AI工程演进：从提示词工程到上下文工程再到Harness工程

文档版本：1.0 | 更新日期：2026-04-12
文档目的：梳理AI工程方法的演进历程，罗列关键技术突破事件，展示从简单提示到系统化环境设计的完整发展路径
适用对象：技术管理者、AI应用开发者、产品经理、所有关注AI工程化实践的人

📖 目录

1. 演进全景图
2. 第一阶段：提示词工程 (Prompt Engineering)
3. 第二阶段：上下文工程 (Context Engineering)
4. 第三阶段：Harness工程 (Harness Engineering)
5. 关键技术突破时间线
6. 实践案例对比
7. 未来发展趋势
8. 总结与启示

演进全景图

三个阶段的本质区别

演进的内在逻辑

Prompt Engineering (2020-2022)
↓ 解决：如何让AI理解意图
Context Engineering (2023-2024)  
↓ 解决：如何让AI获取相关知识
Harness Engineering (2025-2026)
↓ 解决：如何让AI可靠执行复杂任务

关键洞察：每次演进都不是替代，而是扩展和系统化。

第一阶段：提示词工程 (Prompt Engineering)

🎯 时代背景 (2020-2022)

随着GPT-3等大型语言模型的出现，人们发现：同样的模型，不同的提问方式，结果天差地别。

核心思想

"不是模型不够聪明，而是我们不会提问。"

关键技术突破

1. Few-Shot Prompting (2020)

• 概念：给AI几个例子，让它模仿
• 示例： 输入: "苹果" → 输出: "水果" 输入: "汽车" → 输出: "交通工具" 输入: "电脑" → 输出: "电子产品" 输入: "香蕉" → 输出: ?
• 影响：证明了上下文学习的能力

2. Chain-of-Thought (CoT) Prompting (2022)

• 提出者：Google Research
• 概念：让AI展示思考过程
• 示例： 问题: 小明有5个苹果，吃了2个，又买了3个，现在有几个？ 思考: 原来有5个，吃了2个剩下3个，买了3个变成6个。 答案: 6个
• 影响：复杂推理任务性能提升40%+

3. Instruction Tuning (2022)

• 概念：通过指令微调让模型更好遵循人类指令
• 代表模型：InstructGPT, ChatGPT
• 影响：从"续写文本"到"遵循指令"的根本转变

工具与生态系统

局限性

1. 上下文窗口有限：早期模型仅支持4K tokens
2. 静态性：一次Prompt，一次响应，无状态
3. 脆弱性：微小改动可能导致输出完全变化
4. 缺乏系统性：每个任务需要重新设计Prompt

标志性事件

• 2020-06：GPT-3发布，Prompt Engineering概念兴起
• 2022-01：Chain-of-Thought论文发表
• 2022-11：ChatGPT发布，Instruction Tuning成为标配

第二阶段：上下文工程 (Context Engineering)

🎯 时代背景 (2023-2024)

上下文窗口从4K扩展到200K+ tokens，但新问题出现：如何有效利用这么长的上下文？

核心思想

"不是信息不够多，而是信息找不到。"

关键技术突破

1. Retrieval-Augmented Generation (RAG) (2023)

• 概念：检索相关文档，注入上下文，生成答案
• 架构： 用户问题 → 向量搜索 → 相关文档 → LLM生成 → 答案
• 影响：成为企业级AI应用的标准架构

2. Vector Databases (2023)

• 代表产品：Pinecone, Weaviate, Qdrant
• 作用：高效存储和检索文本向量
• 性能：毫秒级搜索百万级文档

3. Context Window Management (2024)

• 问题：Context Rot（上下文腐化）—— 上下文越长，模型性能越差
• 解决方案：
• 关键信息提取
• 上下文压缩
• 分层检索

4. Agent Frameworks (2024)

• 代表框架：LangChain, LlamaIndex
• 作用：构建多步骤、带工具的AI工作流
• 特点：工具调用、记忆管理、流程控制

工具与生态系统

局限性

1. 仍然以查询为中心：用户提问 → AI回答的单向模式
2. 缺乏系统化控制：无法确保输出的可靠性和一致性
3. 成本优化不足：每次调用都使用完整上下文
4. 工程复杂性高：需要管理多个组件和集成点

标志性事件

• 2023-03：LangChain v0.1发布，成为最流行的AI框架
• 2023-12：GPT-4 Turbo支持128K上下文
• 2024-06：Claude 3.5支持200K上下文
• 2024-08：Context Rot研究论文发表，揭示长上下文性能下降问题

第三阶段：Harness工程 (Harness Engineering)

🎯 时代背景 (2025-2026)

行业发现：优化AI的工作环境比等待更强的模型更划算。

核心思想

"不是AI不够强，而是环境不够好。"

关键公式

Agent = Model + Harness

Harness = AI Agent中除了模型本身之外的一切

核心技术突破

1. 前馈与反馈控制 (2026)

• 提出者：Martin Fowler
• 概念：
• 前馈控制 (Guides)：行动前的引导（如AGENTS.md）
• 反馈控制 (Sensors)：行动后的检查（如Linter、测试）
• 洞察：仅有前馈会导致重复犯错；仅有反馈会导致不知道规则

2. 计算型 vs 推理型任务分离 (2026)

• 概念：
• 计算型：确定性、快速、低成本（如语法检查）
• 推理型：非确定性、慢、高成本（如架构设计）
• 策略：计算型每次都做，推理型关键时做

3. 渐进式披露 (Progressive Disclosure) (2025)

• 概念：按需加载信息，而非一次性注入全部上下文
• 实现：分层AGENTS.md、Skills模块、Sub-agents

4. 上下文防火墙 (Context Firewall) (2026)

• 问题：Context Rot随上下文增长而恶化
• 解决方案：Sub-agents封装独立任务，只返回压缩结果
• 效果：父线程保持在"智能区"，中间噪声不累积

关键组件详解

1. AGENTS.md：上下文地图

• 原则：100行以内，地图而非百科全书
• 失败模式：大型AGENTS.md会挤掉任务和代码
• 最佳实践：人类撰写，AI生成版本性能下降20%+

2. Skills：指令模块

• 机制：渐进式披露，按需激活
• 结构：SKILL.md + 工具 + 知识库
• 安全警告：需谨慎处理第三方Skills

3. Hooks：生命周期控制

• 触发点：Agent开始/停止、工具调用前/后
• 用途：自动化验证、通知、审批、集成

4. Sub-agents：上下文防火墙

• 架构： 父Agent (昂贵模型，复杂规划) ├── Sub-agent (中等模型，代码搜索) ├── Sub-agent (中等模型，功能实现) └── Sub-agent (便宜模型，简单修复)
• 价值：成本优化 + 上下文管理

行业实践案例

案例1：OpenAI Codex团队 - 零手写代码实验

• 时间：5个月（2025-08至2026-02）
• 代码量：1,000,000行
• 人工编写代码：0行
• 关键方法：
• 100行AGENTS.md作为项目地图
• 分层架构约束
• "垃圾回收"机制（定期自动修复技术债务）

案例2：Can Bölük基准测试 - 编辑工具的力量

• 测试：180任务 × 16模型 × 3编辑格式
• 发现：编辑格式优化比模型升级更有效
• 数据：弱模型性能提升高达64.6个百分点
• 成本：仅~$300测试费，零训练成本

案例3：HumanLayer Skill Issue实践

• 配置点优先级：
• CLAUDE.md / AGENTS.md
• Sub-agents
• Skills
• Hooks
• MCP Servers（需控制数量）

标志性事件

• 2025年底：Viv (@Vtrivedy10) 首次提出Harness Engineering术语
• 2026-02-11：OpenAI发布Harness Engineering文章
• 2026-02-12：Can Bölük发表The Harness Problem
• 2026-03-12：HumanLayer发表Skill Issue
• 2026-04-02：Martin Fowler发表权威分类框架

关键技术突破时间线

2020-2022：提示词工程时代

2020-06 │ GPT-3发布，Prompt Engineering兴起
2020-12 │ Few-Shot Prompting成为标准实践
2022-01 │ Chain-of-Thought (CoT) Prompting论文发表
2022-06 │ Instruction Tuning成为模型训练标配
2022-11 │ ChatGPT发布，Prompt Engineering大众化

2023-2024：上下文工程时代

2023-03 │ LangChain v0.1发布，AI应用框架兴起
2023-06 │ RAG成为企业AI应用标准架构
2023-12 │ GPT-4 Turbo支持128K上下文
2024-03 │ 向量数据库市场规模突破10亿美元
2024-06 │ Claude 3.5支持200K上下文
2024-08 │ Context Rot研究论文发表
2024-12 │ Agent框架月下载量超1000万次

2025-2026：Harness工程时代

2025-08 │ OpenAI Codex团队开始零手写代码实验
2025-12 │ Viv提出Harness Engineering术语
2026-02-11 │ OpenAI发布Harness Engineering文章
2026-02-12 │ Can Bölük发表The Harness Problem
2026-03-12 │ HumanLayer发表Skill Issue
2026-04-02 │ Martin Fowler发表分类框架
2026-04-10 │ 首份Harness Engineering调查报告发布

演进里程碑对比

实践案例对比

同一个任务：开发一个API端点

1. 提示词工程方式 (2022)

请编写一个Python Flask API端点，接收用户注册信息，
验证邮箱格式，保存到数据库，返回用户ID。

问题： - 可能需要多次调整Prompt - 无法保证代码质量 - 没有测试和验证 - 上下文有限，无法提供完整项目结构

2. 上下文工程方式 (2024)

# 使用LangChain + RAG
retriever.search("Flask API best practices")
retriever.search("database schema for user registration")
retriever.search("email validation patterns")

# 注入相关文档到上下文
context = get_relevant_docs()
prompt = f"{context}\n请编写一个Python Flask API端点..."

改进： - 可以获取相关知识和最佳实践 - 基于现有代码库模式 - 支持更复杂的任务

局限： - 仍然是一次性查询-响应 - 缺乏系统性质量控制 - 无法保证架构一致性

3. Harness工程方式 (2026)

1. AGENTS.md提供项目架构约束
2. 激活"Flask API开发" Skill
3. AI生成代码
4. 自动运行Linter和类型检查（反馈控制）
5. 如有错误，AI自我纠正
6. 运行单元测试
7. 生成文档和API说明

优势： - 系统性质量控制 - 架构一致性保障 - 自动化反馈循环 - 成本优化（便宜检查 + 关键时审查）

成本对比分析

关键发现：Harness工程通过预防错误和自动化检查，降低了总体成本。

未来发展趋势

1. 标准化与工具化

• Harness配置标准：行业统一的配置文件格式
• 自动化优化工具：AI自动优化自身Harness配置
• 性能基准测试：标准化的Harness性能评估套件

2. 智能化演进

• 自适应Harness：根据任务类型自动调整配置
• 预测性优化：预判可能失败点，提前加强控制
• 自我演进：AI从失败中学习，改进自身工作环境

3. 专业化分工

• 新角色涌现：
• Harness工程师
• AI环境架构师
• 反馈循环设计师
• 专业化工具：
• Harness配置管理平台
• 性能监控和分析工具
• 团队协作和版本控制

4. 生态系统整合

• 与现有DevOps工具链集成：
• CI/CD流水线
• 监控和可观测性平台
• 安全扫描工具
• 多云和多环境支持：
• 跨云平台部署
• 混合环境管理
• 边缘计算集成

5. 伦理与安全

• 可解释性增强：Harness决策过程透明化
• 安全边界强化：防止越权和滥用
• 合规性自动化：自动验证法规遵循情况

总结与启示

核心演进逻辑

1. 从技巧到系统：单次Prompt优化 → 上下文管理 → 完整环境设计
2. 从被动到主动：等待AI响应 → 指导AI工作 → 设计AI工作方式
3. 从成本中心到价值中心：降低Token费用 → 提高输出质量 → 系统化提效

对技术团队的启示

1. 思维转变

• 从：关注模型版本和Prompt技巧
• 到：关注工作环境设计和反馈循环构建
• 心态：从"AI使用者"转变为"AI工作环境设计师"

2. 技能发展

• 新兴技能需求：
• 系统化思维和架构设计
• 反馈机制和自动化测试
• 成本分析和优化策略
• 团队协作和知识管理

3. 组织变革

• 团队结构：建立专门的Harness工程团队
• 流程集成：将Harness设计纳入开发流程
• 文化建设：从快速试错到系统化可靠性的价值观转变

对技术领导者的建议

1. 投资基础设施建设：Harness工程是新的技术基础设施
2. 培养跨学科人才：需要工程、测试、运维的融合技能
3. 建立度量体系：不仅要度量代码产出，更要度量系统可靠性
4. 拥抱渐进式变革：从简单Harness开始，逐步扩展和优化

最终结论

Harness Engineering不是AI工程的终点，而是工程化思维在AI时代的必然延伸。它代表了从"使用工具"到"设计工具使用方式"的根本转变。正如软件开发从手写代码到使用框架和工具链的演进一样，AI工程正在经历类似的成熟化过程。

未来不属于最会提问的人，也不属于拥有最多数据的人，而是属于最会设计AI工作环境的人。

📚 延伸阅读

必读文献

1. Martin Fowler (2026) - Harness engineering for coding agent users
2. OpenAI (2026) - Harness engineering: leveraging Codex in an agent-first world
3. Can Bölük (2026) - The Harness Problem
4. HumanLayer (2026) - Skill Issue: Harness Engineering for Coding Agents

历史文献

1. Google Research (2022) - Chain-of-Thought Prompting
2. Meta AI (2023) - Retrieval-Augmented Generation
3. Anthropic (2024) - Context Rot in Large Language Models

开源项目

1. oh-my-openagent - 开源Harness工具集
2. LangChain - 上下文工程时代的标准框架
3. Claude Code SDK - 官方开发工具包

文档维护说明：
本文档将每季度更新一次，纳入最新的行业实践和技术突破。
欢迎提交新的案例研究和实践经验分享。

最后更新：2026-04-12 | 文档状态：✅ 生产就绪