AI 从 Prompt engineering、context、harness、loop 的进化过程
4 件事不是替代，是叠加
Karpathy 在 2025 年 6 月的一次公开演讲中提到一句话："The hottest new programming language is English." 这句话背后是 AI 工程化两年多来一个反复出现的事实，大模型的能力曲线不再是单线推进，而是沿着几条不同的工程维度同时演进。
如果把这两年多的工程化实践按时序拆开，可以归纳成 4 件事：Prompt engineering、Context engineering、Harness、Loop。每一步都在解决上一步的硬伤，每一步也引入了新问题。
下面按时间顺序展开。
Prompt engineering（2022-2023）：把话说对
2022 到 2023 年，prompt engineering 是 AI 应用唯一的工程化方向。Anthropic 在其官方文档中给出了一套相对完整的方法论。DAIR.AI 的 "Prompt Engineering for LLMs" 课程、OpenAI 的 GPT best practices 也围绕这一主题。CoT（Chain of Thought）、Few-shot、Role prompting、ReAct 这几个核心技巧构成当时的事实标准。
它解决的问题很具体：让 LLM 在单次调用里给对的输出。
它没解决的问题也明显：
- 不可靠。同一个 prompt 跑 10 次，3 次好、4 次一般、3 次跑偏。这一限制在多家厂商的官方文档中都有提及。
- 知识截止。LLM 不知道自己知识截止日期之后的事情，也读不到用户的内部文档。
- 无状态。对话窗口一断，模型就忘了刚才的上下文。
prompt engineering 解决的是 LLM 的最后一公里问题，但 LLM 本身并不是为最后一公里设计的。
Context engineering（2024）：把信息塞对地方
2024 年这件事有个明显的转折点：上下文窗口（context window）从 4K 涨到 100K、200K，Gemini 1.5 Pro 把数字推到 1M-2M token。
但窗口大不等于模型能稳定用好这个窗口。Drew Breunig 在 2024 年 6 月发表的文章 "How Long Contexts Fail" 中系统列举了几类失效模式：context poisoning（上下文投毒）、context distraction（上下文分心）、context confusion（上下文混淆）、context clash（上下文冲突）。他用具体案例说明：把无关信息塞进长上下文，反而会让模型忽略关键信息。
Context engineering 解决的是信息怎么进 prompt 才有效。具体包括：
- RAG：把外部文档检索出来塞进 prompt
- 长上下文管理：哪些信息放前面、哪些放后面、哪些要压缩
- Memory 系统：把对话历史压缩成结构化记忆
- Tool result 处理：工具输出动辄几千 token，怎么截断、怎么摘要、怎么只保留关键字段
Anthropic 在其官方研究索引上发布的 "Building Effective Agents" 报告是这一阶段工程化思考的代表性总结。stanfordnlp/dspy 这种把 prompt 当程序编译的框架也是同一时期的产物。
它解决的问题是 prompt engineering 留下的知识盲区。
它没解决的问题是：就算上下文塞对了，模型也只能给出"一次回答"，不能给出"一个结果"。要让 LLM 真的把代码改好、把数据查出来、把任务跑完，光有好的上下文不够，还得给它一个能"动手"的环境。
Harness（2025）：把 LLM 嵌进 I/O 循环
Harness 是 2025 年开始被反复提到的工程概念，本质是把 LLM 装进一个有输入、有输出、有工具的环境里。Anthropic 发布的 Computer Use 是早期代表。Claude Code、OpenAI 的 Codex CLI、智谱的 ZCode（详见 skillhub.cn 的相关 skill 描述）都是这一阶段的工程产物。
Harness 的工程含义可以拆为四层：
- 给 LLM 一个 terminal：它能跑命令、看输出
- 给 LLM 一组工具：它能读文件、写文件、调 API
- 给 LLM 一个状态机：它能知道"现在在改哪个文件、之前改了什么、下一步该做什么"
- 给 LLM 一个反馈通道：它能根据工具输出决定下一步
Harness 解决了 context engineering 留下的行动能力盲区。LLM 不再只是"回答"问题，它能"做"事。
但 harness 本身有个被低估的副作用：它把 prompt 的"输出"从"一段文本"变成了"一个对世界的副作用"。Prompt 跑偏了，最坏就是输出废文本。Harness 跑偏了，最坏是 LLM 删了文件、发错邮件、给数据库 drop 表。Anthropic 的 Claude Code 系统提示中专门有一段讲"不要在用户没确认的情况下删文件、不要 force push、不要 force checkout"。这不是 prompt engineering 范畴的安全问题，是 harness 范畴的安全问题。
Cursor 在其工程博客的 "Cloud Agent Retrospective" 中给出一组判断：把 AI 编程智能体搬上云端后，决定输出质量的第一要素不是模型有多强，而是智能体能不能拿到一个完整的开发环境。环境缺一点，质量降一截，但报错信息不会告诉你缺在哪。
Harness 是 2025 年 AI 应用层最重要的工程创新，但同时把整个系统的可靠性门槛抬高了一个量级。
Loop（2026）：把单次执行变成迭代
Loop engineering 是 2026 年初被认真讨论的方向。代表性开源工作有 langchain-ai/langgraph 等 LangChain 生态项目。
Loop 解决的是 harness 留下的单次执行失败率问题。逻辑很简单：harness 再完善，LLM 在长程任务里也一定会跑偏。与其试图让单次执行完美，不如把任务切成小段，每段跑完回头检查，不对就重试、对了就往下走。
Loop 的工程模式有几种：
- Retry loop：失败就重试，最多 N 次
- Verify loop：每步完成后跑验证（lint、test、type check），不通过就回退
- Iterate loop：跑一版，看输出，调整 prompt，再跑
- Pipeline loop：多个 loop 串联，前一个 loop 的输出是后一个 loop 的输入
Loop 是双刃剑。它把 LLM 的"幻觉特性"放大成了系统性的稳定性问题。单步 90% 准确率，跑 10 步的 loop 准确率是 0.9 的 10 次方 ≈ 34.9%。Loop 不是让 LLM 更可靠，是把单步不可靠变成多步累计的不可控。
怎么解？靠 loop 本身：验证 loop、检查点 loop、回滚 loop。Loop engineering 实际上是用工程复杂度换系统稳定性。这跟传统软件工程里"用更多测试换更少 bug"的逻辑是同构的。
综合判断
把这 4 件事摆一起看：
| 阶段 | 核心问题 | 留下的硬伤 |
|---|---|---|
| Prompt engineering | 怎么把话说对 | 不可靠、无状态、无知识 |
| Context engineering | 怎么把信息塞对 | 没有行动能力 |
| Harness | 怎么让 LLM 能动手 | 副作用爆炸、可靠性不可控 |
| Loop | 怎么让多步执行稳定 | 把幻觉放大成系统问题 |
综合上述资料，这 4 件事没有一件会死，每一件都在新维度上重新需要。
"prompt engineering 已死"是误读，harness 的系统提示、loop 的每一步决策，仍然是 prompt engineering。变的是 prompt 的形态：从一段静态文本变成有上下文、有反馈、有迭代的动态系统。
"context engineering 是终极形态"也是误读，没有 harness，context 塞进去也只是一段更好的文本，模型还是只能"说"不能"做"。
2026 年真正能跑起来的产品，是4 件事都做对的。Prompt 是 LLM 的嘴，Context 是 LLM 的记忆，Harness 是 LLM 的手脚，Loop 是 LLM 的工程纪律。少任何一件，agent 都跑不长。
一个未解决的问题
Loop 把可靠性问题转化成了工程纪律问题。但谁来写这个 loop？是 LLM 自己（autopoietic loop）还是人写死的（fixed loop）？
目前公开资料中，主流框架（langgraph 等）都倾向于 fixed loop 加 LLM-as-judge 验证。中期看，LLM 写 loop、人类写 verify 的混合模式可能成为主流；长期方向，公开讨论中尚无共识。
这个问题短期内不会有标准答案。
引用来源
- Anthropic Prompt Engineering Docs（blog, 2024-09-01）— https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering
- Anthropic Research Index（blog, 2024-12-19）— https://www.anthropic.com/news
- Drew Breunig 博客（How Long Contexts Fail 作者）（blog, 2024-06-27）— https://www.dbreunig.com/
- Cursor Engineering Blog（Cloud Agent Retrospective）（blog, 2025-04-15）— https://cursor.com/blog
- langchain-ai/langgraph（github, 2024-01-01）— https://github.com/langchain-ai/langgraph
- stanfordnlp/dspy（github, 2024-02-01）— https://github.com/stanfordnlp/dspy
