// 指南
为什么“你们用的是哪个 LLM”这个问题问错了?

作者: Dmitry Filippov, Founder, GET-GEO.AI
发布于: 2026-08-03 · 更新于: 2026-11-18
// 简短答案
模型怎么表现,取决于它外面那套系统:搜索、工具、指令、排序和安全控制。所以同一个模型在不同产品里会引用不同的来源。GEO(Generative Engine Optimization,生成式引擎优化)处理的,就是每个产品怎样找到并读取页面,以及页面上的信息有哪些站外来源在佐证。
- “用哪个 LLM”这个问题问错了:把同一个模型放进两个产品,Cursor 的 Cloud Agents 和 Claude Tag(Anthropic,2026 年 6 月),外围的运行框架(harness)就给了它两份不同的工作。
- harness 有四个部分:系统提示词、工具、上下文与记忆、执行流程;改了它们,同一个模型就变成另一个产品。
- 买更强的模型之前,先查 harness 的四个部分:产品没给的工具、记忆和数据访问,升级模型也补不上。
- 助手搜索时要走三步:搜索工具找页面,解析器提取文本,模型组织答案。在我们 2026 年 9 月的研究里,ChatGPT 的 52 个回答有 22 个没有可记录的来源链接。
- 同一家公司的每个产品要分开测:在我们 2026 年 9 月 14 日的核查里,Gemini 应用和 Google AI Mode 的 20 个回答中,我们找回的完整来源网址只有一个两边都出现。一天的核查,网址不全。
同一个模型,能做不同的工作
企业评估 AI 工具,常常从模型问起:用的是 GPT 还是 Claude,哪个版本,最新版出来产品会不会更好。这些问题都合理,但从中看不出产品完成一件任务时能用上哪些工具和信息。
设想同一个模型放在两个产品里,两个产品都在 Slack 里接任务。第一个是 Cursor 的 Cloud Agents(云端智能体),一款编程产品:在 Slack 里 @cursor 一下就能启动,智能体在隔离的虚拟机里运行,用的是你从 Cursor 的模型列表里选的模型;它克隆代码仓库,写出改动并测试,还可以开一个 pull request。
第二个是 Claude Tag,Anthropic 在 2026 年 6 月 23 日推出了它的测试版:Claude 以团队成员的身份加入选定的 Slack 频道,从在那里读到的内容里积累上下文,并连接管理员选定的工具、数据和代码库。它也能写代码,但在一个为销售工作设置的频道里,它同样可以看完一段客户对话,建议客户第三次要折扣时该怎么回。
在这个设想里,底层模型相同,两个产品给它的角色、工具和上下文却不同。编程智能体或许也能讨论一段客户对话,但专为这件事设计的工具手里有的信息和流程,它没有。
harness 是什么
harness 是模型外面那层软件和配置:指令、工具、上下文和工作流程。有了它们,模型才成为能用的产品。
- 系统提示词:定义角色、语气、优先级和边界的指令。它决定智能体是把每件事都归结成代码,还是围绕业务去想。
- 工具:智能体能用什么。终端加 git,它就是程序员;CRM 加邮箱,它就是销售助理;网页搜索加爬虫,它就是先读完你和竞争对手的网站再给建议的研究员。
- 上下文与记忆:智能体对你了解多少。频道历史、公司文档、过去的决定。没有上下文的模型,每次对话都是初次见面。
- 执行流程:一轮怎么走。单次回复、长时间自主运行、自我核验、交给人处理。
换 harness,就是换产品
换掉 harness,同一个模型就成了另一个产品:它有了另一个角色、另一套工具、另一批可用的信息。产品让人失望时,反过来的情况更要紧。产品没给模型的工具、记忆或数据访问,升级模型也加不进去,所以我们建议先查 harness,再考虑为更强的模型付钱。我们自己没有做过模型和 harness 的对比测试;把这当作一条工作规则,在你自己的任务上检验。
这和你的网站有什么关系
这一切不只关乎你买的工具,也关乎 AI 怎么看你的公司。潜在客户问 ChatGPT、Claude 或 Perplexity“做 X 该选哪家服务”时,harness 先决定要不要搜索网页。在我们 2026 年 9 月 14 日和 15 日做的助手引用页面研究里,ChatGPT 的 52 个回答(未登录,开启网页搜索)有 22 个没有我们能记录的来源链接:要么没有搜索,要么界面只显示了来源标签而没有网址,我们的数字没有区分这两种情况。真的搜索时,搜索工具找页面,解析器提取文本,然后模型才组织答案。每一步,你的网站要么过筛,要么被筛掉。
由哪个产品作答,也可能改变来源从哪里来。2026 年 9 月 14 日,我们在 Gemini 应用和 Google 的 AI Mode(同一家公司的两个产品)里,把五个 GEO 选购问题各问了两次:这 20 个回答里,我们能找回的完整来源网址只有一个两边都出现(核查过程见我们的 Gemini 引用指南)。2026 年 9 月 27 日,我们把休斯敦、迈阿密和伦敦八个细分行业的 30 个本地商户问题各问了 ChatGPT 两次:在显示地图的 55 个回答里,它点名的 305 家商户有 280 家也在地图卡片上,说明是商户信息工具(harness 里不同于网页搜索的另一部分)在影响这份短名单。两项都是一天的英语核查。五个 Gemini 问题里有三个找不回完整网址,AI Mode 的一部分来源只显示为没有网址的标签,而且核查没有确定两个产品里各是哪个模型版本作答。把它看作两个产品列出不同来源的初步观察,而不是同一个模型有两种表现。
靠大量客户端 JavaScript 搭的漂亮网站,解析器可能根本看不见。没有清楚结构(标题、事实、具体数据)的页面,可能读了也不被引用:模型没多少东西可摘。站外提到你的地方很少,搜索这一步除了你自己的页面就没多少可找。对窄问题来说,这可能就够了:在 2026 年 8 月 13 日和 17 日的六次未登录的 ChatGPT 新会话里,关于多语言 GEO 服务商的问题每次都把我们排在第一,8 月 17 日的回答还在正文里引用了我们的网站。这是一个引擎、我们自己的品牌、窄问题的结果,而且这些测试里的引用也包括我们在 Crunchbase、LinkedIn 和 Trustpilot 上的资料页。对宽泛的“最好的 X”问题,要预计第三方页面会承担答案的一部分:在上文 9 月研究的选服务商问题里,四个助手的 306 条链接中,目录站和比较网站占了 77 条(25%)。
这正是 GEO(Generative Engine Optimization,生成式引擎优化)要做的事:不是为排名算法优化,而是为生成式系统的 harness 优化,也就是 AI 智能体怎样发现、读取和转述你的内容。经典 SEO 问的是“怎么进前十条链接”,GEO 问的是“怎么进入答案本身”。
该怎么做
选 AI 工具时,看它的工具、数据访问和工作流程是不是对得上你的任务。这几样可能比它用不用最强的模型更要紧。
在公司内部搭 AI 工具时,先定智能体的角色:能看到什么信息、能做什么动作、到哪里必须停下。模型在这个设计之内再选,需求变了还能换。
至于网站的可见度,想想助手能从你的页面上取到什么、用上什么。信息写清楚、能读到,它回答客户问题时就有可用的材料。每个助手分开查,每个问题问不止一次:上面的核查提示,一个产品里的结果可能套用不到另一个产品。我们每种语言测四个引擎:ChatGPT、Perplexity、Gemini,以及 Google AI Overviews 或 AI Mode(有提供的地方)。
相关问题
AI 产品里的 harness 是什么?
harness 是包在语言模型外面、让它成为可用工具的一切:系统提示词、能调用的工具、关于你的上下文和记忆,以及决定它怎么行动的执行流程。换掉 harness,同一个模型就成了另一个产品。
升级模型能救一个薄弱的产品吗?
如果弱点在 harness,光升级模型不行。产品没给的工具,更强的模型也调用不了;没有权限的数据,它也读不到。我们建议先列出任务需要什么(工具、记忆、数据访问、执行流程),补上缺的,再在同一个任务上比较模型。
harness 这个概念和 GEO 有什么关系?
ChatGPT、Claude 或 Perplexity 回答商业问题时,由它的 harness 决定要不要搜索网页。要搜索时,搜索找页面,解析器提取文本,模型组织答案。GEO 为这几步准备好你的网站和描述你的站外来源,让助手能发现、读取并引用你。
工具用哪个 LLM,可以不管吗?
不行,模型还是重要。但把它当作几个因素里的一个。先问 harness 和你的任务对不对路:角色、工具、能不能读你的数据、执行流程怎么设计。模型以后往往能换,所以我们建议先把 harness 定下来。
相关指南
来源
- 01Anthropic:推出 Claude Tag(2026 年 6 月 23 日)
- 02Anthropic:Claude Managed Agents 概览(Anthropic 怎样使用“agent harness”这个说法)
- 03Cursor:Cloud Agents 文档(原 Background Agents)
- 04Aggarwal 等,GEO: Generative Engine Optimization(2023),arXiv:2311.09735
- 05我们的研究:AI 助手引用哪些类型的页面(569 条链接,四个助手,2026 年 9 月 14–15 日)
- 06我们的研究:ChatGPT 的商户评分从哪来(地图与评分核查,2026 年 9 月 27 日)
- 07我们的指南:怎样被 Gemini 和 Google AI Mode 引用(含 2026 年 9 月 14 日对 Gemini 应用和 AI Mode 的核查)
- 08我们的案例研究:多语言 GEO 查询的六次未登录新会话测试(2026 年 8 月 13 日和 17 日)
// 分享
如何引用本页
欢迎引用和转载——请注明来源并附上本页链接。
“为什么“你们用的是哪个 LLM”这个问题问错了?” — GET-GEO.AI, 2026-11-18. https://get-geo.ai/zh/guides/model-vs-harness