https://imx.ink/harness/Recent content in Harness on 提笔忘字Hugozh-CNCopyright © 2023, Xie Ziyao.Sun, 05 Apr 2026 17:00:00 +0800https://imx.ink/tech/2026/04/05/prompt-context-harness-three-shifts/Sun, 05 Apr 2026 17:00:00 +0800https://imx.ink/tech/2026/04/05/prompt-context-harness-three-shifts/<img src="https://f005.backblazeb2.com/file/wml5yw8gwgll/20260505/prompt-context-harness-hero.png" alt="Prompt → Context → Harness 的三级跃迁" style="zoom:50%;" /> <p>最近把一堆关于 Agent / Harness Engineering 的技术分享整理了一遍，发现一个特别清晰的线索——<strong>2023 到 2026 这四年里，AI 工程的&quot;调教对象&quot;发生了三次跃迁</strong>。而且这三次跃迁不是词汇升级，是问题维度的升级。</p> <p>本文记一下这条主线、以及它背后的两个硬事实。</p> <hr> <h2 id="三级跃迁同一张表">三级跃迁：同一张表</h2> <p>这张表最近在很多技术分享里反复出现，基本可以当作行业共识：</p> <table> <thead> <tr> <th></th> <th>2023</th> <th>2024–2025</th> <th>2026</th> </tr> </thead> <tbody> <tr> <td><strong>范式</strong></td> <td>Prompt Engineering</td> <td>Context Engineering</td> <td><strong>Harness Engineering</strong></td> </tr> <tr> <td><strong>在调教什么</strong></td> <td>一句话</td> <td>上下文</td> <td>整个系统</td> </tr> <tr> <td><strong>期望效果</strong></td> <td>模型听话</td> <td>模型懂项目</td> <td><strong>Agent 可控</strong></td> </tr> <tr> <td><strong>可调对象</strong></td> <td>Prompt 文本</td> <td><code>CLAUDE.md</code> / <code>AGENTS.md</code> / <code>SKILL.md</code></td> <td>循环 / 工具 / 权限 / 上下文 / 成本</td> </tr> </tbody> </table> <p>左边的问题是&quot;这句话怎么说更好&quot;，中间的问题是&quot;模型应该看见哪些信息&quot;，右边的问题完全不一样了——</p> <blockquote> <p>整个系统应该怎么运行，才能保证模型在几小时、多轮、多工具、多会话的条件下，仍能稳定交付结果？</p> </blockquote> <p>这不再是对话问题，是<strong>系统工程问题</strong>。</p> <hr> <h2 id="为什么会发生这次跃迁">为什么会发生这次跃迁？</h2> <p>两个硬事实推着它发生。</p> <h3 id="事实一从-l1-chatbot-到-l3-agent单次-token-消耗涨了-100-倍">事实一：从 L1 Chatbot 到 L3 Agent，单次 Token 消耗涨了 100 倍</h3> <p>业界一组被多次引用的数据：</p>