🌈个人主页:一条泥憨鱼(欢迎各位大佬莅临)

🎬精选专栏:数据结构与算法，Java ,AI与Agent

前言：

Harness、Loop、MCP、Agent、Skill……每次看到这些词都想关掉页面？

我懂。先别管它们

看一个你大概率会遇到的场景：

▎ 你是一个课程主理人，手头攒了几十份直播逐字稿、一堆学员问答、案例截图、产品说明。你想搞一个「AI 内容生产小助手」——能读你的资料，帮你出公众号文章、小红书文案、课程大纲。拿不准的信息它会先翻知识库，需要配图的时候能自己生成图片，最后你把整个流程存下来，下次一句话就能重新跑。

就这一件事——让 AI 帮我做内容——拆开之后，几乎会碰到下面所有名词。

AI、大模型、LLM、GPT……到底谁是谁

ChatGPT、GPT、LLM、大模型、AI，这五个词不是一回事。

它们是层级关系：

AI（人工智能）
 └─ 机器学习
      └─ 深度学习 → 大模型
           └─ LLM（大语言模型）
                 └─ GPT（OpenAI 的一个 LLM 产品线）

AI 就是让机器干原来只有人能干的活：读文字、看图片、听懂话、写东西、算数据。

以前我们操作软件，现在我们指挥 AI。区别就这点。

机器学习和深度学习不用分太细。

打个比方：教电脑认猫——
- 老办法是程序员写死规则：「尖耳朵 + 胡须 + 喵喵叫 = 猫」
- 机器学习是喂它几万张猫照片，让它自己总结猫长什么样
- 深度学习是机器学习的威力加强版，用几十层神经网络一层一层地认：先看出线条，再看出眼睛耳朵，最后拼出一只完整的猫

LLM（大语言模型）

不是搜索引擎。搜索是帮你找现成的网页；LLM 是根据你问的、结合自己学过的语言规律，现场生成一个回答。

你对它说：把这段逐字稿改成公众号文章，它会自己理解需求、读材料、理结构、写内容、调语气——全是生成，不是检索。

AIGC最简单：

AI 生成出来的东西都叫 AIGC。一篇文章、一张海报、一段视频脚本、一份会议纪要，都算。AI 是能力，AIGC 是产物。

发动机、汽车和接口：GPT vs ChatGPT vs API

很多人把 GPT 和 ChatGPT 混着叫。其实：

- GPT = 发动机
- ChatGPT = 普通人开的车
- API = 让别的软件也能用这台发动机的接口

你平时用 ChatGPT、Kimi、豆包，是点开一个聊天窗口打字。这叫人用 AI。

但软件没法点按钮、敲键盘。它需要一个程序化的方式来调用 AI——这就是 API。

比如你做一个排版工具，想让用户点一下就能生成标题。

流程是这样的：用户输入文章 → 你的工具通过 API 把内容发给 AI → AI 返回 10 个标题 → 工具展示出来。

API 不是给人聊天的，是让软件调用 AI 的。

为什么别人用 AI 像助理，你用像掷骰子

同一个模型，差别不在模型本身，在你有没有把话说明白。

别这样写：

▎ 帮我整理一下这节课。
工具，核心概念保留，口水话删掉，标题直白，正文用小标题分层，结尾给一份行动清单。不要编逐字稿里没有的数据。

区别在哪？一个好 Prompt 大概包含这些东西：角色、任务、写给谁看、参考什么资料、输出什么格式、不能做什么。

不是每次都要写全，但元素越齐，AI 越不像在掷骰子。

AI 为什么有时候靠谱、有时候满嘴跑火车

答案很简单：它当前能看到什么，决定了它能基于什么回答。

这里要先理解一个东西：Token。

电脑不认汉字，只认数字。所以 AI 读你的话之前，会把句子切成一小块一小块，每一块就是一个 Token。输入越多、输出越长，Token 花得越多——影响成本、速度和能塞进上下文。

没有 RAG，AI 靠记忆答，容易编。有了 RAG，先翻书再答，每句话更容易找到出处。

市面上的知识库问答，企业智能客服和你的文档对话，背后基本就是这一套。

让 AI 从「会说话」变成「会干活」

聊天是嘴，干活需要手。手从哪来？让它接上工具。

MCP 被叫成「AI 的 USB-C」不算夸张。

在 MCP 之前，想让 AI 连一个新工具——飞书、GitHub、数据库——开发者每次都要单独写一套对接代码。工具一多，接口就乱。MCP 做的事就是把这个插口标准化：工具方按统一规范做一个 MCP Server，AI 这边直接接。小白暂时不用会写，但要有这个直觉：当你想要 AI 读飞书文档、操作浏览器、查数据库，背后大概率需要某种连接能力。

联网搜索也是工具调用的一种。

你在 AI 产品里打开「联网搜索」，本质就是给了 AI 一个搜索工具。AI 判断这个问题需要新信息，就先去搜，再基于搜到的内容答。它跟 RAG 很像——区别在于 RAG 查你的知识库，联网搜索查整个互联网。

Agent、Workflow、Coding Agent：AI 真的能把事办完吗

普通聊天 AI 像个只动嘴的人。你问晚饭吃什么，它给你菜谱。

Agent 像个能动手的助理。你说搞定晚饭，它列菜单、查冰箱、下单买菜、提醒你几点开火。

一个回答你。一个帮你去办。

Agent 和 Workflow 的关键区别：

- Workflow：你提前把步骤设计好，AI 照着走。像流水线，适合每天重复的事。
- Agent：你只给目标，AI 自己决定下一步做什么。像助理，适合开放式的活。

实际干活的时候，经常是两者混着用——大流程用 Workflow 固定住，需要判断的环节让 Agent 自己发挥。

Coding Agent 再进一步。

普通 AI 只把代码说给你听，你还得自己复制粘贴跑。Coding Agent 直接进你的项目：读文件、改文件、跑命令行、看报错、自己修、一步步把项目做出来。Claude Code、Codex、Cursor 都是这类。它们的共同点不是生成代码，而是把写→跑→改→交付整个循环吃下来。

训练、微调、蒸馏、幻觉：模型是怎么来的

新闻里天天说训练、微调、参数、算力，你不用会训练模型，但懂一点这些词的直觉就够了。这里不做长篇大论。

重点说一下幻觉。它不是 bug，是大模型工作方式的天然副作用。它的核心逻辑是根据规律生成最像样的回答，而不是每次跑数据库查标准答案。

所以三条血泪经验：
1. 重要事实、数字、引用，要验证来源
2. 让 AI 基于你给的资料回答，幻觉少很多
3. 越冷门越新的信息，越要联网搜或交叉验证

提示词工程 vs 上下文工程：为什么同样模型，有人用得稳有人总返工

会用 AI 不只是会写一句 Prompt，而是会给 AI 准备完整的工作环境。

同样是让 AI 写用户注册功能：

只做提示词工程的人写：帮我写个用户注册。AI 只能猜你的技术栈、数据库、代码风格。

做了上下文工程的人写：Node.js + PostgreSQL 项目，数据库用 Prisma。这是项目目录、已有接口风格和错误处理规则。帮我实现用户注册，要有邮箱验证，和现有代码保持一致。

第二种方式下 AI 不用猜，返工少很多。

这也是 CLAUDE.md、知识库、Skills、Harness 这些东西存在的理由：它们本质上都在提前准备上下文和边界，不是花活。

Vibe Coding、Harness、GEO：2026 的新词为什么突然火了

因为 AI 正在从聊天问答切进真实工作流。

Vibe Coding 的魅力谁都懂：不会写代码的人，说几句话就能出一个能跑的工具。但它有一条红线——代码是 AI 写的，责任是你的。放弃逐行写代码可以，放弃验收不行。重要项目要测，涉及钱和数据的不能纯靠感觉上线。

这也正是 Agentic Engineering 和 Harness 出现的原因：

先让 AI 放开做，再用流程和规则管住它。

回到开头那个案例

你要做一个AI 内容生产小助手，把课程逐字稿、学员问答、案例截图和产品资料，整理成公众号文章、小红书文案、课程大纲。

表面上看，这是一句 Prompt。

但如果真的做到可交付，它背后是一整条链路：理解需求 → 调用 LLM 生成内容 → 用 RAG 查知识库填坑 → 通过 MCP 或插件调图片生成工具 → 用 Agent 或 Workflow 把流程自动化 → 写好 System Prompt 和护栏 → 部署成 API 供外部调用。

真正有用的 AI，不是只答一句话。是从理解需求、读资料、连工具、执行动作到交付结果的一整套系统。

记住这 7 个就够了

不用全背。脑子里留这几条就行：

1. AI、大模型、LLM、GPT 是层级关系，不是平级
2. 模型提供能力，产品入口给人用，API 给软件调用
3. 写 Prompt 说清角色、任务、对象、格式、语气和限制，别让 AI 猜
4. 资料多了，自然想到 Token、上下文、知识库、RAG
5. 想让 AI 读文件、调工具、跑流程，MCP 和工具调用是绕不开的
6. Agent 自己决定路线，Workflow 照着固定步骤走，两个概念分清
7. 重要事实和数字永远验证、引用、交叉检查——幻觉是机制问题，不是偶发 bug

这些概念存在的唯一理由：AI 能干活的下一步，是人怎么指挥好、管得住。