月之暗面张宇韬：从Prompt到Harness，Agent工程演进三部曲

当大模型从单次问答工具走向自主规划执行的Agent，AI工程化重心正转向构建支撑小时级闭环任务的环境。7月3日，月之暗面联合创始人张宇韬在2026全球数字经济大会人工智能融合应用发展论坛上，分享了“从Prompt到Harness”的Agent工程演进之路。

张宇韬将大模型工程化的发展概括为三个热词：从2023年的Prompt Engineering，到2024年的Context Engineering，再到2026年的Harness Engineering。这不仅是术语的更迭，更代表了对模型能力释放方式的层层递进。

2023：Prompt Engineering——在4K上下文窗口内精准问答

ChatGPT刚发布时仅支持4K上下文，模型智力有限。从业者需极尽精巧地设计提示词，在狭窄空间中明确任务，让模型能够精准回答。核心在于“问对问题”，并把问题清晰部署于有限上下文内。

2024：Context Engineering——扩展上下文窗口，融入工具调用

随着模型上下文窗口拓展至128K甚至1兆以上，工程重心转向上下文组织。通过将工具调用信息注入上下文空间，并充分提供外部信息，模型得以完成更复杂的任务。这一时期的关键在于“给足信息、组织好上下文”。

2026：Harness Engineering——驱动小时级Agent闭环运行

模型能力进一步提升，已能胜任小时级以上的复杂任务，瓶颈不再限于模型本身，而在于为其提供自主探索的环境。Harness Engineering应运而生，其本质是构建一个循环执行框架：Agent在循环中自主决策、执行、从错误中恢复，直至任务完成。张宇韬指出，Agent的底层逻辑就是一个while循环——模型反复评估、行动、纠正，直至目标达成。

脚手架哲学：随能力成长动态调整工程框架

张宇韬强调，Agent工程不应追求一劳永逸的“精巧框架”，而应依据模型能力边界动态搭建“脚手架”。在模型能力不足时，通过脚手架辅助其突破限制；当模型能力提升后，则及时撤掉脚手架，避免固化设计成为负担。这一思路呼应了“Bitter Lesson”的启示：通用方法终将战胜人工特设。

来源：虎嗅