2026年2月，OpenAI发布了一篇名为《Harness Engineering》的技术博客，披露了一项令人震惊的内部实验：一个仅由3名工程师组成的团队，在5个月内让Codex智能体从零构建了一个拥有100万行代码的完整产品——而没有一行代码是人类手写的。

这是正在发生的现实。

从Prompt Engineering到Harness Engineering：AI工程的三次跃迁

要理解Harness Engineering的意义，我们需要回顾AI工程范式的演进历程。这不是一个突然出现的概念，而是行业在踩过无数坑之后的必然选择。

第一阶段：Prompt Engineering（2022-2023）

当ChatGPT在2022年底爆火时，整个行业陷入了一场"提示词狂欢"。人们发现，只要给模型喂对提示词，它就能生成惊人的内容。

Prompt Engineering的核心假设是：模型的能力已经足够了，问题出在如何激活它。

于是出现了各种技巧：

• Zero-shot/Few-shot prompting：给模型几个例子，让它模仿
• Chain-of-Thought：让模型"一步步思考"
• Role prompting：让模型扮演专家角色
• Prompt模板库：把常用提示词封装成可复用的模板

但很快，Prompt Engineering的天花板显现了：

1. 上下文窗口有限：模型能"记住"的信息是有限的（早期只有4K-8K tokens）
2. 提示词脆弱：换个措辞，结果可能完全不同
3. 无法处理长任务：单轮对话可以，多轮复杂任务就崩了
4. 幻觉问题：模型会自信地胡说八道，且无法自我纠正

第二阶段：Context Engineering（2024）

前OpenAI联合创始人Andrej Karpathy提出了一个关键洞察：LLM是一种新型操作系统。

• LLM = CPU：负责推理和计算
• 上下文窗口 = RAM：有限的工作内存
• 工具调用 = I/O外设：搜索、代码执行、API调用

在这个框架下，Prompt Engineering的局限变得清晰：它只关注"CPU指令"，却忽视了"内存管理"。

Context Engineering应运而生。Anthropic在2025年的博客中定义：

“Context Engineering是精心策划和维护最优token集合（信息）的策略，以在LLM的固有约束下持续实现期望的输出。”

核心策略包括：

• Write（写入）：把重要信息塞进上下文
• Select（选择）：RAG检索、记忆筛选，只给模型看相关的
• Compress（压缩）：摘要、向量化，在有限空间里塞更多信息
• Isolate（隔离）：子智能体、多轮对话，避免上下文污染

LangChain的Harrison Chase进一步总结：Context Engineering是"在智能体轨迹的每一步，用恰到好处的信息填充上下文窗口的艺术和科学"。

但Context Engineering仍然有一个根本问题：它假设模型会按照我们期望的方式使用这些信息。实际上，模型可能：

• 忽略了关键指令
• 错误地理解了工具返回的结果
• 在长时间任务中"遗忘"了最初的意图
• 生成代码后无法验证是否正确

第三阶段：Harness Engineering（2025-2026）

Harness Engineering是对前两阶段的超越。它不再只关注"给模型什么信息"，而是关注"如何让模型可靠地完成任务"。

Martin Fowler一针见血地指出：

“Harness的框架很有用，因为它将对话从提示词工艺转移到了执行面。”

换句话说：

• Prompt Engineering= 告诉AI"做什么"
• Context Engineering= 确保AI"知道什么"
• Harness Engineering= 保证AI"做对"并"持续做对"

从"写代码"到"驾驭智能体"

理解了这三阶段的演进，我们就能明白为什么OpenAI要做一个"零人工代码"的实验。

传统软件工程中，工程师的核心工作是编写代码、调试Bug、重构系统。但在Harness Engineering的范式下，这一切都被颠覆了。

OpenAI的实验有一个铁律：人类不许写代码。工程师的主要工作变成了三件事：

1. 设计环境—— 搭建让智能体能够高效工作的基础设施
2. 明确意图—— 将模糊的需求转化为机器可执行的约束
3. 构建反馈回路—— 建立验证机制，让智能体能够自我修正

“人类掌舵。智能体执行。”

这个3人小团队（后来扩展到7人）在五个月内完成了约1500个Pull Request，平均每位工程师每天推进3.5个PR。效率是传统开发的10倍。

为什么Harness Engineering是质的跃迁？

让我们用一张表格来对比三个阶段的本质差异：

维度	Prompt Engineering	Context Engineering	Harness Engineering
核心关注点	如何提问	给什么信息	如何确保做对
时间维度	单轮交互	多轮对话	完整任务生命周期
错误处理	人工重试	人工筛选上下文	自动化反馈回路
可验证性	无	有限	内置验证机制
可扩展性	个人技巧	团队规范	系统工程
适用场景	简单问答	信息检索	复杂任务执行

Harness Engineering的优势在于它解决了前两个阶段无法解决的核心问题：

1. 从"一次性正确"到"持续正确"

Prompt和Context Engineering都假设：只要给模型足够好的输入，它就能给出正确的输出。但真实世界的任务是长期的、迭代的、会出错的。

Harness Engineering接受错误是不可避免的，并为此设计了：

• 自验证机制：智能体自己检查输出是否正确
• 自动重试：失败时自动调整策略再试
• 渐进式交付：把大任务拆成小步骤，每步都验证

2. 从"人类瓶颈"到"自动化流水线"

Context Engineering仍然依赖人类来决定"给模型看什么"。当任务复杂时，这成为瓶颈。

Harness Engineering把这一决策也自动化了：

• 文件系统作为外置内存：智能体自己决定读写什么文件
• 子智能体分工：复杂任务自动分解给专门的子智能体
• 智能体间协作：一个智能体生成，另一个审查

3. 从"黑盒"到"可观测"

Prompt和Context Engineering的调试是痛苦的——你不知道模型为什么给出了错误的答案。

Harness Engineering把一切都变得可观测：

• Tracing：记录智能体的每一步决策
• Metrics：任务完成率、token效率、延迟
• 可重现：同样的输入总是产生同样的输出（确定性）

4. 从"个人技能"到"团队工程"

Prompt Engineering很大程度上是个人技巧——有人就是"更会跟AI说话"。

Harness Engineering是可工程化的：

• 可版本控制：AGENTS.md、架构文档、CI配置都进Git
• 可复用：好的Harness可以在不同项目间迁移
• 可协作：团队成员可以共同改进Harness

什么是Harness？

Harness（马具/驾驭系统）这个隐喻非常精准。想象一匹强壮的马（AI模型）——它拥有巨大的力量，但需要缰绳、马鞍和骑手的引导才能跑对方向。

在AI工程语境下，Harness是包裹在模型外围的软件基础设施，负责：

• 约束机制：架构规范、代码风格、依赖规则
• 反馈回路：自动化测试、CI/CD、代码审查
• 生命周期管理：上下文窗口管理、状态持久化、错误恢复
• 工具编排：文件系统访问、API调用、子智能体调度

Martin Fowler和Birgitta Böckeler在Thoughtworks的文章中指出，Harness Engineering将对话焦点从"提示词工程"转移到了"执行面"——不是让AI更聪明，而是让AI的行为更可预测、更可控制。

核心实践：让代码仓库成为"唯一事实来源"

OpenAI实验中最具颠覆性的洞察是：代码仓库必须对智能体可读。

传统开发中，我们假设代码是写给人类看的。但在Agent-First的世界里，代码仓库需要同时服务于人类和智能体。这要求：

1. AGENTS.md：智能体的"导航地图"

OpenAI将原本1000页的产品说明书浓缩成100行的AGENTS.md文件。这份文档不是给人类读的详细手册，而是给智能体的"索引"——告诉它去哪里找什么信息，如何理解项目结构，遵循哪些架构约束。

2. 架构即代码

架构决策不再是存在于某个架构师脑海中的隐性知识，而是被编码为可执行的规则：

• ARCHITECTURE.md明确定义领域边界和依赖规则
• CI任务自动校验文档与代码的一致性
• 自定义Linter强制执行代码风格和质量门禁

3. 智能体对智能体的代码审查

随着代码吞吐量的爆炸式增长，人工代码审查成为瓶颈。OpenAI的解决方案是建立"智能体对智能体"的审查机制——让多个Codex实例相互评审代码，人类只在关键节点介入。

LangChain团队将这种模式称为"Ralph Wiggum Loop"：一个Hook强制智能体在退出前继续执行验证，直到所有检查通过。

熵与垃圾收集：技术债的新定义

当智能体以10倍速生成代码时，技术债也在指数级累积。OpenAI用了一个精妙的比喻：技术债像高息贷款，最好持续、小步地偿还，而不是等堆成大手术再一次性还。

他们引入了"垃圾收集"（Garbage Collection）的概念：

• 专门的"文档园丁智能体"定期扫描并修复过时的文档
• 自动化的重构任务清理死代码和重复逻辑
• CI/CD流水线强制执行代码健康度检查

这不是可选的优化，而是Harness Engineering的核心组成部分。没有垃圾收集机制，智能体生成的代码库将在几周内陷入混乱。

工程师角色的重新定义

Harness Engineering不是让工程师失业，而是让工程师从"代码生产者"转变为"能力架构师"。

具体而言，工程师需要掌握的新技能包括：

传统工程师	Harness工程师
编写业务逻辑	设计智能体工作环境
调试代码	调试智能体行为
代码审查	设计审查机制
写文档	设计文档结构
解决技术债	设计垃圾收集系统

LangChain创始人Harrison Chase在一次播客中说：“Harness比模型本身更重要。80%的生产力差距来自Harness——那个包裹在模型外面的’操作系统’。”

行业回响：从OpenAI到LangChain

Harness Engineering的概念正在迅速被行业采纳：

• OpenAI：Codex CLI和内部实验验证了可行性
• LangChain：推出了Deep Agents，一个开源的Agent Harness框架
• Martin Fowler/Thoughtworks：将Harness Engineering纳入AI-first软件工程的方法论体系
• Datadog：发布了关于可观测性驱动的Harness Engineering实践

这不是某个公司的内部实践，而是整个行业正在形成的共识：AI工程的未来可能不是更好的模型，或许是更好的Harness。

结语：我们仍在学习

OpenAI在博客结尾写道：“我们仍在学习。”

这句话的谦逊背后是一个激进的宣言：软件工程的基本范式正在发生转变。从"人类写代码"到"人类设计Harness让AI写代码"，这不像是渐进式改进，更像是范式革命。

对于今天的工程师来说，这意味着：

1. 停止与AI比拼写代码的速度—— 你赢不了
2. 开始学习如何设计Harness—— 这是新的核心竞争力
3. 拥抱"人类掌舵，智能体执行"的新角色—— 这不是降级，而是升级

Harness Engineering不是关于AI取代人类，而是关于人类与AI如何更好地协作。在这个新范式下，工程师的价值不再体现在写了多少行代码，而体现在设计了多么优雅的Harness——让AI能够在正确的约束下，产生正确的输出。

正如OpenAI的实验所证明的：当Harness设计得当，3个工程师+AI可以完成过去30个工程师的工作量。

这就是Harness Engineering的承诺。这就是AI时代软件工程的未来。

最近两年大模型发展很迅速，在理论研究方面得到很大的拓展，基础模型的能力也取得重大突破，大模型现在正在积极探索落地的方向，如果与各行各业结合起来是未来落地的一个重大研究方向

大模型应用工程师年包50w+属于中等水平，如果想要入门大模型，那现在正是最佳时机

2025年Agent的元年，2026年将会百花齐放，相应的应用将覆盖文本，视频，语音，图像等全模态

如果你对AI大模型入门感兴趣，那么你需要的话可以点击这里大模型重磅福利：入门进阶全套104G学习资源包免费分享！

扫描下方csdn官方合作二维码获取哦！

给大家推荐一个大模型应用学习路线

这个学习路线的具体内容如下：

第一节：提示词工程

提示词是用于与AI模型沟通交流的，这一部分主要介绍基本概念和相应的实践，高级的提示词工程来实现模型最佳效果，以现实案例为基础进行案例讲解，在企业中除了微调之外，最喜欢的就是用提示词工程技术来实现模型性能的提升

第二节：检索增强生成（RAG）

可能大家经常会看见RAG这个名词，这个就是将向量数据库与大模型结合的技术，通过外部知识来增强改进提升大模型的回答结果，这一部分主要介绍RAG架构与组件，从零开始搭建RAG系统，生成部署RAG，性能优化等

第三节：微调

预训练之后的模型想要在具体任务上进行适配，那就需要通过微调来提升模型的性能，能满足定制化的需求，这一部分主要介绍微调的基础，模型适配技术，最佳实践的案例，以及资源优化等内容

第四节：模型部署

想要把预训练或者微调之后的模型应用于生产实践，那就需要部署，模型部署分为云端部署和本地部署，部署的过程中需要考虑硬件支持，服务器性能，以及对性能进行优化，使用过程中的监控维护等

第五节：人工智能系统和项目

这一部分主要介绍自主人工智能系统，包括代理框架，决策框架，多智能体系统，以及实际应用，然后通过实践项目应用前面学习到的知识，包括端到端的实现，行业相关情景等

学完上面的大模型应用技术，就可以去做一些开源的项目，大模型领域现在非常注重项目的落地，后续可以学习一些Agent框架等内容

上面的资料做了一些整理，有需要的同学可以下方添加二维码获取（仅供学习使用）