当AI工程进入第三层，我们把积累12年的数据「改造」了一遍

最近一个已经接入我们数据服务的客户发来了一条消息大意是「我们用的是同一款大模型为什么隔壁团队的AI Agent能输出一份完整的尽调报告我们的只能输出一堆问号」这个问题让我们内部重新把整套系统拆开来审了一遍。最后的结论不在模型也不在提示词更多的在于数据。更准确地说在于你给AI看了什么数据以及数据是怎么送进去的。这也是这篇文章想聊的事。AI工程的三次发展AI工程正在发生第三次范式升级如果你最近在关注AI工程这个话题应该会感觉到行业里的讨论重心已经悄悄变了。2022年前后大家都在研究怎么写提示词让模型听懂你。这是Prompt Engineering提示工程时代——有用但天花板来得很快。模型只能处理单次对话没有外部感知能力。更多的是基于提示词的你问我答。2025年开始Andrej Karpathy等人开始反复强调一件事重要的不只是你问什么更是你在提问时带上了什么数据。RAG检索、MCP工具接入、记忆管理相继成为热门话题。这是Context Engineering上下文工程时代。核心洞察只有一句话AI幻觉不等于模型不聪明而是上下文数据没给够。但是你无法光靠优化提示语来修复限制本质上绕不过模型自身的短板另外它无法调取你的私人文档不知道昨天发生了什么遇到答不上来的问题时甚至可能一本正经地胡说八道。这就导致谁的Context工程做得扎实谁的AI应用就比别人聪明一个量级。而到了2026年初又出现了新的概念。HashiCorp联合创始人Mitchell Hashimoto在今年2月正式命名了第三层——Harness Engineering基座工程。重点不再是提示词怎么写、给模型看什么而是如何把这个不稳定、不确定的大模型变成一台可以在真实业务场景里稳定运转的工业机器。Harness Engineering的底层逻辑并不复杂它的关键不在于继续优化提示词也不在于单纯扩展上下文而是在模型之外搭建一套能够支撑 Agent 持续执行的运行体系。「模型是CPUHarness才是真正的操作系统。」当大多数团队还在卷提示词、频繁切换模型时顶尖团队早已把重心转向了另外一件事重构Harness——结构化的上下文管理、工具系统设计、执行编排引擎、状态与记忆管理以及独立的评估与约束机制。而现在大家所做的位置很清楚为Context Engineering层提供高质量的实时中国企业数据同时通过SKILL广场帮助各行业快速搭建Harness层的落地能力。做一件具体的事过去一年我们把传统数据服务全面改造成了AI Agent原生的数据服务。听起来像是一句宣传语但原生这两个字背后有很多实际的工程决策传统API返回的是原始JSON——AI收到数据还要自己解析字段含义、判断空值的意思、再决定下一步怎么做。这是一套为人类开发者设计的接口AI用起来像个临时工每次都要从零开始理解返回的内容。现在做的不是把API套上MCP的壳而是重新思考了数据如何赋能AI遵循的是另一套逻辑——ACIAI认知接口优先工具的描述、返回值结构、错误处理方式都针对大模型的理解和决策逻辑进行了专门设计。举三个细节一、实体强锚定防止AI认错人你跟AI说「帮我查一下万达集团的风险」AI怎么知道你说的是哪家万达全国工商注册里光叫万达的企业有好几百家。而MCP的每次查询都会执行“二段式核验”协议先用企业名称定位候选集再强制用18位统一社会信用代码锁定唯一目标。认错对象这件事在架构层面被消灭掉了。二、上下文脱水省Token也省时间假设你要查一家企业的司法诉讼系统底层可能有几千条记录。如果把所有内容全塞进上下文Token消耗是灾难性的。但是用参数下推和分页摘要的方式解决这个问题——AI按需索取系统返回「总量3515条已获最新30条」并附带分页继续获取的工具接口。模型只看它当前需要看的效率和成本同步优化。三、强语义状态码让没数据也有意义这是个容易被忽视但很关键的设计细节传统API查不到失信记录返回的是get_dishonest_info() → [ ]AI怎么理解这个空数组「没数据」「查询失败」「真的没风险」——三种可能AI得靠猜。经底层数据库全量核查未发现严重违法记录。此项合规安全允许进入下一步审计。AI立刻读懂绿灯继续。这不是美化输出而是把「歧义」这种幻觉风险从架构层消灭掉。SKILL广场从能查到会用工具层做好了但还差最后一步。不同行业的人面对同一批数据需要的结论完全不同。银行合规团队要KYB开户审查和AML反洗钱流程PE/VC投资人要股权穿透图、诉讼风险摘要、专利资产清单法务同学要签合同前自动核验对方主体是否已注销采购团队要批量扫描候选供应商哪几家失信、哪几家资质过期。SKILL广场做的就是这件事32个经过真实业务场景验证的开箱即用行业解决方案分成四个方向银行·合规风控KYB核验、AML反洗钱、OFAC/OFSI/EU/UN四大制裁名单筛查、受益所有人穿透……10个SKILL投资人·FAIC Memo投委会备忘录、股权结构穿透、企业画像、高管背景核查……8个SKILL律师·法务合同核验、诉讼风险、破产预警、合规资质验证……10个SKILL采购·供应链供应商准入、风险扫描、年度体检……4个SKILL用两个具体的例子说明差距IC Memo SKILLPE/VC投委会备忘录投资机构出一份IC Memo传统流程是分析师人工整理资料工商信息、股权图、诉讼检索、专利清单、高管背景……分散在不同数据库和人工搜索里快的3-4天慢的可能更久还免不了遗漏。接入MCP之后这套流程变成输入目标企业名称AI自动调用MCP30秒左右输出完整的股权结构穿透图、历史诉讼败诉案件摘要、专利资产清单、法定代表人及高管背景核查结果。KYB企业核验 SKILL银行开户/贷款申请客户提交开户或贷款申请后AI自动执行18类风险扫描——失信被执行、严重违法、经营异常、高消费限制、股权冻结、税务违规……任何一项触发系统立即熔断不需要人工逐条检索。整个流程约30秒单户成本从人工的¥300-500降到¥5-10。符合FATF Recommendation 10/12标准的AML流程、PEP政治关联人士的自动识别、50%所有权规则下的关联实体穿透——这些在银行合规里本来需要专门配置的流程在SKILL广场里是直接开箱就有的能力。04. 接入有多简单MCP接入方式是SSE云端托管不需要自建服务器配置一段JSON3分钟完成接入。{ mcpServers: { qcc-company: { type: sse, url: https://mcp.qcc.com/sse/qcc-company?keyYOUR_API_KEY } } }目前已适配12个主流平台OpenClaw、Cursor、阿里云百炼、Coze、飞书AI、Cherry Studio……如果你的工作流是固定逻辑的不需要AI推理判断只是重复性数据验证同时提供CLI命令行接口——零Token消耗直接返回原始JSON适合自动化脚本和批处理。MCP和CLI共用同一套API Key额度不重复计费。所有SKILL来自6个开源GitHub仓库Apache 2.0协议可以直接Fork修改也可以一行命令装进Claude Code等工具。回到开头那个客户的问题。「为什么隔壁团队的AI能出完整尽调报告我们的只能输出问号」答案不复杂那个团队给AI配了高质量的数据底座而这次的输出却没有。Context Engineering是2025年以来真正的分水岭。模型谁都能用数据质量和接入方式才是AI应用真正拉开差距的地方。SKILL广场已开放32个行业方案全部开源。如果你正在开发AI应用或者在用AI处理中国企业数据可以去看看。