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。本文来自编译,希望对您有所启发。

我最近读了一篇文章《弄懂这5个 AI 术语,你就超过90%的人》,读得很有意思。我本身是 AI 爱好者,同时也是一名技术写作者,已经持续写 AI 相关内容五年多了,文中那五个术语我都很熟悉。不过我转念一想,还有不少大家应该了解的 AI 新词,其中一些还是近年才出现的。
于是写下这篇文章,再分享8个术语,尽量用通俗的语言讲解,不堆砌晦涩技术内容。下次你在阅读、听到这些词的时候,就能明白含义,也知道大家为什么在讨论它们。
1. Harness(驾驭层)
原生大模型就像罐子里的大脑:它具备思考能力,但单凭自身,没法打开 Slack、替你发送邮件,甚至不知道什么时候该停下。驾驭层(Harness)是包裹在模型外围的一套软件,用来实现上面这些操作。它让模型能够调用工具、读取信息,管理权限,同时控制重试逻辑、终止条件,或是在需要时向你求助。

简单理解这个公式:智能体 = 大模型 + 驾驭层
以代码智能体为例,驾驭层会提供读取文件、编辑代码、运行测试的工具,同时管理给到模型的指令和反馈信息。两款应用哪怕使用同一个基础大模型,最终效果也可能天差地别,原因就是它们配套的驾驭层给模型开放了不同工具、指令,以及结果校验方式。这也说明,模型外围配套软件的重要性极高。
对比 AI 工具的时候,不光要看它用了什么大模型,还要看它如何辅助模型完成你的任务。
2. Agents(智能体)
智能体可以分步执行操作、调用工具,独立完成一项任务。举个例子,你让它帮你处理退款。在获得对应权限后,它可以找到订单、查阅退款政策、拟好申请,提交前先征得你的同意。
基础流程:规划行动 → 执行操作 → 校验结果 → 决定下一步怎么做。下图展示了一个自主智能体,根据环境反馈循环调用工具。

你可以把智能体理解成一个带着待办清单、被授权使用特定软件的助手。你定下目标,它一步步推进。它能完成的任务上限,取决于可用工具和权限。只能浏览网页的智能体,和接入了你邮箱、文件、日历的智能体,能力完全不一样。在使用智能体前,一定要确认它能访问哪些内容、可以修改哪些信息、什么时候需要向你申请审批。
3. MCP(模型上下文协议)
MCP 基本上可以理解成 AI领域的 USB‑C 接口。它给 AI 应用提供一套统一标准,用来对接各类工具和数据源。
如果没有统一标准,开发者往往要为每一款 AI 应用单独开发对接程序。而 MCP 只需要开发一套连接,多款兼容的应用都能复用。 MCP 服务端负责向 AI 应用开放特定工具或者数据。比如它可以让 AI 助手检索公司内部文档,或是在项目管理工具里新建工单。

用 USB‑C 来类比方便理解,但它依然需要配置:AI 应用本身要支持该协议,同时你需要授予对应的访问权限。如果一款产品宣称支持 MCP,可以留意它能对接哪些服务、AI 助手可以通过协议实现哪些操作。
4. Loop engineering(循环工程)
智能体的工作大多是循环模式:选定动作、执行动作、核对结果,不成功就重试。一个代码智能体,可能修改文件、运行测试、读取报错信息,再继续调整代码。
但这个循环会出问题:智能体反复做无效操作,或是任务还没做完就提前停止。循环工程,就是设计这套循环的运行规则,包含智能体如何接收反馈、判断是否继续执行。这是智能体开发里一个新兴方向。

设计时需要明确这些问题:
-
任务做到什么程度才算完成?
-
最多允许重试多少次?
-
最多可以消耗多少时间、成本?
-
什么时候该向人类求助?
-
由谁(或者什么机制)校验结果?
举个例子:你可以要求代码智能体必须通过指定测试,才算任务成功;也可以设定连续三次失败就停止,并说明故障原因。驾驭层负责提供工具和基础管控;循环工程,则决定智能体如何反复调用工具,直至完成工作。
5. Skills(技能包)
技能包是一套预先保存好的执行流程,智能体遇到匹配任务时,直接调用这套流程即可。以报销单为例,这套流程会写明需要填写哪些字段、费用怎么分类、缺少收据时该如何处理。
在 Anthropic 的技能规范里,指令写在SKILL.md文件中,配套包里还可以附带脚本、模板、参考文档。在 Claude 里,你可以在技能包页面添加自定义技能或者模板技能;ChatGPT 则在自定义页面添加技能。

Claude中的技能界面

ChatGPT中的技能界面
智能体一开始只会看到技能包的名称和简介;当它判断需要用到这项技能时,才加载完整的详细指令。也就是说,它不用每次执行任务前,通读全部流程。
MCP 给智能体打通工具和数据的通路;技能包告诉它,该怎么用这些工具完成特定工作。比如协议打通了你的表格访问权限,技能包就可以写清楚,如何生成公司月度销售报表。流程只需要写一次,反复复用,不用每次对话都把整套操作说明一遍。
6. GEO/AEO(生成引擎优化/答案引擎优化)
这个术语和开发智能体无关,而是关乎如何被 AI 智能体检索、引用。
过去大家用谷歌搜索,点开一条条蓝色链接,这就是 SEO,搜索引擎优化。现在大家直接向 ChatGPT、Claude、Perplexity 或者谷歌 AI 摘要提问,直接读取答案,点击链接的次数变少了。
-
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):目标是让内容适合直接生成答案,包含搜索引擎的答案卡片、AI 助手的问答内容。
简单区分一下:
SEO = 争取排在搜索首页
GEO/AEO = 成为 AI 回答里引用的信息源
两个概念有重叠,不同企业对二者的划分标准也不完全一致。
举个例子:有人问 AI 助手 “适合小企业的会计软件有哪些?”,如果你是会计软件厂商,就希望你的产品出现在 AI 给出的答案里。清晰的说明、准确的产品信息、可靠的来源,都会提升内容被引用的概率。但即便做到这些,也无法保证 AI 一定会提到你。
如果你运营网站或者经营企业,除了关注搜索排名、访问流量,也可以留意 AI 回答里有没有出现你的信息。
7. Computer Use(计算机操作能力)
计算机操作能力,指 AI 系统可以和屏幕交互:点击、输入文字、滚动页面、选中内容。大致流程:截图 → 判断下一步动作 → 点击或者输入 → 再次读取屏幕画面。
依靠这个能力,智能体可以填写表单、在网页界面完成任务。现在主流 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开启该功能。

ChatGPT中的计算机操作能力界面
当应用没有开放合适的 API 接口时,计算机操作能力就很有用。API 是软件之间直接交换信息、执行指令的通道;而计算机操作能力,是让 AI 模仿人的操作,点击界面按钮、填写输入框。比如哪怕预订服务没有开放对接接口,智能体依然可以在预订表单里录入信息。
但它也有风险,可能点错按钮、看错页面、卡在某个环节。一定要留意它能访问哪些内容,重要操作(下单、提交、修改账号信息)务必人工复核。
8. AGI / Superintelligence(通用人工智能 / 超级智能)
AGI,通用人工智能,一般指能够在广泛的智力任务上达到和人类同等水平的 AI。 包括学习陌生领域知识、解决各类不同问题、跨领域迁移运用学到的知识。
研究者对它的准确定义、评测标准还没有达成共识。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。
超级智能则更进一步,它在绝大多数智力任务上,能力都显著超越人类。
-
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,不能算作二者。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。企业宣传时提到这两个词,要看它的具体定义、以及系统已经验证过哪些能力,不要只看标签。
希望你读完本文能有所收获。以后再看到厂商说自家产品搭载智能体,你可以追问它具体能完成哪些任务;如果支持 MCP,你可以看看能对接哪些应用;如果智能体可以操控你的电脑,记得确认访问范围、什么时候需要你的许可。
看懂这些术语,你读 AI 新闻也会轻松很多。当新闻标题提到 AGI、超级智能,你能明白含义,也知道为什么学界一直争论它的定义。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你有没有价值。
就讲到这里,欢迎加入前 10% 的行列。
译者:Teresa