从“提示工程”到“马具工程”：AI Agent 的底层进化逻辑

最近刷到 Akshay 那篇关于 AI Agent 的帖子，看完真是醍醐灌顶。以前对 Agent 的困惑--为什么有时候它聪明绝顶，有时候又像个迷路的孩子--突然被串成了一条清晰的线：问题不在模型，而在我们没给它搭好“马具”（Harness）。

🧠 LLM 不是 Agent，裸 CPU ≠ 计算机

很多人把 LLM 当成成品 Agent 来用，这就像拿一颗裸 CPU 去跑操作系统--它有算力，但没有内存管理、没有持久化存储、没有可靠的 I/O 接口。 你扔给它一个复杂任务，它转两圈就忘了自己是谁、要干嘛。

🔧 Harness 才是那个把 CPU 变成真正计算机的“操作系统” 它负责：工具调用、状态保持、错误恢复、上下文调度……所有让 Agent 长期稳定工作的底层工程。

一句话总结： 如果你不是模型本身，那你就得是 Harness。

🚀 从 Prompt → Context → Harness：AI 工程的三次跃迁

我们对 AI 的理解其实经历了三个阶段：

1. 提示工程（Prompt Engineering） -- “怎么写提示词能让模型更听话？” → 聚焦语言技巧，但治标不治本。

2. 上下文工程（Context Engineering） -- “模型该看到什么？何时看到？” → 开始关注信息流控制，但仍停留在“输入层面”。

3. 马具工程（Harness Engineering） -- “如何构建一个能自我运转、容错、进化的闭环系统？” → 这才是生产级 Agent 的核心：把提示、工具、记忆、安全、验证全部串起来，形成可靠基础设施。

LangChain 团队说得好：Agent 的智能是涌现出来的，但 Harness 才是把它变成产品的工程体系。 同一模型，不同 Harness，表现能差十万八千里。

⚙️ 一个靠谱的 Agent Harness 到底需要什么？

参考 Anthropic、OpenAI、LangChain 等一线团队实践，提炼出 12 个核心组件。先讲前 5 个：

1. 编排循环（Orchestration Loop）

最常见的是 ReAct（Thought → Action → Observation） 或 TAO 循环。 听起来高级，其实就是个“傻循环”：模型思考 → 决定行动 → 执行 → 观察结果 → 再思考。 👉 智能在模型，稳定性靠循环设计。

2. 工具系统（Tools）

不是随便接几个 API 就行！

• 要有清晰的 schema 定义
• 做 输入验证 & 沙箱执行（防注入、防误删）
• 分类管理：文件操作、网页浏览、代码执行、子代理等 👉 Claude Code 和 OpenAI 的函数/托管工具都在这上面下狠功夫。

3. 记忆机制（Memory）

区分：

• 短时记忆：当前会话上下文
• 长时记忆：跨会话的知识沉淀

优秀方案如：

• Claude 用 CLAUDE.md / MEMORY.md 文件管理
• LangGraph 提供 JSON Store
• 更高级的会做 分层索引：摘要 + 关键细节 + 原始记录，避免上下文爆炸。

4. 上下文管理（Context Management）

“Lost in the Middle” 是老毛病了！ 解决方案包括：

• 动态压缩（如 LLM 摘要）
• 掩码屏蔽无关内容
• 按需检索（RAG + 主动查询）
• 子代理预总结

👉 目标：让模型始终看到高信号、低噪声的内容。

5. 提示组装（Prompt Construction）

系统提示、工具描述、记忆片段、历史对话、用户输入…… 不能硬拼在一起！ → 要 分层动态组装，根据当前状态智能拼接，避免信息过载或缺失。

💡 真实案例：

• LangChain 在 TerminalBench 测试中，仅改进 Harness 基础设施（未换模型），排名从 30+ 跃升至第 5。
• 有项目让 LLM 自己去优化 Harness，最终任务通过率竟达 76.4%。

这说明：瓶颈往往不在模型，而在支撑它的那套系统。

下一期我会继续拆解剩下 7 个组件（包括安全护栏、评估反馈、自我反思等），并分享如何从零搭建一个轻量级 Harness。

如果你也在做 Agent，不妨对照看看：你的项目里，缺的是模型，还是马具？ 🐎

AI工程 #Agent开发 #马具工程 #提示工程进化论