【上下文工程/Agent】上下文工程与 Agent 设计的新趋势：

Google关于Harness Engineering的综述pdf 2026年AI工程的核心公式：Agent = Model + Harness。 一份汇总了 Google、OpenAI、Anthropic、LangChain 和 Cursor 工程师实践的综合文档揭示了为什么 95% 的企业 AI Agent 不能成功上线——不是模型不够强，而是缺了一个叫「harness engineering」的东西。 1. 从 Prompt 到 Context 再到 Harness，三段式的进化 2023 到 2024 年在优化 prompt：措辞、例子、思维链。 2025 年在设计上下文系统：RAG、MCP、记忆、检索。 到了 2026 年初，从业者汇聚到了一个更高层级的方法——Harness Engineering。 每个阶段都包含了前一个阶段的要点。一个 harness 包含上下文管道和 prompt，同时还包含验证机制、权限控制、可观测性和状态持久化。 Prompt engineering 决定模型说什么，context engineering 决定模型看到什么，而 harness engineering 决定模型能做什么、失败后发生什么、什么叫成功完成。 2.换 harness 比换模型带来的提升更大 1）把 Claude Sonnet 4.5 放到 GAIA 基准上测试，最小 harness 下得分 30.91%，升级生产级 harness 后得分为 74.55%。同样的模型，纯靠换 harness 提升了 43.64 分——比大多数相邻代际的模型升级带来的差距还要大。 2）LangChain 团队把编码 Agent 在 Terminal Bench 上的排名从第 30 位提升到第 5 位，没有更换模型。提升完全来自 harness 优化：更好的 guide 规则、更紧密的传感器循环、改进了错误恢复和工具配置。 3）安全研究员在一个下午改了 16 个不同 LLM 的工具调用格式和编辑方式，几乎所有模型的分数都有改善。没有微调、没有重训、没有替换模型。 保持模型固定，只换 harness——这个变量就能产生堪比模型升级的效果。 3.六层架构：构成完整 harness 的基础设施一个无人值守运行的 Agent，最少需要六层结构。每一层解决一个特定的问题。 第一层是 Guides（引导），即执行前的前置控制。核心文件是 AGENTS.md、CLAUDE.md、.cursorrules。每一行代表一次过去失败的修复方案。Mitchell Hashimoto 的做法是把 Agent 犯错的每一个 case 逐行写入 guide，每个 entry 对应一个具体的错误。Guide 应该包含可执行的行动和可观察的标准，而不是口号——用 lint 命令和测试命令代替「写好代码」这种空话。 这里有一个关键概念叫棘轮原理：每次出错后，永久改进系统。流程是六个步骤——Agent 犯错、归类失败类型、确定最强修复层级（guide、sensor、tool 或 permission）、编码修复、验证防复发、监控回归。prompt 补丁只能修一次对话，guide 规则可以防止每一次未来的运行。 第二层是 Sensors（传感器），即执行后的反馈控制。传感器的经济账很清楚：计算型传感器（linter、类型检查器、单元测试）每次运行成本几乎为零，返回确定性结果；推理型传感器（LLM as judge）成本高、结果不确定。原则是先用计算型传感器，覆盖不了的再考虑推理型。 最强的 h…

吴恩达（Andrew NG)：一项关键的 AI 工程技能，就是会使用编码智能体（coding agents）。 你越擅长指挥它们 —— 无论是写代码，还是分析数据、管理系统这类非代码的活 —— 能干成的事就越多。 编码智能体更新换代很快，所以这项技能本身也日新月异，迭代速度比大多数顶级 AI 工程技能都要快。专有智能体（如 Claude Code、Codex、Cursor）和开源智能体（如 OpenCode、Pi）在框架和模型两个层面都在大步前进。想跟得上它们的使用方法，就得不断地实验、动手搭建、持续学习。 我们采访了几十位顶级 AI 工程师，也复盘了自己团队用编码智能体的经验，发现用它们开发软件有一套一致的高层工作流，关键环节如下： 1. 规划。 这一步包括：（i）头脑风暴 —— 可能要查资料、做实验、摸清现有代码库（如果有的话）；（ii）写一份规格说明，把需求、技术设计和架构都写清楚，再据此生成执行计划。写完后你可能还要回头审视计划，追问关键假设是否成立，检查有没有