泉源：梅德韦杰夫：俄最严肃的是生齿问题作者： 钟涵靖：

月之暗面联合首创人张宇韬：Agent工程的演进之路

本文来自微信公众号： 潮涌AI ，，，作者：潮涌AI编辑部

当大模子从单次问答的对话工具，，，逐步走向能够自主妄想、循环执行、长时间完成重大使命的Agent，，，整个行业关于AI工程化的刷新重心也在一连迁徙。。。。。。

现在，，，行业真正要攻克的命题，，，是搭建一套完整运行情形，，，支持模子自主完成小时级闭环使命。。。。。。

大模子自身的明确、推理、妄想能力一连涌现，，，与之配套的工程要领论也要同步完成迭代。。。。。。

7月3日，，，月之暗面联合首创人张宇韬在“2026全球数字经济大会人工智能融合应用生长论坛”上揭晓了《从Prompt到Harness，，，Agent工程的演进之路》主题演讲，，，完整梳理了大模子三段手艺演进脉络，，，连系团队落地Agent的实践履历，，，拆解新一代Agent工程的底层逻辑、焦点原则与恒久生长思绪。。。。。。

以下是张宇韬演讲实录，，，经潮涌AI整理宣布：

三个热词：

Prompt→Context→Harness Engineering

很是幸运能够来这里分享，，，模子厂商关于AI工程化以及整个AI构建Agent实践中的Know-how。。。。。。

大模子从2023年生长到现在，，，着实履历了许多一直迭代的历程。。。。。。

整个旅程中有三个热词：

2023年ChatGPT刚宣布的时间，，，我们一直在强调的看法是Prompt Engineering。。。。。。

2024年演化到Context Engineering。。。。。。

到2026年，，，现在最热的一个词叫HarnessEngineering。。。。。。

这三个词意味着什么
？？？？

第一，，，我们要问问题。。。。。。怎样在聚焦的情形下，，，在有限的上下文中把问题讲清晰，，，让AI能够精准回覆——这是PromptEngineering。。。。。。

第二，，，ContextEngineering。。。。。。当上下文空间、模子的窗口扩展以后，，，我们怎样能够去提供更充分、更精准的信息，，，让模子完成更重大的使命。。。。。。

第三，，，Harness Engineering。。。。。。随着模子能力一直提升，，，模子已经不局限完成单轮使命、回覆一个问题，，，而是可以做一个小时级别以上的重大使命。。。。。。你怎样让它通过一个循环历程，，，一直自我探索，，，最终完成。。。。。。

1、2023：Prompt Engineering时代，，，4K上下文的局限

我们把时间回到2023年。。。。。。

谁人时间点，，，面临ChatGPT刚宣布，，，我们有一个很疑心的地方：它只支持4K的上下文空间。。。。。。在这样的上下文空间，，，你能够做的事情很是局限。。。。。。你需要很是精妙地使用这个空间，，，把你的问题提出来，，，把你的使命安排下去。。。。。。

以是，，，谁人时间我们一直强调怎样做好PromptEngineering。。。。。。实质就是在有限的上下文空间中，，，怎样更精准地把问题安排给模子，，，让它完成。。。。。。并且谁人时间模子的智力是有限的，，，以是你怎样适配模子关于Prompt的明确很是主要。。。。。。

2、2024：ContextEngineering时代，，，工具挪用进入上下文

时间来到2024年。。。。。。谁人时间各个模子的上下文窗口最先扩展了，，，从4K到32K到128K，，，甚至是1兆以上的上下文窗口。。。。。。并且模子能力有一定提升以后，，，我们最先实验让模子不但是回覆问题，，，而是做一些更重大的使命。。。。。。

这个时间我们引入了上下文工程的看法。。。。。。我们要把工具的挪用聚焦到上下文空间中，，，让模子给它足够的信息和很好的组织，，，让它使用外部信息，，，就可以让模子完成更重大的使命。。。。。。这是这个阶段我们聚焦的事情。。。。。。

3、2026：Harness Engineering时代，，，小时级使命的拐点

随着模子能力的一直提升，，，我们看到一个拐点。。。。。。

原来的模子能力有限，，，关于指令的遵照能力有限，，，关于明确一个长使命能力有限，，，它能够完因素钟级别的使命——这个分钟级别的使命通常在一个上下文空间中能够体现清晰。。。。。。

现在我们看到模子有充分能力可以做小时级别以上的使命。。。。。。这个情形下，，，我们必需给模子一个更好的情形空间，，，让它充分验展自己的能力。。。。。。

这个时间点，，，模子的局限已经不再于模子能力自己，，，而是在于怎样给它足够好的空间让它可以施展。。。。。。

这个情形我们思索怎样结构一个情形去驱动它，，，让它在闭环中自己解决问题。。。。。。这就是所谓的Harness Engineering。。。。。。

听起来是很漂亮的词，，，但所谓的Agent实质上很是简朴，，，着实就是一个循环。。。。。。

关于代码开发职员就是一个while循环。。。。。。这个模子没有解决的时间，，，它自己探索下一步应该做什么，，，自己决议下一步应该做什么，，，然后执行这个决议，，，然后看是不是告竣效果。。。。。。若是遇到了过失，，，它想怎样从过失中恢复过来，，，是不是让人介入解决这些问题。。。。。。最终看有没有解决问题——若是这个问题已经被解决，，，使命完成了就竣事循环；；；若是没有解决，，，继续循环。。。。。。

这就是Agent工程，，，它着实都在解决这一个问题。。。。。。

脚手架哲学：模子能力提升后实时撤掉

我们需要做的就是在这个循环内更好地界说Agent框架，，，让它在充分清静的情形中自由探索，，，并且让它发明怎样去解决，，，给它足够好的工具，，，可以让它去施展。。。。。。

以是，，，这三个看法，，，不是三个完全自力的看法，，，着实是一个递进的看法，，，甚至是一个包括的看法。。。。。。

现在整个Agent工程中，，，我们需要思量怎样设计好Prompt，，，让它更清晰地让模子明确用户意图。。。。。。同时我们做好Context，，，把外部工具、更好的工具可以注入进来、组织好，，，让它充分明确。。。。。。最终构建一个更好的Harness，，，让它以很是自信、很是自洽的方式来执行。。。。。。

前面生数科技首创人朱军先生提到了Bitter Lesson的看法。。。。。。

这是我们所有做模子的人一直思索的问题：怎样让一个更通用的方式解决所有的问题，，，而不是用人工的方式去适配、一直去界说它。。。。。。由于通常来说，，，随着模子的一直提升，，，那些人工的界说通常都会失效，，，甚至成为肩负。。。。。。

以是，，，我们自己在做AI工程的时间也会思索这样的问题。。。。。。

有一个误区：我们需要精妙地设计一个框架来让模子施展得很好。。。。。。可是现实上真正的历程并不是这样。。。。。。真正的历程是用模子的界线、能力界线来界说究竟这个框架怎么实现。。。。。。

在这个历程中，，，我们通常；；嵴饷词褂茫合裙菇ㄕ庋目蚣埽，让模子最先试探，，，发明能力界线，，，发明有什么问题。。。。。。

当它有问题的时间，，，我们引入一些脚手架，，，这些脚手架可以让它拔高一点，，，在现有能力下做凌驾它能力的事情。。。。。。随着模子一直提升，，，这些脚手架实时撤掉，，，这样它未来不会成为模子的累赘。。。。。。

举个例子。。。。。。

随着模子能力提升，，，我们视察到，，，小模子已经成为整个链路中的一个瓶颈。。。。。。

由于一个小模子，，，好比几百兆或者1B的小模子，，，它的智力远远不如上TB的大模子的智力。。。。。。它做一个前置判断，，，可能会导致整个问题的准确率成为所有人的瓶颈。。。。。。

模子可以完成很是重大的多轮搜索的使命，，，甚至解决人都欠好解决的问题。。。。。。

这是一个很是主要的视察，，，也是很是切合Bitter Lesson的原则。。。。。。

Agent工程的四个焦点原则

迭代这些AI工程的时间，，，我们也在思索。。。。。。

这个范式很是简朴：不管视察目今状态下，，，这个模子有没有解决问题，，，去思索我应该怎么解决这个问题，，，去执行，，，发明问题以后怎样给它过失的回馈机制，，，最终一直循环。。。。。。

模子的能力是一个一直涌现的历程。。。。。。

我们没法很早界说现在的状态应该用什么解决方案，，，甚至我明确关于整个天下最头部的这些AI公司，，，他们也没有准确谜底。。。。。。由于某些能力是迭代中一直涌现出来的。。。。。。

这个情形之下，，，我们不应该限制框架应该做什么，，，而是随着模子的前进，，，我们给它更好的助力，，，并且找到它当下的界线。。。。。。

这也是我们自己做AI工程、做Agent工程的时间总结出来的原则：

第一，，，适才提到Agent实质就是一个很简朴的工具，，，我们不要给它增添重大性。。。。。。

第二，，，怎样把对的信息、合适的信息、更主要的信息放进上下文，，，使用好这个窗口。。。。。。这是它最主要的事情，，，是决议模子能力能不可施展的事情。。。。。。

第三，，，我们要很好地设计这些工具。。。。。。所谓的工具关于模子来说，，，就像编程中的接口设计一样，，，需要足够清晰，，，不可有歧义。。。。。。否则这些工具，，，模子用欠好，，，甚至还会给模子增添肩负。。。。。。

第四，，，关于模子的影象系统，，，它没有完善的解决方案。。。。。。由于模子上下文空间有限，，，并且关于上下文空间的掌控能力也有限，，，以是，，，在一致性和创立性之间需要做一个权衡。。。。。。这个历程中，，，可以选择把所有的信息放在上下文中，，，让它一直自我生长；；；也可能引入一些压缩的机制，，，包括总结的机制，，，或者是一些筛选的机制，，，让它可以更精准地去掷中一些更主要的信息。。。。。。这着实是我们在实践中一直探索的事情。。。。。。

权衡Agent的价值：人类有多信任它

适才提到Bitter Lesson，，，我们让模子自由探索、自由试错、去反馈。。。。。，基于反馈去一直衍生、一直自我生长，，，会优于我们用精妙的设计来预定好一个框架让它去执行。。。。。。

最后一点，，，先做一个最好的闭环，，，让模子先在闭环中跑起来，，，在这个历程中自然生长，，，而不是预先思索怎样结构一个重大系统。。。。。。

这是我们做好Agent的历程中的焦点思绪。。。。。。

我们权衡一个Agent的价值，，，不再是单次实践能够做出最强能力的工具，，，而是我们人类有没有信任给它，，，让它可以去做重大的使命。。。。。。

着实权衡一个模子的价值，，，人类越自信地可以松手让它做，，，它的价值就更高。。。。。。

这个历程中，，，我们怎样构建一个足够好的情形，，，让人类可以充分信任，，，模子可以充分验展，，，并且不会搞砸事情，，，让自我探索的能力施展到极致——这就是我们以为最有价值的Agent。。。。。。

整个Agent工程中，，，焦点解决这个问题：怎样让人越发信任Agent去自由地施展。。。。。。

以上就是我们自己，，，无论是模子迭代照旧AI工程迭代中，，，我们自己的思索。。。。。。很是谢谢各人！

本内容由作者授权宣布，，，看法仅代表作者自己，，，不代表虎嗅态度。。。。。。如对本稿件有异议或投诉，，，请联系 tougao@huxiu.com。。。。。。

本文来自虎嗅，，，原文链接：https://www.huxiu.com/article/4873532.html?f=wyxwapp