不得不说 AI领域的心名词是不断地更新,让人应接不暇. 从24年的prompt Engineering,Context Engineering到今天的Harness Engineering,可谓层层递进层层扩大,核心因素是因为大模型的能力在不断地提高.

这个变化过程是什么?从人操作的颗粒度来说,越来越粗.以前做一个LLM项目你要手搓各种工具给AI使用,比如Function calling,比如mcp,比如RAG知识库等;

但是现在变化了,在skill的加持下,你只负责合理问题的提出,剩下的AI Agents 帮你做排兵布阵,帮你生成各种工具且直接运行.

prompt Engineering就不细说了就是提示词工程,如何让AI更好的生成结果,那个时候的大模型能力还比较差,prompt就是为了限制大模型胡乱说话的.

Context Engineering是上下文工程,代表性的就是manus,可以用通俗的话来解释,就是将你的任务或者问题放在具体的项目或者文档或者材料背景之下来生成答案

最早提出Harness概念的事 Anthropic,是在一篇blogs中提出的.核心的意思就是说如何让Agents跨多个上下文窗口有效的工作与协同.

后来OpenAI内部使用codex编写百万行代码的产品,基本上摆脱了程序员的干涉.所有的代码都是大模型在codex下完成.人仅仅做了项目管理和规划确认的事情.工程师做的事就是Harness Engineering.

工程师仅仅把工作边界,功能模块大致拆解,配置规则,梳理业务流程,设计反馈机制,这些都是Harness的范畴.

Harness这个词是来源于马具，就是马鞍、缰绳等,是用于限制和控制马的,限制马的狂野和力量,防止跑偏.

在AI领域AI Agent就是那匹马,Harness就是那要讲声,防止AI Agent越界越权干事情.

一句话描述就是 Agent = model + context engineering + harness(skills)