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 ，，，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、去反馈 ，，，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
