ARTICLE · 人工智能
从 Prompt、Context 到 Harness，工程的三次进化与终局之战
一语总结本文系统阐述了 AI 工程从 Prompt Engineering 到 Context Engineering 再到 Harness Engineering 的三次进化，指出三者是嵌套关系而非替代关系，并提出了 Harness 衰变定律和工程师新范式。
文章以 OpenAI 内部 3-7 人团队 5 个月用 AI 生成近 100 万行生产级代码为引子，系统梳理了 AI 工程的三次进化。第一次进化 Prompt Engineering 解决「说清楚」的问题，但模型理解能力提升后其边际效益递减。第二次进化 Context Engineering 解决「给够信息」的问题，涵盖 RAG、上下文压缩、单一事实来源等关键技术。第三次进化 Harness Engineering 解决「系统可靠」的问题，通过上下文治理、验证闭环、技术债清理等策略驾驭 AI。文章强调三者是层层包裹的嵌套关系，并提出了 Harness 衰变定律——模型能力越强所需 Harness 越简单。最后指出工程师的新范式是「Human Steer， Agents Execute」，核心职责从写代码转向定方向、搭架子、做判别。
- AI 工程经历了 Prompt、Context、Harness 三次进化，三者是嵌套关系而非替代关系。
Prompt 解决说什么，Context 解决知道什么，Harness 解决如何可靠运转。没有好的 Prompt，Context 信息无法被正确理解；没有好的 Context，Agent 在信息真空中瞎跑；没有好的 Harness，复杂任务中 Agent 会累积错误最终崩溃。
- Harness Engineering 是当前让 AI 系统可靠运行的必要条件，但存在衰变定律。
模型能力越强，所需的 Harness 越简单。随着模型进化，今天精心设计的许多 Harness 规则未来会被模型能力自然吸收，工程师应动态调整 Harness 厚度，不过度设计。
- 工程师新范式是「Human Steer， Agents Execute」，核心职责从写代码转向设计系统。
工程师的价值体现在搭建的 Harness 系统上，核心职责变为定方向、搭架子、做判别。衡量标准从个人代码产出转向系统杠杆率。
从 Prompt、Context 到 Harness，工程的三次进化与终局之战
文章以 OpenAI 内部 3-7 人团队 5 个月用 AI 生成近 100 万行生产级代码为引子，系统梳理了 AI 工程的三次进化。第一次进化 Prompt Engineering 解决「说清楚」的问题，但模型理解能力提升后其边际效益递减。第二次进化 Context Engineering 解决「给够信息」的问题，涵盖 RAG、上下文压缩、单一事实来源等关键技术。第三次进化 Harness Engineering 解决「系统可靠」的问题，通过上下文治理、验证闭环、技术债清理等策略驾驭 AI。文章强调三者是层层包裹的嵌套关系，并提出了 Harness 衰变定律——模型能力越强所需 Harness 越简单。最后指出工程师的新范式是「Human Steer， Agents Execute」，核心职责从写代码转向定方向、搭架子、做判别。
本文深入剖析了 AI 工程从 Prompt、Context 到 Harness 的三次进化，揭示了 OpenAI 团队如何通过 Harness Engineering 实现百万行代码的自动化生成。它强调了工程师角色从编写代码转向设计可靠 AI 系统的范式转变，为 AI 时代的职业发展提供了深刻洞察。
文章金句
"Human steer， agents execute. 人类掌舵，Agent 执行。
"不要过度设计那些模型未来能自我解决的问题。
"软件工程没有消失，它在进化。从「写代码的人」，进化为「设计让 AI 把代码写好的系统的人」。
"Prompt Engineering 回答：'我该跟模型说什么？' Context Engineering 回答：'模型在回答时该知道什么？' Harness Engineering 回答：'整个 AI 系统该如何可靠地运转？'