4 組詞

Prompt 撰寫小技巧（不是老生常談）

以下技巧針對「怎麼讓 AI 答得更準、更快」，跳過「不要問違法問題」這類基本常識。

基本功

把最重要的指令放在最前面或最後面。 模型對 Prompt 開頭與結尾的內容注意力較高，中間段落容易被忽略。如果有一個「絕對不能忘記」的要求，例如字數限制或輸出格式，放在最前面或最後面，不要埋在一大段敘述中間。

給角色、給格式、給範例，3 件事一次做。 與其寫「幫我寫一封信」，不如寫「你是一位客服主管，請用正式但不生硬的語氣寫一封道歉信，格式為：開頭致歉、說明原因、補償方案、結尾祝福，控制在200字內」。角色設定＋輸出格式＋範例（Few-shot）合併使用，準確度會明顯提升。

用條列或標籤取代長篇敘述當作指令。 把需求拆成條列式清單，比起寫一大段文字描述，AI 更容易完整照做，也比較不會漏掉細節。

明確要求輸出格式，減少廢話。 需要資料而非對話時，直接寫「只回傳表格，不要任何說明文字」或「用JSON格式回覆」。這樣不只答案更好用，輸出的 Token 也會變少，間接省了費用與時間。

複雜任務拆成步驟，不要一次全塞。 例如寫報告，先請 AI 列大綱、確認大綱後再請它逐段展開，比起「幫我寫一篇完整報告」一次到位，品質通常更穩定，也更容易中途調整方向。

先讓 AI 反問你，再進入正題。 在 Prompt 最後加一句「如果需求不清楚，請先反問我，不要直接假設」，能大幅減少「AI 猜錯方向、你又要重寫一次」的來回次數。

進階：把 AI 當「會反駁你的思考夥伴」

單純的一問一答，AI 只會補全出一個「通用答案的樣子」。把它當成會質疑你、幫你找漏洞的夥伴，回答的深度會明顯不同。

請 AI 先幫自己的回答評分，再改進不足之處。 給定幾項明確標準（例如正確性、完整性、清晰度、實用性），要求 AI 針對回答逐項打 1 到 10 分，任何低於 8 分的項目都要說明缺了什麼、並提供改進版本，能拉高回應品質的下限。

要求 AI 說明推理依據，降低幻覺風險。 直接請 AI 列出每個重點背後依據的資料、做出的假設，以及哪裡可能有爭議或不確定，比起只看結論，更容易抓出憑空編造的部分。

設定具體角色，讓 AI 反過來檢查你的內容。 想確認一份簡報、提案夠不夠站得住腳，與其自己反覆看，不如請 AI 扮演特定讀者（例如「看過 400 份報告、沒耐心的投資人」），給出背景、經驗值與耐心程度等細節，讓它從那個角色的框架挑毛病。

用「紅隊測試」在動用資源前先找漏洞。 請 AI 扮演見多識廣的業界老手，全力挑你的策略或計畫的破綻，而不是附和你，能在真正投入時間金錢之前，先面對最壞的情境。

要一支釣竿，而不是一條魚。 遇到重複性的判斷（例如篩選供應商、評估新市場），與其每次都問 AI「該選哪個」，不如請它幫你建立一套可重複使用的評估框架（標準、權重、可能遺漏的問題），之後同類決策都能直接套用。

延伸閱讀：

• OpenAI 官方攻略｜掌握 6 個 Prompt 技巧

• ChatGPT 又講出虛構內容敷衍你？改善回應品質的 5 種指令技巧

• 告別無效提問！7 個可直接複製的 Claude 提示詞

省 Token／額度的實用方法

話題換了就開新對話。 對話累積越長，Context Window 佔用越多，不只回答速度變慢，AI 也更容易忘記早期的重點、甚至開始出現幻覺。當任務方向徹底改變（例如從討論行銷文案轉去問程式碼），開新對話比硬撐在同一串划算。

上傳檔案前先精簡。 只上傳AI真正需要的段落或頁面，而不是整份幾十頁的文件。你可以自己先擷取重點段落再貼上，這比丟整份原始檔案更省 Token，AI 也更聚焦。

善用「摘要」功能，不要一直往上捲舊對話。 多數平台在對話過長時會提供摘要或精簡功能（例如「/compact」或介面上的摘要按鈕），主動觸發摘要，比放任對話無限累積更有效率。

避免同一個對話視窗做不相關的任務。 每多問一個不相關的問題，舊的上下文都會被重新「帶著跑」，累積下來反而拖慢整體效率、增加不必要的 Token 消耗。

需要多版本比較時，先設定好上限。 「幫我生成10個版本標題」這種需求，若沒有先講清楚篩選標準，常常要求AI一改再改。不如先說明篩選條件，一次要求AI只給2到3個最符合條件的版本。

英文提問比中文更省 Token。 Token 不等於字數：中文一個字大約佔 1 到 2 個 Token，英文一個單字大約只佔 0.5 到 1 個 Token，表達同樣的意思，中文消耗的 Token 往往接近英文的兩倍。若額度吃緊，英文提問是最直接的省法（曾有實測，同一句指令中文文言文約 30 Token、白話文約 38 Token、英文只要 19 Token）。

AI 的回覆也算你的用量，不是只有你打的字。 很多人只顧著精簡自己的問題，卻忘了 AI 輸出的每一個字同樣算在額度內。可以在提問前加上限制指令，例如：「直接給結果，不要前言、不要總結。使用工具後只回報結果，不描述過程。除非我主動問，否則不解釋你在做什麼。程式碼保持完整，其他回覆保持簡短。」

把省 Token 的指令寫進 Project，不用每次重講。 多數平台的「專案」或「Project」功能可以設定一段對這個專案永久生效的指令。把上面的限制指令存進去，之後在該專案內的每次對話都會自動套用，不用重複輸入。

延伸閱讀：

• 用「文言文」能省 Token？實測 Claude！4 招教你大幅節省 Token

• Claude 遇到用量上限怎麼辦？免費額度領取教學

AI 名詞常見問題 FAQ

Q：Token 跟字數是一樣的東西嗎？

不完全一樣。Token是模型切分文字的最小單位，英文約4個字元算1個Token，中文則因切分方式不同，大約1到2個字算1個Token，無法用中文字數直接換算。

Q：MCP 跟 API 有什麼不同？

API 是軟體之間溝通的通用介面，存在已久，涵蓋範圍很廣；MCP 則是 2024 年由 Anthropic 提出、專門給 AI 模型設計的標準化協定，目的是讓 AI 能用同一套方式連接不同工具與資料來源，可以理解為「專為 AI Agent 設計、標準化的一種串接方式」。

Q：為什麼對話講久了，AI 會開始答非所問？

多半是 Context Window 被佔滿的緣故。對話累積的內容（含檔案、歷史訊息）超過模型能負荷的Token上限，較早的細節可能被截斷或壓縮，模型因此更容易生成不準確甚至是幻覺內容。

Q：新手需要學會寫 Prompt 的「公式」嗎？

不需要死背公式，但掌握「給角色、給格式、給範例、重點放頭尾」這幾個原則，已經能大幅提升回答品質，比起硬套網路上流傳的萬用模板更實用。

Q：Skills 是每個 AI 工具都有的功能嗎？

目前Skills是Anthropic（Claude）於2025年10月推出的功能，主要出現在 Claude.ai、Claude Code 與 Claude API 上。其他廠商是否推出對應功能、名稱是否相同，請以各平台官方最新公告為準。

本文名詞定義參考公開技術資料整理而成，Prompt 撰寫技巧與省 Token 方法部分引用經理人站內已發布文章的實測與訪談內容重新整理。

AI 領域發展迅速，部分工具介面與功能名稱（如自訂指令、摘要功能）可能因平台版本不同而有差異，實際操作請以各平台官方最新說明為準。

### 資料來源：

名詞定義資料來源：
- WorkOS - Everything your team needs to know about MCP in 2026
- Digital Applied - MCP Adoption Statistics 2026
- PromptQuorum - LLM Context Window Sizes 2026
- KodeLab - Claude Code 節省 Token 與快取指南
- 未來商務 - Claude Code 用量暴衝？Anthropic官方公布4招節省Token技巧
- Anthropic Courses - Introduction to agent skills
- Suprmind - Claude Features 2026: Projects, Artifacts, Memory, Computer Use, Skills, MCP

Prompt 技巧與省 Token 方法引用站內文章：
- OpenAI 官方攻略｜掌握 6 個 Prompt 技巧，用對提示詞提升輸出品質
- ChatGPT 又講出虛構內容敷衍你？改善回應品質的 5 種指令技巧
- 告別無效提問！7 個可直接複製的 Claude 提示詞，讓產出不再像是 AI 罐頭文
- 用「文言文」能省 Token？實測 Claude！4 招教你大幅節省 Token
- Claude 遇到用量上限怎麼辦？免費額度領取教學 3 步驟一次看，附防扣款設定

本文初稿由 AI 協助整理，編輯：支琬清