读懂Harness、MCP与循环工程:8个AI新词帮你判断工具能力
神译局是36氪旗下编译团队,关注科技、商业、职场、生活等领域,重点介绍国外的新技术、新观点、新风向。 编者按:大模型时代,大家熟悉提示词、幻觉这些基础词汇,但 AI 行业迭代很快,智能体、MCP、GEO 等新名词正在成为行业通用语言。读懂这些概念,不只是看懂新闻,也能帮你理性评估各类 AI 工具的真实能力、权限与风险。
神译局是36氪旗下的编译团队,主要关注科技、商业、职场、生活这些领域,重点把国外的新技术、新观点、新风向介绍进来。
大模型时代,提示词、幻觉这些基础词汇大家已经熟悉。可AI行业迭代太快,智能体、
MCP、GEO等新名词正变成行业里的通用语言。弄懂这些概念,不光能看懂新闻,也有助于理性判断各类AI工具的真实能力、权限和风险。本文来自编译,希望能给你一些启发。

我最近读到一篇文章,叫《弄懂这5个AI 术语,你就超过90%的人》,觉得挺有意思。我自己是AI爱好者,也是技术写作者,写AI相关内容已经五年多,文中那五个术语我都熟。不过转念一想,还有不少AI新词值得大家了解,其中一些是近年才冒出来的。
所以写下这篇,再分享8个术语,尽量讲得通俗,不堆晦涩的技术内容。下次读到或听到这些词,你能明白它们是什么意思,也知道大家为什么在聊它们。
1. Harness(驾驭层)
原生大模型好比罐子里的大脑:会思考,但单靠它自己,打不开Slack、没法替你发邮件,甚至不知道什么时候该停。驾驭层(Harness)就是包在模型外面的一套软件,上面这些事靠它来完成。有了它,模型才能调用工具、读取信息、管理权限,还能控制重试逻辑和终止条件,必要时向你求助。

这个公式可以简单理解为:智能体 = 大模型 + 驾驭层
拿代码智能体来说,驾驭层会提供读文件、改代码、跑测试的工具,同时管理喂给模型的指令和反馈。两款应用就算用的是同一个基础大模型,最终效果也可能差得很远,原因就在于配套的驾驭层给模型开放的工具、指令和结果校验方式各不相同。说到底,模型外围那套软件的重要性非常高。
比较AI工具时,除了看它背后是什么大模型,还得看它怎么帮模型把你这件任务做完。
2. Agents(智能体)
智能体能分步操作、调用工具,独立把一项任务完成。比方说你让它处理一笔退款,拿到相应权限后,它会找到订单、查退款政策、拟好申请,提交之前先征求你的同意。
基本流程是这样:规划行动 → 执行操作 → 校验结果 → 决定下一步怎么做。下图是一个自主智能体,它根据环境反馈循环调用工具。

可以把智能体想成一个带着待办清单、被授权使用特定软件的助手。目标由你定,它一步步往前推。它能做到什么程度,取决于可用的工具和权限。只会浏览网页的智能体,跟接入了你邮箱、文件、日历的智能体,能力完全不在一个量级。用智能体之前,务必确认它能访问哪些内容、能改动哪些信息、什么情况下需要向你申请审批。
3. MCP(模型上下文协议)
MCP大致相当于AI领域的USB‑C接口。它为AI应用提供一套统一标准,用来连接各种工具和数据源。
没有统一标准的话,开发者往往得给每一款AI应用单独写对接程序。有了MCP,开发一套连接,多款兼容的应用都能复用。MCP服务端负责把特定工具或数据开放给AI应用,比如让AI助手检索公司内部文档,或者在项目管理工具里新建工单。

用USB‑C来类比确实好懂,但它仍然需要配置:AI应用本身得支持这个协议,你还得授予相应的访问权限。如果一款产品说支持MCP,可以留意它能对接哪些服务、AI助手通过这个协议能做哪些操作。
4. Loop engineering(循环工程)
智能体干活,多半是一圈一圈地转:先挑一个动作,再把它做出来,然后对结果做核验,没成就再来一遍。拿代码智能体来说,它可能先改文件、再跑测试、再看报错信息,接着回头继续调代码。
可这个循环也会出岔子:智能体反复做无效操作,或者任务还没做完就提前停了。循环工程就是设计这套循环的运行规则,包括智能体怎么接收反馈、怎么判断要不要继续执行。这是智能体开发里一个正在兴起的方向。

设计时要明确几个问题:
-
任务做到什么程度才算完成?
-
最多允许重试多少次?
-
最多能消耗多少时间、多少成本?
-
碰到什么情况得让人来接手?结果又该由谁、靠什么机制来核验?
拿代码智能体举例,你可以要求它必须跑通指定测试才算完成;也可以规定连续失败三次就停下,同时把出错原因讲清楚。工具和基础管控由驾驭层提供,至于智能体怎样一遍遍调用工具、直到把活干完,则由循环工程来定。
5. Skills(技能包)
技能包是提前存好的一整套执行流程,智能体碰到对得上的任务,直接拿来用就行。报销单就是个例子:这套流程会规定要填哪些字段、费用按什么口径归类、缺了收据又该怎么处理。
按 Anthropic 的技能规范,指令写在 SKILL.md 文件里,配套包里还能带上脚本、模板和参考文档。在 Claude 中,自定义技能或模板技能都可以在技能包页面添加;ChatGPT 则是在自定义页面添加技能。

Claude中的技能界面

ChatGPT中的技能界面
智能体刚接触时只看得到技能包的名字和简介,等到判断确实要用这项技能,才会把完整指令加载进来。换句话说,它不必每次干活前先把全部流程读一遍。
MCP 负责把工具和数据通路给智能体打通,技能包负责告诉它这些工具怎么用来完成某件具体的事。举例来说,协议已经开放了表格访问权限,技能包就能写明公司月度销售报表该怎么生成。流程写一次就能反复用,不用每轮对话都重讲一遍操作说明。
6. GEO/AEO(生成引擎优化/答案引擎优化)
这个词跟开发智能体没关系,说的是怎么让 AI 智能体检索到你、引用到你。
以前用谷歌搜索,大家会一条条点开蓝色链接,那是 SEO,也就是搜索引擎优化。现在人们直接问 ChatGPT、Claude、Perplexity 或者谷歌 AI 摘要,答案直接读出来,点链接的次数少了。
-
GEO(生成引擎优化):目标是让 AI 生成回答时提到你的品牌、引用你的内容、推荐你的产品。 -
AEO(答案引擎优化):目标是让内容适合被直接生成答案,覆盖搜索引擎的答案卡片和 AI 助手的问答内容。
区别可以简单这么说:
SEO = 争取排在搜索首页
GEO/AEO = 成为 AI 回答里引用的信息源
这两个概念有交叉,各家企业在划分标准上也不完全一样。
举个例子:有人问 AI 助手"适合小企业的会计软件有哪些?",你如果是会计软件厂商,自然希望产品出现在 AI 的答案里。说明写得清楚、产品信息准确、来源可靠,都会让内容更容易被引用。不过这些做到位,也不代表 AI 就一定会提到你。
运营网站或者经营企业的人,除了盯搜索排名和访问流量,也不妨看看 AI 的回答里有没有出现自己的信息。
7. Computer Use(计算机操作能力)
计算机操作能力指的是 AI 系统能跟屏幕打交道:点击、打字、滚动页面、选中内容。流程大致是截图 → 判断下一步做什么 → 点击或输入 → 再读一次屏幕画面。
有了这个能力,智能体可以填表单,也能在网页界面上把任务做完。目前主流的 AI 对话产品,ChatGPT、Claude、Perplexity、Grok 都已经支持计算机操作能力。ChatGPT 可以在设置的集成菜单里打开这项功能。

ChatGPT中的计算机操作能力界面
应用没开放合适的 API 接口时,计算机操作能力就派得上用场。API 是软件之间直接交换信息、执行指令的通道;计算机操作能力则是让 AI 模仿人的动作,去点界面按钮、往输入框里填内容。举例来说,预订服务就算没有开放对接接口,智能体照样能在预订表单里录入信息。
风险同样存在:可能按错按钮、看错页面、卡在某个环节。它能访问哪些内容,一定要留意;下单、提交、修改账号信息这类重要操作,务必人工复核。
8. AGI / Superintelligence(通用人工智能 / 超级智能)
AGI,也就是通用人工智能,一般指能在广泛的智力任务上达到人类同等水平的 AI,包括学习陌生领域的知识、解决各类不同问题、把学到的知识跨领域迁移运用。
它的准确定义和评测标准,研究者至今没有达成共识。谷歌 DeepMind 有一篇论文,从系统能力广度、任务表现两个维度提出了一套判定思路。
超级智能比 AGI 更进一步:在绝大多数智力任务上,它的能力都显著超过人类。
-
AGI:能力广泛,达到人类水平
-
超级智能:能力广泛,并且强于人类
只擅长单一任务,二者都算不上。一个模型哪怕代码写得很好、能解复杂数学题,也可能在别的事情上表现很差。企业宣传里提到这两个词,要看它给出的具体定义、以及系统已经验证过哪些能力,别只盯着标签。
希望读完本文你能有所收获。以后再看到厂商说自家产品搭载智能体,可以追问它具体能完成哪些任务;如果支持 MCP,可以看看能对接哪些应用;如果智能体能够操控你的电脑,记得确认访问范围、以及什么时候需要你的许可。
看懂这些术语,读 AI 新闻也会轻松很多。新闻标题提到 AGI、超级智能时,你能明白含义,也知道学界为什么一直争论它的定义。以后再碰到这些概念,你看得懂解释,也能判断这个工具或者想法对自己有没有价值。
就讲到这里,欢迎加入前 10% 的行列。
译者:Teresa