最近 “Harness Engineering” 这个词越来越常见。但看了很多文章之后，我有个很强烈的感觉：不少内容其实是在堆概念。读的时候觉得很新，读完之后却很难落到实践里。
很多讨论说了半天，最后还是没有回答一个最朴素的问题：
当 Agent 表现不好时，我到底应该改什么？
结合这段时间自己的实践，我越来越倾向于这样理解：
如果目标只是让模型在一轮对话里回答得更像样，Prompt Engineering 依然非常重要。 但如果目标变成让一个 Agent 持续工作几十分钟，完成一个真实任务，只优化 prompt 往往不够。
因为很多失败并不是模型“不够聪明”，而是它根本不知道：
- 用户的任务是什么意思
- 自己能看到哪些信息
- 自己能使用哪些工具
- 什么信息我应该记下来
它缺的不是再多一句提示，而是一个更完整的运行环境。
所以如果要理解 Prompt Engineering、Context Engineering 和 Harness Engineering，我更愿意把它们看成同一套 AI 工程系统里的三个层次，而不是三个互相替代的新名词：
- Prompt 决定你怎样发出任务
- Context 决定模型在关键时刻能看到什么
- Harness 决定模型在什么运行机制里完成任务
从知识问答到工作流，工程重心会一层层向外移动。
Prompt Engineering：先把任务说清楚
大多数人第一次接触 LLM，都是从 prompt 开始的。在简单问答里，模型更像一个知识接口。
但一旦问题变成开放任务，比如“给我一份北京旅游攻略”，结果就常常不够满意。原因不是模型完全不会答，而是你的要求还不够具体。
同样一句话：
给我一份北京旅游攻略。
和：
给我一份北京旅游攻略。4月份去，5天4夜，三个人，预算5000，其中住宿2000，餐饮2000，娱乐1000。
后者显然更容易得到可用结果。
这就是 Prompt Engineering 的核心目标：
让模型更准确地理解我的意图，并按我期望的方式回答。
因此才会有各种经典技巧，比如：
- 设定身份、背景和行为方式
- 提供 one-shot / few-shot 示例
- 要求分步骤思考（XoT）
它解决的是一个非常明确的问题：
表达问题。
你需要让模型清晰地知道你的需求，而不是猜你需求。
但它的边界也同样明确。Prompt 不能凭空补充私域知识，不能自动知道外部世界刚发生了什么，也不能天然解决跨轮记忆、权限控制、执行环境和错误恢复。
Context Engineering：关键不在“多给信息”，而在“给对信息”
一旦任务从问答变成执行，问题的重心就变了。
这时候我们关心的已经不只是：
“怎么提问”
而是：
应该给模型看到什么，来让其做出下一步决策？
这里的上下文，是会进入模型视野、影响下一步判断的信息，本质上都属于上下文的一部分，比如：
- 任务描述
- 工具描述
- 记忆（中期/长期）
- 历史对话信息
Context Engineering 真正关注的不是：
“尽量多塞信息”
而是：
怎么在正确的时候，把正确的信息送到模型眼前。
这件事说起来简单，做起来很难。
任务一复杂，信息就同时面临两个风险：
- 缺失：模型看不到关键约束，容易做错
- 混乱：无关信息太多，模型抓不住重点
因此上下文工程的关键，从来不是“上下文越大越好”，而是信息选择、信息组织和信息时机。
但只把上下文补齐，为什么 Agent 还是不稳？
因为上下文解决的是：
模型能看见什么。
它并不直接解决这些问题：
- 工具调用失败了怎么办？
- 生成的代码如何验证？
- 什么时候该停下来询问，而不是一直乱做？
一旦问题来到这里，你面对的就不再只是“信息注入”，而是整个运行系统。
这时候，Harness Engineering 才真正变得重要。
Harness Engineering：给模型一个真正能工作的环境
如果说 Prompt 是任务说明，Context 是执行任务时能看到的信息，那么 Harness 更像是 Agent 所处的工作环境。
它不仅包括开发和运行所需的基础设施，也包括规则、权限，以及测试、日志、文档等支撑系统。
正是在这样的环境里，Agent 才能明确目标与边界，在合适的权限和反馈机制下持续执行、验证和迭代，而不是只靠一次次猜测推进任务。
Prompt、Context、Harness，不是谁替代谁，而是三层协作
因此，我更愿意把 Prompt Engineering、Context Engineering 和 Harness Engineering 理解为同一个系统中的三个层次，而不是彼此替代的新概念：
- Prompt Engineering：定义任务
- Context Engineering：提供信息
- Harness Engineering：组织执行
三者共同决定了 Agent 能否稳定完成真实任务：
Prompt 决定任务是否被说清楚，Context 决定模型在关键时刻能看到什么，Harness 决定它是否处在一个足以持续工作的工程闭环中。