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
近年来 ， ，，口岸查获的禁限品中 ， ，，毒品是较为常见的一种。。。。。克日在云南省普洱市的孟连口岸 ， ，，海关关员查获了一起使用高跟鞋走私毒品入境案件。。。。。
责任编辑：李奇臻 校对：林承翰