从大模型 Prompt 到 Harness 工程：一个工程师的三年进化史¶
一句话总结：2022年我们研究怎么跟AI"好好说话"，2025年我们研究怎么给AI"喂对资料"，2026年我们研究怎么给AI"套上缰绳"。
写在前面¶
如果你是从2022年就开始玩ChatGPT的那波人，你一定经历过这样的心路历程：
- 刚开始："哇，这模型好强，我得学点Prompt技巧让它更听话"
- 过了一年："Prompt不够用了，得接向量数据库，搞RAG"
- 到了现在："模型能写代码了，但我不敢让它直接跑生产环境啊..."
这三年，不只是模型在变，我们工程师的"打法"也在变。
今天这篇文章，聊聊大模型工程化的三次"范式转移"——从Prompt工程，到Context工程，再到Harness工程。
第一阶段：Prompt工程——学会跟AI"好好说话"¶
那时候我们在折腾什么？¶
2022-2024年，Prompt工程是显学。
大家发现，同样的模型，换个说法问，结果天差地别。于是各种"Prompt技巧"层出不穷：
- 角色扮演："你是一位资深Python工程师..."
- 思维链（CoT）："Let's think step by step"
- Few-shot示例：给模型举几个例子，让它照着做
但Prompt工程有个"天花板"¶
玩久了你会发现几个问题：
第一，太脆弱。
研究表明，仅仅是调整示例的顺序，模型准确率能波动40%以上。你写"严格输出JSON"和"始终输出JSON"，结果可能完全不一样——后者说不定就给你加个尾随逗号，直接把下游程序干崩。
第二，没记忆。
模型不知道昨天跟你聊了什么，也不知道你公司内部的业务规则。每次对话都是"初见"。
第三，难维护。
Prompt没法版本化、难测试、难协作。一个人调好的Prompt，换个人就不知道怎么用了。
一句话：Prompt工程优化的是"怎么说"，而不是"说什么"。当任务复杂到一定程度，光靠"说话技巧"是不够的。
第二阶段：Context工程——给AI配个"资料员"¶
RAG来了¶
2025年，Context工程成为主流。
Andrej Karpathy（前OpenAI大神）说过一句话："单一的Prompt永远不足以支撑复杂的专业决策。"
这时候，RAG（检索增强生成）火了。
简单说，就是不让模型硬背答案，而是给它配个"资料员"——每次回答问题前，先从向量数据库里检索相关资料，塞进上下文里，让模型"开卷考试"。
我们在忙什么？¶
这个阶段，工程师的工作变成了：
- 搭向量数据库（Pinecone、Milvus、Qdrant...）
- 做文档切片（Chunking），把长文档切成合适的大小
- 搞重排序（Reranking），让最相关的片段排在前面
- 算Token预算，因为上下文窗口是有限的稀缺资源
新问题："上下文腐烂"¶
但Context工程也有坑。
Transformer架构的计算复杂度是O(n²)，上下文越长，模型越"健忘"。虽然厂商宣称支持百万Token，但实测超过3.2万Token后，模型找关键信息的精度就断崖式下跌。
于是大家又开始搞： - 层级记忆：短期记忆 + 会话记忆 + 长期记忆 - Context折叠：把历史对话压缩成摘要，腾出空间
一句话：Context工程解决了"信息从哪来"的问题，但没解决"模型乱来"的问题。
第三阶段：Harness工程——给AI造个"笼子"¶
为什么需要Harness？¶
2026年，AI Agent开始真正跑在生产环境里，一跑就是几小时甚至几天。
这时候，Prompt和Context工程彻底不够用了：
- 你Prompt写得再好，能阻止模型误删生产数据库吗？不能。
- 你Context给得再全，能在模型写崩CI/CD时自动回滚吗？不能。
Harness工程应运而生。
Harness本意是"马具"——用缰绳和鞍具把马的野性力量转化为可控的动力。在AI工程里，Harness就是环绕在模型周围的"笼子"，负责： - 工具执行管理 - 状态持久化 - 错误恢复 - 权限控制 - 验证循环
Harness的核心信条¶
大模型是不可信的随机引擎，必须把它关在确定性代码构建的笼子里运行。
Mitchell Hashimoto（HashiCorp创始人）说得好：
"每当智能体犯错，不要指望它下次变好，而要修改它的操作环境，让它物理上不可能再犯同样的错。"
Harness的三层架构（CAR模型）¶
1. 控制层（Control）：定规矩¶
- AGENTS.md：项目的"唯一事实来源"，定义架构规则、命名规范、执行禁忌
- Linter规则：硬性约束代码结构，比Prompt里写"请遵循分层设计"有效100倍
- 权限清单：明确模型能访问哪些文件、能执行哪些命令
2. 代理层（Agency）：给工具¶
- MCP服务器：标准化的工具连接协议，带身份验证的读写操作
- 沙箱环境：每个任务在隔离容器里跑，错了也能回滚
3. 运行时层（Runtime）：保平安¶
- 检查点/回滚：任务卡住或陷入死循环时，自动回到上一个安全点
- 验证循环：模型生成的代码先跑一遍测试，失败就把错误信息喂回去让它自修复
一个真实案例：LangChain在Harness里加了自验证循环，代码生成准确率从52.8%提升到66.5%——没换模型，纯靠工程。
我们工程师，变成了"环境设计师"¶
OpenAI Codex实验的启示¶
2026年2月，OpenAI公布了一个案例：
3个工程师，5个月，交付100万行生产代码，人类一行代码没写。
他们做了什么？
- 拆解需求，变成智能体能消化的小任务
- 写端到端测试（Playwright脚本），智能体必须通过才能合并代码
- 监控产出质量，发现模式化缺陷就更新AGENTS.md或加Linter规则
结果：平均每天合并3.5个PR，而且项目越大效率不降。
结论：AI时代，工程师的核心竞争力不再是打字速度，而是"设计确定性环境"的能力。
"Vibe Coding" vs "工业级Harness"¶
现在行业里有两个流派：
| Vibe Coding | 工业级Harness | |
|---|---|---|
| 风格 | 感觉驱动，接受-迭代循环 | 规则驱动，机械执行 |
| 适用 | 原型开发、个人项目 | 生产环境、企业级应用 |
| 问题 | 复杂业务逻辑下迅速崩溃 | 前期投入大，但可规模化 |
三代范式对比：一张图看懂¶
| 维度 | Prompt工程 （2022-2024） |
Context工程 （2025） |
Harness工程 （2026+） |
|---|---|---|---|
| 核心问题 | 怎么问？ | 喂什么？ | 怎么管？ |
| 工程隐喻 | 给新员工下指令 | 给研究员配资料 | 给野马套缰绳 |
| 关键技术 | CoT、Few-shot、角色扮演 | RAG、向量DB、Token预算 | MCP、沙箱、验证循环 |
| 信任基础 | "求求你好好答" | "有据可查" | "物理上不可能出错" |
| 代表工具 | LangChain Prompts | Pinecone、LlamaIndex | Claude Code、Harness AI |
2026年：行业标准正在形成¶
两个关键协议¶
- MCP（Model Context Protocol）：Anthropic推动，标准化工具连接
- ADK（Agent Development Kit）：谷歌发布，多智能体协作框架
平台级产品¶
- Harness.io：推出"Human-Aware Change Agent"，深度集成Jenkins/GitHub Actions，能自动关联Slack里的故障对话，生成修复PR并在沙箱里验证
"AI友好"的代码风格¶
越来越多的团队开始： - 用TypeScript + Zod（强类型、自文档化） - 写极简、高内聚的模块
逻辑很简单：代码越清晰，Harness越强；Harness越强，AI生成的代码质量越高——正反馈循环。
写在最后¶
三年时间，我们从"学会沟通"到"学会赋能"，再到"学会统御"。
这不是术语游戏，而是AI从"聊天机器人"进化到"自主智能体"的必经之路。
未来的工程师，可能不需要写太多业务代码，但必须会设计Harness——
把人类经验、直觉和治理意图，转化为机器可执行的约束。
代码将由智能体大规模生成，而文明的稳定性，将由Harness工程来守护。