在模型眼里，一切都是 token。但人类怎么组织这些 token，决定了 AI 能做到什么。

引言：三个词背后的一场认知升级

如果你关注 AI 领域，这一年一定被这三个词轮番轰炸过：Prompt Engineering、Context Engineering、Harness Engineering。

很多人的第一反应是——「又造新词？换个说法而已吧？」

但仔细琢磨你会发现，这三个概念其实精准地标记了我们与大模型协作方式的三次进化。它们不是文字游戏，而是真实反映了一个核心问题的不断深化：

我们到底该给模型什么，才能让它真正好用？

今天这篇文章，我想从「本质」聊起，串联它们的演进脉络，厘清它们的区别，最后回到一个实用问题——理解这些概念，对我们设计 Agent 到底有什么用。

一、先回到本质：在模型眼里，一切都是 Token

在讨论之前，我们先建立一个共识：

无论你写的是 Prompt、注入的 Context、还是搭建的 Harness 系统——到了大模型那里，统统被序列化成一连串的 token。

模型并不知道什么是「用户消息」「工具返回值」或「检索到的文档片段」。对它来说，这些都只是输入序列中的 token，它的工作是基于这些 token，预测下一个 token。

所以本质上，Prompt Engineering、Context Engineering、Harness Engineering，都在回答同一个问题——

如何把「对的信息」，以「对的方式」，放进模型的上下文窗口里？

只不过，随着模型能力的增强和应用场景的变复杂，我们对「对的信息」和「对的方式」的理解在不断深化。

这三个概念，就是这种深化的三个台阶。

二、演进之路：从“写好一句话”到“搭好整个环境”

第一阶段：Prompt Engineering（2020–2023）——学会「怎么问」

时代背景： GPT-3 横空出世（2020），人们第一次发现，同样一个模型，你问法不同，结果天差地别。

核心问题： 怎么措辞，才能引导模型给出更好的回答？

关键技术节点：

  • 2020年：GPT-3 发布，1750 亿参数，Few-shot Prompting 成为标配。 2022年 ：Google 研究者提出 Chain-of-Thought (CoT)，让模型“说出推理过程”，准确率大幅提升。同年 10 月，ReAct 论文发表，首次将推理与行动结合。
  • 2022年底：ChatGPT 发布，Prompt 从研究圈进入大众视野，各种“提示词模板”和“魔法咒语”满天飞。
  • 2023年：Tree-of-Thought 等高级 Prompting 技术涌现；ReAct 在 ICLR 2023 上正式发表，推动 Agent 研究热潮。

本质： 这个阶段，我们把注意力放在「那一句话」上。你是一个用户，面对一个对话框，你的武器是语言本身——角色设定、示例、思维链、输出格式要求……

这是 「用户视角」 的优化。你在学的是——如何做一个「会问问题的人」。

局限在哪？ 当你从「写一篇文章」变成「让 AI 帮我处理整个工作流」时，单靠一句好 prompt 远远不够了。

第二阶段：Context Engineering（2024–2025）——学会「喂什么」

时代背景： 模型能力飙升（GPT-4、Claude 3、Gemini），上下文窗口从 4K 扩展到 128K 甚至更长。RAG（检索增强生成）成为企业级应用标配，Agent 概念开始落地。

核心问题： 模型够聪明了，问题变成了——它看到的信息够不够、对不对？

标志性事件：

  • 2025 年 6 月，OpenAI 创始成员、前特斯拉 AI 总监 Andrej Karpathy 发推定义： “Context Engineering 是一门精巧的艺术与科学——用恰好正确的信息填满上下文窗口，让模型完成下一步任务。”
  • Shopify CEO Tobi Lutke 紧跟表态： “我真的更喜欢'Context Engineering'这个词，而不是 Prompt Engineering。它更好地描述了核心技能：为任务提供所有上下文，让 LLM 有可能解决它。”

本质： 这个阶段，关注点从「那一句话」扩展到了「整个信息环境」。

Context Engineering 要解决的问题包括：

  • 该检索什么？ （RAG 策略、知识库设计）
  • 该记住什么？ （短期对话历史、长期记忆管理）
  • 该告诉模型哪些工具可用？ （Tool schemas、API 描述）
  • 该提供什么用户背景？ （偏好、角色、项目上下文）
  • 该裁剪什么？ （上下文窗口有限，什么该丢弃？）

打个比方——如果 Prompt Engineering 是「学会点菜」，Context Engineering 就是「为厨师备好所有食材」。你不能指望厨师用空气做菜，也不能拉一车杂七杂八的原料堆在那儿。

这是 「开发者/架构师视角」 的优化。关注的不再是一次对话，而是一个系统如何持续、动态地为模型组装上下文。

第三阶段：Harness Engineering（2025–）——学会「搭环境」

时代背景： AI Agent 从概念走向产品。Gemini CLI、Claude Code、OpenAI Codex 等产品让 Agent 真正开始「干活」。MCP（Model Context Protocol）等协议出现，Agent 可以调用的工具、数据源爆炸式增长。

核心问题： 光有好的上下文还不够——模型需要被「套上一整套基础设施」，才能可靠地完成复杂任务。

“Harness”是什么意思？

Harness 直译是「挽具」——套在马匹身上的一整套装备，让马可以拉车、控制方向、保持稳定。

Harness Engineering，就是围绕大模型建造的那一整套「脚手架」系统，它管理模型核心推理能力之外的一切：

组件作用
记忆系统短期上下文 + 长期知识库，让模型跨会话记住信息
工具调用层定义模型可以使用哪些外部工具、API
编排引擎多步骤任务的流程控制、状态管理
护栏机制输入/输出验证、安全规则、行为约束
反馈回路测试-修复循环、自我纠错机制
可观测性日志、追踪、调试、评估基础设施

本质： Harness Engineering 不是在优化「一次调用」，而是在设计 「模型运行的整个生态环境」。

如果说 Prompt Engineering 是「写好一句台词」，Context Engineering 是「准备好整个剧本」，那 Harness Engineering 就是 「搭好整个剧场」——灯光、音响、舞台机械、安保、调度系统，让演员（模型）在里面能把戏演好、演稳、演安全。

三、怎么理解三者的区别？一张图说清楚

维度Prompt EngineeringContext EngineeringHarness Engineering
关注什么那一句指令整个信息输入整个运行环境
谁在用终端用户应用开发者系统架构师
类比写好一道题准备好一整套试卷搭建整个考场
解决的问题模型「听不懂」模型「不知道」模型「做不稳」
技术典型CoT、Few-shotRAG、Memory、Tool SchemaGuardrails、Orchestration、Observability
关键词措辞、格式、示例检索、记忆、裁剪约束、编排、反馈

为什么现在开始强调「环境」？

答案很直接：因为模型变强了，但场景变复杂了。

2023 年，大模型的主要用法还是「对话」——你说一句，它回一句。这种场景下，Prompt Engineering 就够用了。

但 2025 年的 Agent 是什么样的？

  • 它需要读代码、改代码、跑测试、看日志
  • 它需要搜网页、查数据库、调 API
  • 它需要记住上一步做了什么、下一步该做什么
  • 它需要在出错时自动回退、重试
  • 它需要在多个子任务之间分配和协调

这种场景下，一句「好好写代码，你是专家」完全无法胜任。模型需要的不是一句好 prompt，而是 一个靠谱的运行环境——有记忆、有工具、有规则、有反馈。

这就是为什么行业注意力从 Prompt → Context → Harness 逐步转移的原因。

四、理解这些概念，对设计 Agent 到底有什么用？

如果你正在做 Agent 相关的产品或开发，理解 Prompt → Context → Harness 的演进，可以帮你避免几个常见的认知陷阱：

❌ 陷阱一：「Agent 效果不好？换个 Prompt 试试」

很多团队在 Agent 表现不佳时，第一反应是改 Prompt。但真正的问题往往不在 Prompt，而在 Context 或 Harness 层。

比如：

  • 模型回复不准确 → 可能不是措辞问题，而是 没有检索到正确的知识 （Context 问题）
  • 模型做了一步就卡住 → 可能不是指令不清，而是 缺少状态管理和编排逻辑 （Harness 问题）
  • 模型胡说八道 → 可能不是它不听话，而是 缺少输出验证和护栏 （Harness 问题）

❌ 陷阱二：「给模型越多信息越好」

Context Engineering 强调的不是「把一切都塞进去」，而是 精选 和 裁剪。

上下文窗口虽然越来越大，但不是无限的。而且更重要的是——注入无关信息不仅浪费 token（也就是浪费钱 💰），还会 干扰模型的注意力，导致输出质量下降。

好的 Context Engineering 是一种 减法艺术：只给模型「恰好需要的信息」。

✅ 正确姿势：分层思考，分层设计

设计一个 Agent 时，你应该在三个层面分别投入精力：

┌─────────────────────────────────────┐
│  Harness Layer（系统层）             │
│  编排、工具、护栏、可观测性           │
├─────────────────────────────────────┤
│  Context Layer（信息层）             │
│  检索策略、记忆管理、上下文裁剪       │
├─────────────────────────────────────┤
│  Prompt Layer（指令层）              │
│  系统提示、角色设定、输出格式         │
└─────────────────────────────────────┘
  • Prompt 层：定义模型的「人设」和行为准则。这是基础，但只占整体工程量的 10-20%。
  • Context 层：决定模型「看到什么」。这直接影响输出质量，是 Agent 好不好用的关键。
  • Harness 层：保证模型「跑得稳」。这是 Agent 从 Demo 走向产品的分水岭。

五、一个有意思的思考

回顾这条演进路线，你会发现一个有趣的规律：

我们对「AI 怎么变强」的理解，正在从「模型本身」转向「模型之外」。

  • 早期：模型不行？换更大的模型！
  • 中期：模型够大了？写更好的 Prompt！
  • 现在：Prompt 也到极限了？给它搭更好的环境！

越来越多的行业实践者开始意识到一个规律：

“围绕模型的基础设施，对 Agent 最终效果的贡献，往往超过底层模型本身。”

这不是说模型不重要，而是说——当模型能力到达某个阈值之后，差异化（differentiation）的关键就转移到了模型之上的 Context 和 Harness 层。

这也解释了一个行业现象：为什么不同团队用同一个底层模型，做出的 Agent 效果天差地别？

因为他们的 Harness 不同。

结语：从「说对话」到「做对事」

Prompt Engineering 教会我们如何「与 AI 对话」。

Context Engineering 教会我们如何「让 AI 理解」。

Harness Engineering 教会我们如何「让 AI 做事」。

这三层不是互相替代的关系，而是层层递进、相互包含的。一个优秀的 AI Agent系统，三层一个都少不了。

在大模型能力已经足够强的今天，真正的竞争力正在从「谁有更好的模型」，转向 「谁能为模型构建更好的运行环境」。

对于每一个想要用好 AI 的开发者和产品人来说，现在最值得投入的技能，可能不是写 Prompt——而是做 Context Engineering 和 Harness Engineering。

因为到最后，在模型眼里，一切都只是 token。

但同样的token，放在不同的系统里，能产生截然不同的力量。