什么值得买App下载 App ›
连续签到专享现金活动

万字长文图解 Harness 工程:从 Prompt、Context 到Harness 演进

AI 工程领域的核心关注点在过去两年间经历了三次重心转移:从最初的 Prompt Engineering(提示词工程)到 Context Engineering(上下文工程),再到如今的 Harness Engineering(驾驭工程)。这一演进路径并非简单的概念更迭,而是随着 AI 应用从“回答问题”向“执行任务”转变的过程中,工程化需求层层递进的必然结果。本文将深入解析 Harness Engineering 的起源、定义、核心架构以及大厂落地的实战原则,揭示如何构建一套能让 Agent 在真实环境中稳定运行的系统级工程能力。
01起源与定义:从复利效应到 Agent 公式
Harness Engineering 这一概念最早由 Mitchell Hashimoto 在 2026 年 2 月 5 日的博客《My AI Adoption Journey》中正式提出。Hashimoto 将自己从“不信 AI”到“利用 Agent 替代工作”的过程拆解为 6 个步骤,其核心思想在于“Engineer the Harness”:每次当 Agent 犯错时,不要只是手动修复,而是通过工程化手段将解决方案沉淀到环境中,使其在结构上永久性规避同类错误。
这套做法的威力在于其“复利”效应:环境随每次错误修复而变强,Agent 随之更少犯错,从而加速改进。随后,OpenAI 发布博客《Harness engineering: leveraging Codex in an agent-first world》,分享了其团队 5 个月内利用 Agent 编写 100 万行代码的实践,正式将这一概念推向风口。在业内流传的等式简洁地概括了其定义:
Agent = Model + Harness
即在一个 AI Agent 系统中,除模型本身外,几乎所有决定其能否稳定交付的因素都属于 Harness。
02演进逻辑:从表达到信息的工程化升级
AI 工程的三个阶段并非替代关系,而是包含关系:Prompt 是 Context 的一部分,Context 是 Harness 的一部分。每一阶段都是为了解决上一阶段在更复杂场景下暴露出的天花板问题。
阶段核心关注点解决的核心问题局限性
Prompt Engineering表达层:意图与指令模型不是不会,而是你没把问题说明白无法补全未知知识,不擅长管理动态信息,难以维持长链路状态
Context Engineering信息层:上下文供给模型未必知道,系统须在合适时机送入正确信息解决了“单步”输入优化,但无法监督长链路执行过程中的跑偏与失控
Harness Engineering系统层:过程驾驭怎么让模型不跑偏、跑得稳、出了错能兜底工程复杂度极高,需要构建完整的运行环境与反馈闭环

AI 工程三个阶段的演进对比

03架构解构:成熟 Harness 的六层核心组件
通过对 OpenAI、Anthropic、LangChain 等顶级团队的实践分析,一个成熟的 Harness 通常包含六层核心组件。这六层可归纳为三组能力:看得准(输入侧)、做得对(编排侧)、错了能兜底(时间侧与系统侧)。
  1. 输入侧:感知与工具
    核心工作是精炼输入信息(Just-in-time Retrieval)而非一股脑塞入,以及管理工具调用(选择、时机、结果回传),避免上下文腐化。
  2. 编排侧:规划与记忆
    包括为 Agent 提供明确的工作轨道(如 ReAct 模式),以及分层管理状态(任务状态、会话状态、长期记忆),确保跨轮连贯性。
  3. 系统侧:评估与恢复
    建立评估集作为度量尺,利用 Trace 跟踪每步决策。同时建立约束、校验与恢复机制,确保失败后有预案,实现从“能跑”到“生产可用”的跨越。
04落地原则:大厂实战中的五大难题与解法
在实际落地过程中,大厂遇到了诸多隐蔽且棘手的工程难题。解决这些问题的核心思路不再是“调模型”,而是“设计环境”。以下是从实战中提炼的五条关键原则。
难题现象大厂解法核心原则
长链路任务中 Agent 出现“上下文焦虑”,开始丢细节、急收尾Anthropic 提出Context Reset:换掉旧上下文,将状态外化到文件系统,让 Agent 在干净窗口接力重启胜过修补,状态沉到文件里
Agent 自我评估缺乏客观性,无法发现自身错误Anthropic 实施“三角分工”:将生产者、验收者、规划者分离,验收者必须接触真实环境生产与验收分离,验收需触达真实世界
Agent 反复失败,工程师本能反应是调 Prompt 或换模型OpenAI Codex 团队:人类不写代码,只负责设计环境(Linter、测试、工具),让 Agent 自纠错失败时要问“环境缺什么”,而非“模型行不行”
规则文件(如 AGENTS.md)越长,模型注意力越被稀释,效果越差OpenAI 改用“目录页”策略,实施渐进式披露,仅加载当前任务必需的规则规则文件宁缺毋滥,少即是多
AI 产出的代码会模仿库中坏模式,形成 AI Slop,人工清理跟不上OpenAI 将技术债偿还自动化,设计 Agent 每天自动偿还债务,而非集中清理技术债不应集中还,而应每天自动还一点

大厂落地 Harness 的五大实战原则

此外,OpenAI 还发现一个反直觉现象:Agent 对那些被人类认为“Boring”的老技术栈掌握得更好。这是因为老技术在训练数据中示例更多、API 更稳定、组合性更好。因此,在设计 Agent 的运行环境时,不要一味追求新技术栈,稳定且文档齐全的老技术往往能让 Agent 运行得更稳。
05总结:工程师角色的转变
AI 落地的核心挑战正在从“让模型看起来更聪明”转向“让模型在真实世界里稳定工作”。模型决定了 Agent 的天花板,但 Harness 决定了其能否落地与交付。未来的程序员,其价值将不再是亲手写多少行代码,而是能为 Agent 设计出一套多么高质量的运行环境。

评论

评论区空态插画

当前文章无评论,是时候发表评论了