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
；；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。。。。。，，，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