Prompt Engineering时代（2023年）

随着大模型技术的快速发展，AI Agent从最初的单次问答工具逐步演变为能够自主规划、循环执行复杂任务的智能体。这一转变不仅推动了AI技术的应用边界扩展，也对整个行业的工程化方法论提出了新的要求。

在7月3日举行的2026全球数字经济大会人工智能融合应用发展论坛上，月之暗面联合创始人张宇韬发表了题为《从Prompt到Harness，Agent工程的演进之路》的主题演讲。他通过三个关键热词——Prompt Engineering、Context Engineering和Harness Engineering，清晰地勾勒出大模型Agent技术发展的三个重要阶段。

Prompt Engineering时代（2023年）

2023年，当ChatGPT刚发布时，其4K上下文窗口的限制成为当时的主要挑战。在这个阶段，工程师们需要在有限的上下文中精心设计提示词（Prompt），以引导模型完成特定任务。张宇韬指出，这个时期的工程重点在于如何在紧凑的空间内精准部署问题，使模型能够在理解上下文的基础上给出准确回答。这种对Prompt的精细化设计，构成了Agent工程化的基础。

Context Engineering时代（2024年）

进入2024年，随着模型上下文窗口的显著扩展（从4K到32K甚至更高），以及模型能力的提升，Agent工程开始向更复杂的任务演进。这个阶段的核心是Context Engineering，即如何将外部工具调用整合到上下文空间中，让模型能够利用这些工具完成更复杂的任务。张宇韬强调，这个阶段的关键在于构建一个能够容纳更多上下文信息的环境，使模型能够在更大的信息空间中进行推理和决策。

Harness Engineering时代（2026年）

到了2026年，随着模型能力的进一步提升，Agent已经能够处理小时级别的复杂任务。这个阶段的核心概念是Harness Engineering，即构建一个能够让模型在闭环环境中自主探索、解决问题的运行环境。张宇韬解释说，Harness Engineering的本质是一个循环过程，类似于编程中的while循环：模型不断自我探索、决策并执行，直到任务完成或达到预期结果。这个阶段的关键在于设计一个既能保障安全又能充分发挥模型能力的运行框架。

张宇韬特别指出，这三个阶段并非完全独立的概念，而是相互包含、递进发展的。从Prompt Engineering到Harness Engineering，反映了AI技术从简单交互到复杂自主任务执行的完整演进路径。在这个过程中，工程师们需要不断调整和优化Agent的运行环境，使其能够在不同的发展阶段发挥最大效能。

Agent工程的核心原则

在演讲中，张宇韬还分享了构建高效Agent的几个核心原则：

• 脚手架哲学：在模型能力不断提升的同时，及时撤掉不必要的限制，让模型在充分安全的环境中自由探索。

• 工具集成：将外部工具有效地整合到Agent的运行环境中，使其能够利用这些工具完成复杂任务。

• 闭环设计：构建一个能够让模型在闭环中自主解决问题的运行框架，包括自我探索、决策、执行和反馈机制。

• 安全性考量：在Agent的运行环境中设置必要的安全机制，防止可能出现的错误或不当行为。

行业影响与未来展望

张宇韬的演讲不仅为当前Agent工程的发展提供了清晰的路线图，也为行业未来的创新指明了方向。随着Harness Engineering时代的到来，AI Agent将能够处理更加复杂和长期的任务，这将极大地拓展AI技术的应用场景。例如，在自动驾驶、智能制造、金融服务等领域，Agent工程的进步将带来革命性的变化。

同时，张宇韬也提醒业界，Harness Engineering的实现需要跨学科的合作，包括计算机科学、认知科学、工程学等多个领域的专家共同参与。只有通过多学科的协同创新，才能真正构建出高效、可靠且安全的AI Agent系统。

总的来说，从Prompt到Harness的演进不仅是技术发展的必然结果，也是AI工程化进程中的一次重要跨越。这一演进过程不仅展示了大模型技术的巨大潜力，也为未来的AI应用开辟了广阔的空间。