第一季加餐｜从 Prompt 到 Loop：10 年 AI 热词迭代，热闹的是概念，沉淀的才是行业壁垒
第一季加餐｜从 Prompt 到 Loop：10 年 AI 热词迭代，热闹的是概念，沉淀的才是行业壁垒
AI 圈最容易让人焦虑的一件事，就是永远有新词刷屏。
前几年大家还在研究 Prompt、RAG、Function Calling；后来 MCP、A2A、Vibe Coding、Agentic Coding 又一批批冒出来；到了 2026 年，Loop、Agent Harness、Skills、技能供应链治理，又成了更值得关注的新话题。
中间还夹着一些很有传播性的中文热点，比如前阵子火过的“小龙虾”。
很多人会有一种感觉：
每个词都像要学。
每个词都像不能错过。
但真正的问题不是“又出了什么新词”，而是：
这些词到底解决了什么问题？
最后沉淀成了什么能力？
哪些值得长期深挖，哪些只是阶段性热闹？
最近有同学问我：AI 相关名词越来越多，到底应该怎么判断？
完整图谱我拉了近 10 年，但公众号这篇不适合展开成术语百科。所以今天这篇加餐，不做单纯名词解释，而是先抓 2022-2026 年这几年大家比较熟悉、曾经刷屏或正在变热的词，放到一条演进脉络里看。
完整 534 条术语溯源、爆火时间、生命周期判断和参考文献，我放在博客。因为公众号正文有字数限制，这里只保留最适合阅读和判断的主线。
一、热词时间线：从“会聊天”到“可管控”
把这几年的 AI 热词串起来，会发现它们不是孤立出现的，而是在回应不同阶段的问题。
2022 年：Prompt 把 AI 推到普通人面前
ChatGPT 出圈以后，很多人第一次意识到：原来和 AI 说清楚任务，本身就是一门能力。
这一阶段最火的是 Prompt Engineering。它留下来的价值，不是万能提示词模板，而是任务拆解、上下文组织、约束表达和结构化输出。
2023 年：RAG、Function Calling 和 Agent 开始补工程短板
这一年，RAG、Function Calling、AI Agent、向量数据库、AI Search 都成了高频词。
RAG 解决的是“模型怎么引用外部知识”，Function Calling 解决的是“自然语言怎么变成可执行参数”，Agent 解决的是“AI 能不能从回答走向执行”。
到今天，RAG 早就不适合再当成最新热点来写。它更像企业 AI 的基础工程能力：知识库问答、文档助手、智能客服、AI Search、权限检索和引用溯源，很多场景背后都有它。
2024 年：工具连接和协议化接入开始抬头
2024 年底，Anthropic 发布 MCP，工具连接、外部数据源、连接器和协议化接入开始变成更统一的话题。
MCP 的价值，不是“万能工具市场”，而是让模型应用与外部工具、数据库、文件系统、SaaS 系统之间的连接方式更标准。
但标准化不等于安全。越是能接工具，越要关心权限、认证、审计、工具投毒和供应链风险。
2025 年：Vibe Coding、Agentic Coding 和 A2A 把注意力拉到协作
Vibe Coding 被 Andrej Karpathy 带火以后，很多人开始讨论自然语言编程、AI 辅助开发和“边说边做”的软件构建方式。
Agentic Coding 则进一步把问题推向工程流程：AI 不只是生成代码片段，还要能理解仓库、改文件、跑测试、处理反馈。
A2A 代表的是另一条线：不同 Agent 之间怎么通信、协作、交接任务。
2026 年：Loop 和 Harness 让大家重新关注可控交付
到了 2026 年，最近更值得关注的是 Loop / Loop Engineering、Agent Harness、Skills、Agent Governance。
大家讨论的重点，正在从“怎么写一句 Prompt”，转向“怎么让 Agent 持续推进任务、留下状态、接受检查，并且不失控”。
Loop 让 Agent 动起来。
Harness 让 Agent 不乱动。
Loop 负责推进任务，Harness 负责边界、状态、权限、日志、恢复和回滚。
所以 2026 年真正值得看的，不是谁又发明了一个新名词，而是谁能把“模型 + 工具 + 技能 + 运行支架 + 循环 + 评测”组合成一个可信系统。
小龙虾：一个很适合拿来反思的中文热点
小龙虾是中文社区对 OpenClaw 的昵称。它在国内火过一阵，但从公开英文技术讨论看，并没有像 MCP、Vibe Coding、Loop 那样形成更稳定的全球通用热词。
它更像一个反面样本：一个词可以很热闹，但真正值得留下的，可能不是梗，而是 Skill 分发、技能市场、权限控制和供应链风险治理。
小龙虾真正提醒我们的，不是“装技能就能赚钱”，而是：当 Agent 可以安装技能、访问本地文件、调用工具、连接账号时，效率会提升，风险也会一起放大。
二、所有 AI 热词，大致可以放进四层价值
不需要死记几百个术语。我们更推荐按四类人群来看，每类人真正要抓住的重点并不一样。
普通学习者：先看基础能力，少一点无效内卷
对新手来说，不建议追逐所有新词，先摸清基础能力的沉淀逻辑。
大模型：AI 的底层能力
它决定模型能不能理解、生成、推理，是后面很多产品、工程和应用讨论的前提。
Prompt Engineering：人和 AI 的沟通方式
它已经过了“万能模板”的阶段。真正留下来的，是把任务说清楚、把约束讲明白、把输出结构化的能力。
RAG：AI 的外接知识能力
它不再是新技术，而是很多企业 AI 系统的基础设施。真正值得继续看的，不是“有没有 RAG”，而是 RAG Eval、权限过滤、引用质量、知识更新和拒答策略。
技术开发者：看工程壁垒，不只看概念热度
开发者更适合关注“能接入、可复用、可验证”的工程能力。
Function Calling + Tool Use：AI 从问答到执行的关键
Function Calling 把自然语言变成结构化参数，Tool Use 让 AI 真正调用搜索、数据库、代码、CRM、工单系统等工具。两者结合，才让 AI 跳出聊天窗口。
MCP：工具和数据源接入的标准化方向
MCP 解决的是工具连接碎片化问题。它能降低接入成本，但也会把权限、认证、日志、工具返回投毒和供应链风险推到台前。
Skill：能力复用单元
如果说工具是零件，Skill 更像一套可复用的操作说明和能力包。它让 Agent 遇到某类任务时，知道该用什么工具、按什么步骤做、注意什么边界。
企业从业者：看稳定、安全、可追溯
对企业来说，技术噱头价值有限，稳定、安全、可控、可追溯才是核心。
Agent Harness：AI 的运行支架
模型是大脑，Harness 是运行环境。沙箱隔离、权限管控、日志审计、状态保存、失败重试、人工确认、回滚机制，都属于 Harness 要处理的问题。
很多企业 AI 项目卡住，不是因为模型不够聪明，而是因为缺少完善的运行管控机制。
Loop Engineering：AI 的持续任务机制
只停留在单次问答，价值会有限。Loop 构建的是“观察-规划-执行-验证-修正”的闭环，让 AI 可以持续推进长任务。
一句话概括：
Loop 让 AI 能动，Harness 让 AI 不乱动。
行业创业者：看长期赛道，不追短期词汇
创业不只是追新词，而是判断什么会长期沉淀成接口、工作流、基础设施和产品入口。
短期会反复出现新概念，长期更值得关注的是：
RAG 权限与评测。
Agent 运行支架。
MCP 安全与认证。
Skill 供应链治理。
AI 红蓝对抗与全流程评测。
业务闭环与灰度发布。
小龙虾这样的热点会降温，但技能供应链治理、Agent 安全审计、AI 全流程评测，大概率会成为更长期的需求。
三、看到任何 AI 热词，推荐用四个问题过滤
面对任何 AI 新词，不建议只看名字有多新、传播有多猛。更推荐用四个问题过滤一遍。
第一，它到底是什么？
先把词还原成具体能力。
MCP 不是万能神器，它本质上是工具和数据源接入协议。
Loop 不是 AI 永动机，它是任务推进机制。
小龙虾不是技术革命，它更像 Skill 生态在中文社区的一次传播样本。
第二，它解决什么问题？
说不清解决什么问题的概念，大概率只是包装。
Prompt 解决表达问题。
RAG 解决外部知识接入问题。
MCP 解决工具连接碎片化问题。
Skill 解决能力复用问题。
Harness 解决长期运行和恢复问题。
Loop 解决持续推进和纠偏问题。
第三，它能沉淀什么？
热词不重要，沉淀才重要。
Prompt 沉淀的是任务拆解和上下文组织。
RAG 沉淀的是知识接入、权限检索、引用和评测。
小龙虾沉淀的是 Skill 分发、技能市场和供应链治理。
Loop 沉淀的是计划、执行、验证、修正的工作机制。
第四，它建议剥离什么？
主动放下那些听起来很爽、实际很虚的叙事。
放下万能提示词。
放下“搭个向量库就叫 AI 落地”。
放下“完全自主、不需要人管”的 Agent 幻想。
放下“小龙虾装技能就能躺赚”。
放下“套一层流程就叫生产级”。
四、2026 优先级清单：哪些值得深挖，哪些先别跟风？
结合这几年行业演进，我更推荐按下面这张清单取舍。
更值得深挖：长期沉淀、有壁垒、贴近真实系统
Agent Harness。
Loop Engineering。
MCP 安全认证。
Skill 供应链治理。
RAG 评测体系。
Agentic Coding。
AI 红蓝对抗。
Evals / Governance / 灰度发布。
不建议盲目跟风：包装多、误解多、容易退潮
万能提示词模板。
提示词工程师岗位。
AutoGPT 式完全自治。
小龙虾躺赚。
AI Native 口号。
Agent 替代所有应用。
五、写给所有人的 AI 成长真相
AI 行业真正的规律，从来不是“新词越多，技术越先进”，而是：
概念不断退烧，能力持续沉淀。
2022 年，我们学怎么问 AI。
2023 年，我们学怎么让 AI 接知识、接系统。
2024-2025 年，我们学怎么把工具、协议和 Agent 组织起来。
2026 年，我们更要学会：如何让 AI 安全、可控、持续、稳定地交付价值。
最后收束一句：
能火一时的热词，是行业的热闹。
能沉淀下来的能力，才是个人和团队的底气。
这份图谱会持续更新。AI 词汇迭代太快，今天还是热点，过几个月可能就被产品吸收，或者退回工程细节里。受公众号字数限制，完整检索版会长期放在站内维护。
完整 534 条 AI 热词溯源、生命周期和术语检索版：