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

熟悉中国社会和中华文化的主要窗口