【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…

看了晚点团队写的文章《汽车企业用 AI，为什么从飞书开始？》，还是很有收获的，虽然看着像是飞书的广告。 有一个问题值得想一想：同样一个 AI 大模型，为什么进了 A 公司能帮大忙，进了 B 公司却只会写写总结、做做会议记录？ 差别不在模型本身，在于这个 AI 到底了不了解这家公司。 它需要知道公司正在推进什么项目、过去做过哪些决定、中间出过什么问题。这些信息，行话叫“上下文”。没有上下文，AI 就像一个刚入职的实习生，什么都不知道，你问它啥它只能给你一个通用答案。 汽车行业把这件事说得最清楚。造一辆车，背后牵着需求、软件、硬件、测试、制造、供应链一整条链。改一个辅助驾驶功能，算法、控制器、整车测试全都要跟着动。如果 AI 只看到一份文件，根本不知道这个改动影响了哪些地方。 过去，这些信息散落在邮件、Word、Excel、会议记录里，东一块西一块，人找起来都费劲，更别说 AI 了。 于是一批车企开始用飞书，把文档、消息、会议、表格、项目流程都汇到同一个地方。上汽和联合汽车