从Prompt到Harness：AI Agent四代工程化体系演进与三种智能体范式升级

AI Agent = Model + 工程化——过去三年，这个公式不断被验证。大模型的能力边界不仅取决于参数量，更取决于我们如何驾驭它。

2023年初，大多数人还在琢磨“怎么跟ChatGPT说话才能得到好答案”；三年后，我们已经可以坐在电脑前，用自然语言让一群AI Agent自动完成代码审查、运维修复、视频生成、营销策划。

这样的进化令人惊叹。但很少有人梳理清楚：AI Agent能力的每一次“质变”究竟是怎么发生的？从“能答”到“能用”，从“好用”再到“可生产落地”，这背后不是靠模型本身，而是一套工程化体系在持续升级。

一言以蔽之：AI Agent经历了四代工程化体系的跃迁——提示词工程（Prompt Engineering）→ 上下文工程（Context Engineering）→ 智能化工程（Agentic Engineering）→ 驾驭工程（Harness Engineering）；与此同时，智能体范式也从Workflow模式升级到ReAct模式，再升级到Multi-Agent多智能体协作模式。

每一代工程化体系的升级，都对应着智能体从“能答”“能用”到“好用”再到“可生产落地”的能力质变。而四代工程体系之间不是替代关系，而是深度融合、互为支撑——Prompt是基础，Context是原材料，Agentic和Harness是生产框架。

架构总览：四代工程体系 × 三种智能体范式

先拉一张总图，帮你建立全局视角，看看这四代是怎么一层一层堆叠起来的：

一眼看去就很清晰：工程化体系和智能体范式是“双螺旋”进化关系——每一代工程化体系催生了对应的智能体范式，而智能体范式的局限又反过来推动工程化体系继续升级。下面我们逐代拆解。

第一代：提示词工程 × Workflow 模式（2023-2024）

工程化体系：Prompt Engineering

提示词工程的核心焦虑就一件事： “怎么把话说清楚” 。那时候，AI应用的精髓在于反复调试指令措辞、格式、Few-shot示例，让AI一次性给出好答案。结构化的System Prompt、角色设定、输出格式约束，这些都是提示词工程师们的“工具箱”。

提示词工程的诞生背景也很简单：2022年底ChatGPT横空出世，大家发现这个大模型“脾气很怪”——同样的问题换个问法答案天差地别。于是“提示词工程师”这个岗位随之诞生，年薪最高开到百万，一时风光无两。

智能体范式：Workflow 模式

这一阶段的智能体遵循固定流程编排，像流水线一样按预设步骤执行：输入结构化Prompt → LLM推理 → 输出结果。人工通过调整提示词措辞来干预输出质量。

典型代表：

• 早期ChatGPT交互：用户需要反复修改措辞才能得到理想答案，人和AI的关系像“出题者和答题者”
• 固定流程智能体：基于LangChain或Dify等框架开发的确定性工作流Agent，如简单的客服机器人、单轮问答系统

局限与边界

提示词工程解决的是单次对话的质量问题，交互模式停留在“一问一答”，人和AI的关系像“出题者和答题者”。一旦任务复杂度提升或需要多轮协作，纯Prompt工程便显得力不从心。

打个比方：提示词工程就像你第一次跟外国厨师交流，只能靠反复比划来点菜。点一份汉堡还行，点一桌满汉全席？光比划能把你累死。

第二代：上下文工程 × ReAct 模式（2025）

工程化体系：Context Engineering

上下文工程被推至风口浪尖，Shopify CEO Tobi Lutke起到了关键作用，而AI大神Andrej Karpathy进一步对其进行推广。正如Karpathy所说： “上下文工程是一门微妙的艺术与科学，旨在填入恰到好处的信息，为下一步推理做准备。”

为什么需要上下文工程？道理很朴素——光靠提示词不够，AI需要看到相关文档、代码片段、历史对话、工具调用结果才能给出好答案。这就好比你跟一个实习生沟通，光说“把报告做好”远远不够，你得给他参考范例、历史数据、工作模板，他才能真正上手。

体系范围在提示词工程基础上大幅扩展：

其中，MCP（Model Context Protocol）协议是上下文工程最具标志性的基础设施。2024年11月由Anthropic发布后，仅用半年时间就从早期采用者的实验变成了主流企业级接口。这个开放标准让AI应用能够连接到外部系统，而无需为每个应用或数据集编写定制代码——因此被业界形象地称为“AI的USB-C接口”。

在MCP体系中，服务器端暴露三种能力：工具（可调用函数）、资源（可读取数据）、提示词（可复用的参数化指令）。客户端——无论是IDE、桌面助手还是Web应用——自动发现可用能力并按需请求上下文，实现了模型推理与上下文管理的解耦。

智能体范式：ReAct模式（Reasoning + Acting）

ReAct范式由普林斯顿大学和Google Research团队在2022年提出，通过将思维链（CoT）与工具调用相结合，构建“推理-行动-观察”的迭代循环。其核心创新在于：动态知识扩展（通过工具调用获取实时数据，突破LLM静态知识边界）、上下文保持（在多轮交互中维护完整的状态记忆）、失败恢复机制（当行动结果不符合预期时，自动触发重新推理）。

举个例子，当你问“帮我查一下明天北京到上海的航班，选一个上午出发、价格低于1000元的，然后帮我订一张”时，整个过程是这样的：

• 思考1：需要查询航班信息 → 行动1：调用航班查询工具 → 观察1：获取航班列表
• 思考2：筛选符合条件（明天上午、<1000元）的航班 → 行动2：调用订票工具 → 观察2：订票成功
• 输出：确认订票结果

这个过程完全在上下文管理下自动完成，用户只需要一句话就够了。人与AI的关系也从“出题者和答题者”变成了“老板和助理”。

典型代表产品：

• 豆包、千问、Kimi等APP：已经不是“聊天机器人”，而是可以按需调用工具的智能助手。上传PDF要求生成PPT，AI会调工具读取文档→规划结构→调用生成工具→直接产出可用的PPT文件；上传Excel要求做数据分析并生成图表，AI能理解数据结构、进行分析、交付完整报告。
• 谷歌NotebookLM：上传笔记、文档、链接，AI基于这些“私有上下文”回答问题、生成摘要，甚至可以创建播客式对话。
• 腾讯IMA：个人知识管理工具，AI能基于你的知识库提供精准答案。

第三、四代：智能化工程 + 驾驭工程 × Multi-Agent 模式（2025年底-）

工程化体系：Agentic Engineering

Andrej Karpathy后来提出了Agentic Engineering（智能化工程）概念，聚焦 “让AI能交付、能协作” ，指导vibe coding逐渐向可靠交付转变。他的原话很直白： “你有99%的时间都不是在亲自写代码……而是在协调代理完成工作，并负责监督。”

Agentic Engineering与早期Vibe Coding的最大差异在于“结构化程度”。Vibe Coding模式下，开发者多半直接与单一模型互动，生成结果高度依赖提示词品质，容易出现安全漏洞、维护困难与技术债问题。而Agentic Engineering则强调“分工与治理”：开发者会先定义目标、限制条件与品质标准，再由多个AI Agent分别负责实现、测试、除错与安全检查，最后由人类进行审核与整合——内建品质关卡、自动化测试与审计轨迹。

体系范围在上下文工程基础上增加：

工程化体系：Harness Engineering

如果说Agentic Engineering侧重能力提升，让AI从“能干活”往“能交付可验收成果”迈进；那么Harness Engineering（驾驭工程）则是在智能体已经足够强劲的基础上，更加强调构建一整套系统来约束、引导和验证AI Agent的自主行为，让AI安全可靠地在生产环境中落地。

2026年2月5日，HashiCorp联合创始人、Terraform之父Mitchell Hashimoto在自己的博客中正式命名了这个概念。核心思路极其朴素但深刻： “每当你发现Agent犯了一个错误，你就花时间设计一个解决方案，使Agent永远不再犯同样的错误。” 这不是单次优化，而是一套可积累、可进化、能持续收敛错误的闭环体系。

为什么要给AI套“缰绳”？Hashimoto打了个绝妙的比喻：

“大模型/AI Agent就像一匹天赋拉满的野马，跑得飞快、力气超大，但没规矩、没方向，容易乱撞、失控——列如输出错误信息（幻觉）、越权操作。Harness（驾驭系统）就是缰绳+马鞍+跑道+护栏+仪表盘——不帮野马跑更快，但能拽住它的方向、控制它的节奏，防止它闯祸。 ”

六天后，OpenAI在官方百万行代码实验报告中正式采用这一术语，一支初始3名后扩充至7名工程师的团队，5个月内通过Codex Agent生成超100万行生产级代码。Martin Fowler随即撰文深度解析。一个月内，Harness Engineering成为2026年AI工程领域最核心的新范式。

驾驭工程的核心设计哲学提炼为三点：

OpenAI对此给出了一个极其精炼的定位： “人类掌舵，智能体执行。” 驾驭工程不是优化模型本身，而是优化模型运行的环境。

智能体范式：Multi-Agent 协作模式

无论是Agentic Engineering还是Harness Engineering，主要依赖的AI Agent范式都是从 “单兵作战”进化为“团队协作” 的Multi-Agent模式。

Multi-Agent系统的核心特征：星形拓扑架构（Leader Agent负责规划与指挥，Expert Agents并行执行）、直接通信机制（Agent之间可直接对话，无需通过用户中转）、上下文隔离（每个Agent拥有独立上下文空间，避免信息干扰）、共享任务看板（实时同步任务状态与依赖关系）。

Anthropic在2025年披露的多智能体研究系统是一个教科书级的案例：一个“主导智能体”扮演项目经理的角色，负责规划和拆解任务，随后并行创建多个“子智能体”分头执行信息检索与分析。内部评测显示，多智能体系统在复杂研究任务上的表现较单智能体系统提升了90.2%。Anthropic团队总结的关键洞察是：

“一旦智能体能力达到必定门槛，多智能体系统就成为扩展性能的关键方式。例如，尽管人类个体在过去十万年间变得更为机智，但进入信息时代后，人类社会之所以指数级提升能力，正是由于集体智慧和高效协作。同样，即使是具备通用智能的单体智能体，其能力也有上限；而智能体群体协同作业则远远超越个体能力。”

三大典型代表：

1. 编程多智能体：Claude Code的Agent Teams

Claude Code的Agent Teams是一个多智能体协作框架，允许一个主导Agent（Leader）创建并管理多个子Agent（Teammate）组成的团队，并行完成复杂任务。核心架构包括：

• Leader：负责创建团队、分配任务、监控进度、汇总结果、解散团队
• Teammate：每个负责具体子任务，拥有独立的上下文和工具集
• TaskList：团队共享的任务管理中心，存储所有子任务及其状态
• Mailbox：团队成员之间的通信通道

典型场景如代码审查：Leader将代码库全面审查拆成安全性审查、可维护性审查、性能审查等子任务，每个Teammate并行处理，最后由Leader汇总结果——效率相比串行处理提升数倍。

2. 企业级Multi-Agent落地：从华为到百度的实践

2025年，Multi-Agent协作在产业界已形成规模化应用。华为推出的RAN多智能体系统，通过多个智能体之间的高效协作与联合决策，实现从单场景自智到跨场景协同自智的跨越，已服务全球66家运营商、覆盖超50万站点。百度文库GenFlow 2.0基于Multi-Agent并行架构，同时编排超过100个AI Agent协同工作，将复杂任务处理时间从数小时压缩到三分钟以内。

浙江移动联合直真科技的传输网故障处理Multi-Agent系统更是一个落地范本：传输工作台智能体负责任务调度、故障定位诊断、业务分析及恢复验证，厂家OMC智能体专注单域故障诊断修复，两者高效协同实现端到端自动化，沟通与处理效率提升80%。

3. 终端个人通用智能体：OpenClaw

2026年春节前后大热的开源项目OpenClaw代表了个人终端智能体的方向。其特点包括：终端部署能力（访问终端文件、执行终端脚本、调用终端上的工具）、可扩展的Skills生态、能对接各种IM渠道（WhatsApp、Telegram、Discord、Slack、微信等）方便手机远程操控。

但OpenClaw也面临“终端失控、数据泄露”等安全挑战。正是这个痛点催生了Harness Engineering的实践需求。

驾驭工程的实践分野：OpenClaw vs. WorkBuddy

值得注意的是，第四代工程化体系内部已经出现了一个清晰的分野——这是许多技术观察者容易忽略的：

腾讯WorkBuddy和阿里QoderWork等产品，在继承OpenClaw理念的基础上，进一步完善了安全审计、权限管控、沙箱隔离等机制——让AI在生产环境中可靠运行。OpenClaw代表了Agentic Engineering的能力突破，而WorkBuddy则代表了Harness Engineering的安全驾驭。两者分工明确，恰好印证了Karpathy的判断：Agent的成熟不只是功能堆叠，而是架构革新。

整体逻辑总结：从“适配模型”到“驾驭模型”

四代工程化体系的演进，完整体现了大模型行业的发展阶段：

四者关系：不是替代，而是深度融合、互为支撑。Prompt是基础，Context是原材料，Agentic和Harness是生产框架。这就像盖房子——提示词是施工图纸，上下文是建筑材料，智能化工程是施工方案，驾驭工程是安全监理。缺了哪一环，房子都盖不起来。

而这个演进方向的核心目标只有一个：让AI在自主性与可控性之间找到最佳平衡点。

结语

AI Agent的工程化演进揭示了一个核心规律：大模型的能力边界不仅取决于模型本身，更取决于我们如何用工程化手段“驾驭”它。

从精心设计的提示词，到丰富的上下文供给，到多智能体编排与任务分解，再到完整的约束与质量保障体系——每一代工程化都在回答同一个问题：如何让AI既机智又可靠？

Karpathy在2025年就做了一个清醒的判断：“这不是Agent之年，而是智能体的十年。”他提醒行业不要急于求成，Agent的成熟需要持续十年的系统工程积累。这个预测在驾驭工程出现后显得愈发精准——真正让AI Agent从“玩具”进化为“工具”的，不是模型参数的堆砌，而是一整套精密、可靠的工程化体系。

当Multi-Agent系统能够像专业团队一样协作，当驾驭工程能够确保长程任务的稳定交付，AI Agent才真正从“实验室”走向“生产线”。而这一天，或许比我们想象的更近。