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
