从Prompt到Context到Harness：AI工程的三次范式转移，第三次正在发生
输入“/”快速插入内容
从Prompt到Context到Harness：AI工程的三次范式转移，第三次正在发生
从Prompt到Context到Harness：AI工程的三次范式转移，第三次正在发生
用户4242用户42423月29日修改
原创 杰森AI出海 杰森AI出海 杰森AI出海2026年3月28日 16:13 泰国
2026年初，Anthropic 和 OpenAI 几乎同一周发了各自关于 Harness Engineering 的实践文章。加上两篇关于 Agent 记忆基础设施的学术论文，以及社区里关于三代工程范式演进的讨论，一个完整的图景正在浮现
三代工程范式各解决什么问题
2023到2024年是 Prompt Engineering 的时代。核心问题是怎么跟模型说话，让它给出更好的回答。措辞、格式、few-shot 示例、Chain of Thought，所有技巧都围绕"一次对话"展开
2025年 Context Engineering 成为主流概念。Shopify CEO Tobi 的那句"Context engineering is the new skill"被广泛传播。核心问题变了：单靠提示词不够，需要把整个上下文窗口当作工程对象来设计。RAG 检索、长上下文管理、tool use 编排、memory 系统全部属于这个范畴。你在优化的是模型看到的全部信息
2026年初 Harness Engineering 这个概念被两家大厂几乎同时提出。核心问题再次升级：Agent 可以自主运行几个小时甚至几天了，单次上下文的优化远远不够。你需要设计的是 Agent 的整个运行环境，包括多 Agent 协作架构、评估反馈闭环、架构约束的机械化执行、记忆的治理和验证机制
三代之间的关系：每一代都包含前一代。Harness 包含 Context，Context 包含 Prompt。但每一代解决的核心问题完全不同
Anthropic 怎么做：让 Agent 互相评估
Anthropic 工程师 Prithvi Rajasekaran 的实验揭示了一个反直觉的事实：Agent 评估自己的工作基本没用
不管输出质量高低，Agent 给自己的评价永远是正面的。把生成和评估拆成两个独立 Agent 之后效果完全不同。评估器不是读代码打分，而是用 Playwright 实际操作页面，点按钮、填表单、验证功能，然后根据四个维度打分：设计质量、原创性、工艺细节、功能完整度
前端设计实验里，生成器经过5到15轮和评估器的来回迭代，在第十轮做出了一个3D空间导航方案。全栈开发实验更复杂，三个 Agent 分工：规划器把一句话需求展开成完整产品规格、生成器用 React+FastAPI+PostgreSQL 逐步实现、评估器做 QA 测试
对比数据很直观。单 Agent 20分钟花9美元，产出不能用。完整 harness 6小时花200美元，交付了带精灵动画、AI 集成和导出功能的完整游戏
最有价值的发现：随着 Opus 4.6 能力提升，sprint 分解可以去掉了，但评估器不能去掉。Harness 的每个组件都编码了对模型局限性的假设。模型变强之后有些假设不再成立，但有些永远成立。识别哪些该留哪些该删，是 harness engineering 的核心技能