// 指南

为什么「你们用的是哪个 LLM」是个错误的问题？

更新于: 2026-08-03

// 简短答案

AI 工具内部的模型并不能决定结果。包裹在模型外面的 harness——系统提示词、工具、上下文、记忆与工作循环——能把同一个 LLM 变成截然不同的产品。同样的逻辑也适用于 ChatGPT、Claude 和 Perplexity 如何发现并引用你的网站，因此 GEO 优化的是生成式系统的 harness，而不是排名算法。

同一个大脑，不同的职业

企业在评估 AI 工具时，话题几乎总是从模型开始。「是 GPT 还是 Claude？」「哪个版本？」「新模型更聪明，产品肯定也更好吧？」这个问题可以理解，但它的参考价值，大概和根据笔记本电脑的品牌来挑选供应商差不多。

做个实验：拿同一个模型——比如 Anthropic 的旗舰模型——放进两个不同的产品里观察。第一个是 Cursor，一个编程智能体。在 Slack 里提及它并布置任务，它会启动虚拟机、克隆代码仓库、编写代码、运行测试，最后提交一个 pull request。一位出色的工程师。

第二个是 Claude Tag，同一个 Slack 里的「全能同事」。它阅读频道历史、记住项目上下文、连接你的文档和日历。它也会写代码——但同样可以从容地分析一段客户对话，并建议你如何回复对方第三次提出的折扣请求。

内核是同一个模型，外在却是两个完全不同的专家。向编程智能体请教客户沟通策略，它也能答上几句——毕竟模型很聪明。但那就像请水管工点评客厅装修：人是能干的人，只是带错了工具、站错了角色。

什么是 harness

Harness 是围绕模型的一切，它把「罐子里的大脑」变成真正干活的工具。

系统提示词——定义角色、语气、优先级和边界的指令。正是它决定了智能体是把一切任务都归结为代码，还是围绕业务进行思考。
工具——智能体能接触到什么。终端和 git 让它成为程序员；CRM 和邮箱让它成为销售助理；网络搜索和爬虫让它成为先读完你和竞争对手的网站再给建议的分析师。
上下文与记忆——智能体对你了解多少。频道历史、公司文档、过往决策。没有上下文的模型，每次对话都是初次见面。
工作循环——流程如何设计：单次回答、长时间自主运行、自我校验、必要时升级给人工。

换掉 harness，就换掉产品

换掉 harness，同一个模型就变成了另一个产品；harness 薄弱，升级模型也几乎无济于事。

这和你的网站有什么关系

以上这些不仅适用于你购买的工具，也适用于 AI 如何看待你的企业。当潜在客户问 ChatGPT、Claude 或 Perplexity「做 X 该选哪家服务」时，模型并不是凭记忆作答。它在自己的 harness 里工作：搜索工具找到网页，解析器提取文本，然后模型才组织答案。在每一个环节，你的网站要么通过筛选，要么被淘汰。

一个依赖大量客户端 JavaScript 渲染内容的漂亮网站，对解析器来说可能是不可见的。一个缺乏清晰结构的页面——没有标题、事实和具体信息——会被读到，却不会被引用：模型无从取材。而外部平台上没有任何提及，意味着搜索环节根本找不到你。

这正是 GEO（生成式引擎优化，Generative Engine Optimization）的课题：优化的对象不是排名算法，而是生成式系统的 harness——即 AI 智能体如何发现、阅读和转述你的内容。经典 SEO 问的是「如何进入前十条链接」，GEO 问的是「如何进入答案本身」。

该怎么做

如果你在选择 AI 工具——别只看模型，看 harness 与你的任务匹配到什么程度。一个用着「次一级」模型、却配备了正确工具并能访问你数据的产品，会胜过通用聊天窗口里的旗舰模型。

如果你在企业内部构建 AI——起点不该是选模型，而是设计 harness：智能体扮演什么角色、能看到什么、能做什么、边界在哪里。模型之后再接入，而且几乎可以无痛更换。

如果你希望 AI 系统推荐你的企业——请把你的网站看作别人 harness 的一部分。你的页面终将成为某个人的上下文，唯一的问题是：它们够不够格。