← → · Space · 滚轮
The AI Concept AtlasAn Editorial Map by Wayne · 2026Vol. I
A Field Guide · Issue 01 · 2026

脑 · 手 · 流 · 场

从模型到 Agent，从 Skill 到 Harness——
一张图看懂 AI 时代的能力栈与产品形态。
Author / Wayne 王书眠  ·  Pages 10  ·  Reading 6 min
N 产品 · 场 Product 流 Workflow / Agent 手 Skill · MCP · Tool 脑 Model AI Atlas SCALE · 1 : 1 EST. 2026
§ Pre-roll"模型只是脑袋，不是手。"01 / 10
Chapter II · The StackFrom silicon to scene02 / 10
II · 五层栈

脑、手、流、场 ——AI 能力从底到顶

底层是模型这颗脑袋。往上每一层，都是让脑袋"装上手、记得住、跑得动、被用上"。
L5 · 产品 / 场 终端用户看见的 L4 · Agent / 统筹 动态决策 L3 · Workflow / 流 固化流程 L2 · Skill · MCP · Tool 外挂能力 L1 · Model / 脑 只会推理，不会动手 由底到顶
L5 · 餐厅本身 (Product) AI 食堂 L4 · 老板娘 Agent · 看单点菜 L3 · 菜谱 Workflow L2 · 工具 Skill · MCP L1 · 厨师 Model · 脑袋手艺

「AI 餐厅」类比

厨师 = 模型；菜刀/锅 = Skill；菜谱 = Workflow；老板娘 = Agent；餐厅 = 产品。
§ Stack"装上手、记得住、跑得动、被用上。"02 / 10
Chapter III · Brain · Mouth · HandSame brain, three products03 / 10
III · 三种能力

模型 · 对话AI · Agent

同一个脑袋，配不同的"嘴"和"手"，就是三种产品。用一个真实任务对照看 ——「给客户写一封拜访邮件」。
L1 · 脑 / Brain

Model 模型

"会想，但不会说人话。"
原始 LLM 推理引擎。无记忆、无工具、无界面。给字，吐字。
GPT-4 API · Claude API · Kimi base
CASE 写一封拜访邮件
输入 "写邮件" 输出 一坨散装文字，要不要发你自己来
L1+UI · 嘴 / Mouth

Chat AI 对话

"会说，给你建议。"
模型 + 对话界面 + 短期记忆 + Prompt 工程。回答精致，但只动嘴。
ChatGPT · Claude.ai · 豆包 App
CASE 写一封拜访邮件
"写邮件" 追问：场景？ 建议：主题 3 版草稿 你自己复制到 Outlook 发
L1+L2+L4 · 手 / Hand

Agent 行动

"会做，把事情办了。"
模型 + 工具 + 规划 + 反馈循环。能查日历、点按钮、闭环交付结果。
Cowork · Claude Code · OpenClaw
CASE 写一封拜访邮件
查 CRM 起草 对日历 发出 ✓ 已交付 五步闭环，回信也同步进 Notion
§ Brain · Mouth · Hand"产品不在脑里，在手上。"03 / 10
Chapter IV · Abstraction LayersWho calls whom04 / 10
IV · 抽象层级

Skill · MCP · Tool · Workflow · Agent

谁是谁的零件？——它们不是兄弟，是嵌套的"调用链"。下图把"用户问 Agent 帮我做事"完整还原。
USER "帮我做一件事" Agent 调度大脑 Workflow 固定剧本 Skill / MCP 能力包 Skill / MCP USB 接口 Tool · API 最小调用单元 Tool · API Tool · API Model 脑 调用流向：上 → 下，最终回到 Model 推理
层级定位稳定度谁调用谁
Agent动态决策"大脑"低 · 灵活调 Workflow / Skill
Workflow固定步骤"剧本"高 · 固化串 Skill / API
Skill提示词+流程+工具的能力包中包 Tool
MCP外部能力的"USB 接口"高暴露 Tool
Tool最小调用单元 / API高被一切调用
Model底层推理引擎—被所有人调用
§ Layers"它们不是兄弟，是嵌套的调用链。"04 / 10
Chapter V · Four EngineeringsSame task, four lenses05 / 10
V · 四种工程

提示词 · 上下文 · 工作流 · Harness

同一案例 ——「让 AI 帮我写一份千图周报」，看四种工程能力在做什么。每张小图就是一种"装配"。
I.
Prompt Engineering · 提示词工程

把"那句话"写好

结构、角色、示例、输出格式——单轮输入的极致表达。

PROMPT "先结论 / 3段 / CEO视角" Model
"以 CEO 视角写本周千图AI周报，3段，先结论。"
II.
Context Engineering · 上下文工程

把"该知道的"喂进去

知识库、历史周报、本周数据、人物档案——检索 + 注入。

OKR 周报 飞书 人人物 Context Model
把 Q2 OKR + 上周周报 + 飞书数据喂给模型，再写。
III.
Workflow Engineering · 工作流工程

把"该做的步骤"自动串起

拉数据 → 生成 → 自审 → 改 → 发送，固化为脚本。

拉数据飞书 生成Claude 自审校对 改迭代 发群 ⏰ 每周五 17:00 · 自动
每周五 17:00 自动跑「拉飞书 → Claude → 自审 → 发群」。
IV.
Harness Engineering · 装配工程

把"脑+手+眼+记忆"装成机器

运行时基建：工具调度、错误恢复、权限隔离、记忆持久化。

HARNESS RUNTIME 脑 手tools eyes memory 调度·恢复权限隔离
一套"周报机器人"运行框架，可以接任意模型 / 任意数据源。
§ Four Engineerings"提示词是字，Harness 是骨架。"05 / 10
Chapter VI · Local vs CloudThe expert in the safe06 / 10
VI · 本地 · 云端

保险柜里的20 年老师傅，与名校来的实习生

不是谁更强，而是各自的领地不同。决定权在数据和场景。
L · Local Agent (OpenClaw 式)

本地行动型 AI · 20 年老师傅

EST.2006
"装在企业保险柜里的行业专家，对你独有的业务了如指掌。"
定位本地执行 · 自动化生产力
权限本地系统级 · 键鼠 / 文件 / 软件
理解力中等 · 但极懂内部流程
数据不出本地 · 隐私可控
场景财务对账 · 文件整理 · 标准化分析
CASE 财务表格
老师傅扫一眼就知道"红冲单"该怎么处理 — 不需要把表传出去。
C · Cloud Chat AI

云端对话型 AI · 名校实习生

CLOUD
"名校毕业的聪明实习生 —— 学历高，但不懂公司业务流程。"
定位文本生成 · 思路启发
权限无本地权限 · 仅输出文字
理解力顶尖 · 博学善辩
数据上云 · 有泄露风险
场景写文案 · 推理润色 · 查资料
CASE 财务表格
实习生会写漂亮的分析框架 — 但你得把脱敏数据手动喂给他。
§ Local · Cloud"私有 AI 是装在保险柜里的专家。"06 / 10
Chapter VII · The AtlasEverything in one map07 / 10
VII · 关系全景

一张图：AI 概念的古典城市地图

城堡 = 产品；街道 = Agent / Workflow；工坊 = Skill / MCP；矿井 = Tool；地下电厂 = Model。四个城门 = 四种工程能力的入口。
N 城堡 · 产品 / 场 L5 · Product · 终端用户消费的 街道 · Agent / Workflow · L3-L4 流 工坊 · Skill L2 · 外挂能力包 工坊 · MCP L2 · USB 接口 矿井 · Tool 最小调用单元 矿井 · API Model ⚡ ⚡ 地下电厂 · 推理引擎 PROMPT 提示词工程 CONTEXT 上下文工程 WORKFLOW 工作流工程 HARNESS 装配工程 SCALE · 1 : 1 AI METROPOLIS
城堡 · 产品
L5。终端用户看见、付费的那一层。
街道 · Agent / Workflow
L3-L4。动态调度或固定流程。
工坊 · Skill / MCP
L2。把单项工具封装成可复用能力。
矿井 · Tool / API
最小调用单元 · 被所有人使用。
电厂 · Model
L1。底层推理引擎，城市的电力。
§ Atlas"一张图代替十张表。"07 / 10
Chapter VIII · Decision MatrixWhen to use which08 / 10
VIII · 决策矩阵

何时用谁——四象限决策图

两个维度：流程稳定度（横）× 使用频次（纵）。落点决定该用谁。
频次 ↑ 高 频次 ↓ 低 不稳定 稳定 Skill · MCP 沉淀 · 自动化 客服 QA 同步 每日财务对账 Agent 动态编排 竞品研究 用户行为排查 Chat · Prompt 直接对话 战略讨论 新业务构想 Workflow Script 一次性脚本 季度数据迁移 年度合规审计
高频 + 稳定→ Skill / MCP。沉淀红利最大。Wayne 的 lark-cli skills 多数落这里。
高频 + 不稳定→ Agent。每天都要做但流程不固定，让 Agent 现场决策。
低频 + 不稳定→ 直接对话。一次性探索类工作。不要硬塞 Skill。
低频 + 稳定→ 一次性脚本。写完跑完归档。不值得做 plugin。
红线"高频不稳定"硬塞 Skill 会僵死，损失编排能力。
§ Matrix"频次 × 稳定度，决定该不该沉淀。"08 / 10
Chapter IX · Action MemoThree iron rules09 / 10
IX · 行动备忘

给Wayne的三条铁律

不是抽象口号——下次会议、下次复盘、下个季度规划可以直接用。
I
≥ 3 次
沉淀 · 有门槛

≥ 3 次且稳定，才进 Skill

设立「实验性 Prompt 缓冲区」。一次性别沉淀。每季度做一次 Skill 审计，使用率 < 5% 直接归档。

II
AGENT WORKFLOW SKILL
嵌套 · 不替代

Agent 内部应调用 Skill

不是"稳定走 Skill、不稳定走 Agent"二选一，而是 Agent 在外编排，Skill 在内承担固定动作。Cowork 自己就这样。

III
PRODUCT UI 用户看见的
用户 · 第一

抽象再强，不能躲在 UI 后面

千图的客户不会用 CLI。Skill 是护城河的基础，不是终点。最终产品必须有一层「具象 UI」 把抽象能力翻译给终端用户。

§ Action"沉淀有门槛，嵌套是常态，UI 是终点。"09 / 10
Colophon · FinA field guide for the AI-native operator10 / 10
— Finis —

脑要快 · 手要稳 · 流要清 · 场要近

AI Atlas 2026 · I
"模型只是脑袋，不是手。Skill 是手，Workflow 是流，Agent 是统筹，产品才是场。
把脑装上手，让流跑起来——做出用户能看见的「场」。"
An Editorial Map · Issue 01 · 2026.05 · Wayne 王书眠