文章目录1. 提示词工程 Prompt Engineering输入处理与生成控制主流程关键节点生成控制手段对应工程化能力Prompt Engineering2. 上下文工程 Context Engineering补充事实、管理记忆、降低幻觉上下文增强链路幻觉治理方向关键节点幻觉治理方式对应工程化能力Context Engineering3. 智能体编排工程 Agent / Orchestration Engineering社区亦称 Harness Engineering从“能跑”到“可信”命名说明Agent / Orchestration Engineering 与 Harness EngineeringHarness Engineering 的核心价值从“能跑”到“可信”核心公式Agent Model HarnessHarness 架构三大分层 六大支柱主流程关键节点支撑能力对应工程化能力Agent / Orchestration Engineering底部主线总结从 Token 处理到 Agent / Skill 复用实现可控、可扩展、可复用的 AI 应用能力1. 提示词工程 Prompt Engineering输入处理与生成控制明确输入如何被模型理解并通过 Prompt、结构化约束与生成参数控制输出风格和稳定性。主流程多模态输入 → Tokenizer → Token → 上下文窗口 → LLM关键节点节点说明多模态输入文本 / 图片 / 音频Tokenizer切分为 TokenToken模型计量单位上下文窗口承载输入与历史LLM生成回答生成控制手段控制手段作用System Prompt定义角色、边界、任务目标Temperature控制随机性影响稳定性Structured Output约束格式便于程序化处理对应工程化能力Prompt Engineering角色边界格式约束生成参数2. 上下文工程 Context Engineering补充事实、管理记忆、降低幻觉核心目标先提供事实依据再约束生成与校验输出降低“高置信度但不正确”的结果。上下文增强链路幻觉治理方向先把问题向量化并检索事实证据再增强上下文、约束生成、校验输出。Query / 任务 → Embedding → RAG 召回 → 上下文增强 → LLM 生成关键节点节点说明Query / 任务用户问题 / 当前目标先明确检索意图Embedding问题向量化用于相似度召回RAG 召回向量库 / 知识库检索事实证据上下文增强证据 记忆 约束再交给 LLM 生成幻觉治理方式治理位置治理手段输入侧治理Embedding / RAG / 召回生成侧治理Prompt / 参数 / 推理约束输出侧治理结构化输出 / 校验器 / 审核对应工程化能力Context EngineeringRAG 检索增强Memory 记忆上下文管理幻觉治理3. 智能体编排工程 Agent / Orchestration Engineering社区亦称 Harness Engineering从“能跑”到“可信”核心目标不只让 Agent 能跑通 Demo而是让它在真实业务中能用、可控、可预测、可信任。命名说明Agent / Orchestration Engineering 与 Harness Engineering本层在业界有两种常见叫法指向的是同一阶段的两个侧面并非对立关系对比维度Agent / Orchestration EngineeringHarness Engineering中文智能体编排工程外壳 / 脚手架工程侧重视角能力与行为规划、调度、多步编排、能力复用工程基建把模型包裹成可在真实系统运行的运行时抽象层级更高层含跨 Agent 协作、Workflow 编排、Skill 沉淀复用更偏单个 Agent 的运行时外壳loop 工具调度 记忆 护栏典型出处Agent Engineering、Orchestration 等通用表述Anthropic、OpenAI、Hugging Face 等厂商 / 社区博客术语性质较通用、稳妥2026 年热词属社区 / 研究语言非厂商正式术语经典比喻——模型是「马」harness 是挽具缰绳“The model is commodity, the harness is moat”本文档为何采用 Agent / Orchestration Engineering一是与前两层「Prompt Engineering → Context Engineering」保持「XX Engineering」的命名递进二是 Orchestration 能完整覆盖本层主线中的Agent → Skill跨 Agent、跨任务的编排与复用而 Harness 更偏单个 Agent 的运行外壳。二者可互为补充读者遇到 Harness Engineering 时可理解为本阶段的工程实现视角。Harness Engineering 的核心价值从“能跑”到“可信”在真实业务系统里Agent 的问题不是“能不能跑通 Demo”而是能否在复杂输入、长链路任务、异常场景下稳定交付。可以用三个层级理解层级含义典型表现能跑理想路径下输入 A → 输出 BDemo 阶段通常可以做到能用面对真实输入不跑偏、不偷懒能处理分支、约束、上下文变化可信出问题不崩、可查、可改、可避免再犯有门禁、有状态、有恢复、有经验沉淀因此第三阶段的重点不只是“让模型会调用工具”而是通过确定性的工程框架托住 LLMLLM 负责理解与生成Harness 负责约束、验证、恢复和进化。核心公式Agent Model Harness组成作用Model能力来源决定上限Harness能力释放方式决定下限模型越强越需要 Harness 来承接它的能力。没有 HarnessAgent 可能能完成演示但很难放心放进生产系统有了 HarnessAgent 才能从“偶尔做对”走向“稳定交付”。Harness 架构三大分层 六大支柱Harness 可以理解为包裹在模型外面的工程运行时它让 Agent 具备身份边界、执行路径、上下文管理、质量门禁、故障恢复和经验进化能力。身份层 → 执行层 → 进化层 → 身份层螺旋上升分层作用对应支柱身份层定义 Agent 是谁、能做什么、不能做什么Identity执行层定义任务如何执行、如何加载上下文、如何检查质量、如何恢复异常Orchestration / Context / Gate / Recovery进化层定义错误如何沉淀、经验如何复用、规则如何升级Evolution支柱解决的问题核心定义IdentityAgent 越界发挥定义“谁有什么能力、什么绝对不能做”Orchestration流程不可控或过慢定义“按什么顺序执行何时串行、何时并行”Context上下文污染、信息过载定义“每一步应该看到什么信息”Gate产出不可信定义“产出是否达标是否允许进入下一阶段”Recovery出错后无法恢复定义“失败后从哪里恢复是否重试、回退或中止”Evolution错误重复发生定义“如何把错误沉淀为规则、红线或 Skill”这六个支柱补齐了 Agent 从 Demo 到生产系统之间缺失的工程能力Identity 保边界Orchestration 保流程Context 保信息Gate 保质量Recovery 保韧性Evolution 保持续进化。主流程Tool Calling含 Function Calling → MCP / Tools → Agent → Skill关键节点节点说明Tool Calling含 Function Calling把意图转成工具参数并获取返回结果Function Calling 是工具调用的形态之一MCP / Tools统一工具协议接入搜索 / 系统 / 数据工具Agent规划 / 执行 / 重试 / 反思Skill经验沉淀流程与能力复用支撑能力支撑能力说明MCP / 统一工具协议统一工具接入与调用方式让 Agent 能连接外部系统Workflow / Orchestration支撑多步骤任务编排、分支判断、串并行调度Context 管理控制每一步加载什么信息避免上下文污染和长程约束丢失Gate / 质量门禁在关键节点做强制检查避免 Agent 自行跳过验证Recovery / 状态恢复记录任务状态、检查点和产出文件支持失败后重试或回退Evolution / 经验进化把错误、规则和最佳实践沉淀为红线、规范或 Skill对应工程化能力Agent / Orchestration Engineering工具调用Agent 编排Skill 复用评测与监控底部主线总结输入 → Token 化 → 上下文增强 → 生成控制 → 工具调用 → Agent 编排 → Skill 复用其中输入 / Token 化 / 生成控制对应Prompt Engineering蓝上下文增强对应Context Engineering紫工具调用 / Agent 编排 / Skill 复用对应Agent / Orchestration Engineering绿。这条主线表达的是AI 应用工程化不是只写 Prompt也不是只接入 RAG 或工具而是从输入处理、上下文增强、生成控制到工具调用、Agent 编排最终通过 Harness 机制实现可控、可恢复、可评测、可进化并沉淀为可复用 Skill 的完整链路。
文章目录1. 提示词工程 Prompt Engineering输入处理与生成控制主流程关键节点生成控制手段对应工程化能力Prompt Engineering2. 上下文工程 Context Engineering补充事实、管理记忆、降低幻觉上下文增强链路幻觉治理方向关键节点幻觉治理方式对应工程化能力Context Engineering3. 智能体编排工程 Agent / Orchestration Engineering社区亦称 Harness Engineering从“能跑”到“可信”命名说明Agent / Orchestration Engineering 与 Harness EngineeringHarness Engineering 的核心价值从“能跑”到“可信”核心公式Agent Model HarnessHarness 架构三大分层 六大支柱主流程关键节点支撑能力对应工程化能力Agent / Orchestration Engineering底部主线总结从 Token 处理到 Agent / Skill 复用实现可控、可扩展、可复用的 AI 应用能力1. 提示词工程 Prompt Engineering输入处理与生成控制明确输入如何被模型理解并通过 Prompt、结构化约束与生成参数控制输出风格和稳定性。主流程多模态输入 → Tokenizer → Token → 上下文窗口 → LLM关键节点节点说明多模态输入文本 / 图片 / 音频Tokenizer切分为 TokenToken模型计量单位上下文窗口承载输入与历史LLM生成回答生成控制手段控制手段作用System Prompt定义角色、边界、任务目标Temperature控制随机性影响稳定性Structured Output约束格式便于程序化处理对应工程化能力Prompt Engineering角色边界格式约束生成参数2. 上下文工程 Context Engineering补充事实、管理记忆、降低幻觉核心目标先提供事实依据再约束生成与校验输出降低“高置信度但不正确”的结果。上下文增强链路幻觉治理方向先把问题向量化并检索事实证据再增强上下文、约束生成、校验输出。Query / 任务 → Embedding → RAG 召回 → 上下文增强 → LLM 生成关键节点节点说明Query / 任务用户问题 / 当前目标先明确检索意图Embedding问题向量化用于相似度召回RAG 召回向量库 / 知识库检索事实证据上下文增强证据 记忆 约束再交给 LLM 生成幻觉治理方式治理位置治理手段输入侧治理Embedding / RAG / 召回生成侧治理Prompt / 参数 / 推理约束输出侧治理结构化输出 / 校验器 / 审核对应工程化能力Context EngineeringRAG 检索增强Memory 记忆上下文管理幻觉治理3. 智能体编排工程 Agent / Orchestration Engineering社区亦称 Harness Engineering从“能跑”到“可信”核心目标不只让 Agent 能跑通 Demo而是让它在真实业务中能用、可控、可预测、可信任。命名说明Agent / Orchestration Engineering 与 Harness Engineering本层在业界有两种常见叫法指向的是同一阶段的两个侧面并非对立关系对比维度Agent / Orchestration EngineeringHarness Engineering中文智能体编排工程外壳 / 脚手架工程侧重视角能力与行为规划、调度、多步编排、能力复用工程基建把模型包裹成可在真实系统运行的运行时抽象层级更高层含跨 Agent 协作、Workflow 编排、Skill 沉淀复用更偏单个 Agent 的运行时外壳loop 工具调度 记忆 护栏典型出处Agent Engineering、Orchestration 等通用表述Anthropic、OpenAI、Hugging Face 等厂商 / 社区博客术语性质较通用、稳妥2026 年热词属社区 / 研究语言非厂商正式术语经典比喻——模型是「马」harness 是挽具缰绳“The model is commodity, the harness is moat”本文档为何采用 Agent / Orchestration Engineering一是与前两层「Prompt Engineering → Context Engineering」保持「XX Engineering」的命名递进二是 Orchestration 能完整覆盖本层主线中的Agent → Skill跨 Agent、跨任务的编排与复用而 Harness 更偏单个 Agent 的运行外壳。二者可互为补充读者遇到 Harness Engineering 时可理解为本阶段的工程实现视角。Harness Engineering 的核心价值从“能跑”到“可信”在真实业务系统里Agent 的问题不是“能不能跑通 Demo”而是能否在复杂输入、长链路任务、异常场景下稳定交付。可以用三个层级理解层级含义典型表现能跑理想路径下输入 A → 输出 BDemo 阶段通常可以做到能用面对真实输入不跑偏、不偷懒能处理分支、约束、上下文变化可信出问题不崩、可查、可改、可避免再犯有门禁、有状态、有恢复、有经验沉淀因此第三阶段的重点不只是“让模型会调用工具”而是通过确定性的工程框架托住 LLMLLM 负责理解与生成Harness 负责约束、验证、恢复和进化。核心公式Agent Model Harness组成作用Model能力来源决定上限Harness能力释放方式决定下限模型越强越需要 Harness 来承接它的能力。没有 HarnessAgent 可能能完成演示但很难放心放进生产系统有了 HarnessAgent 才能从“偶尔做对”走向“稳定交付”。Harness 架构三大分层 六大支柱Harness 可以理解为包裹在模型外面的工程运行时它让 Agent 具备身份边界、执行路径、上下文管理、质量门禁、故障恢复和经验进化能力。身份层 → 执行层 → 进化层 → 身份层螺旋上升分层作用对应支柱身份层定义 Agent 是谁、能做什么、不能做什么Identity执行层定义任务如何执行、如何加载上下文、如何检查质量、如何恢复异常Orchestration / Context / Gate / Recovery进化层定义错误如何沉淀、经验如何复用、规则如何升级Evolution支柱解决的问题核心定义IdentityAgent 越界发挥定义“谁有什么能力、什么绝对不能做”Orchestration流程不可控或过慢定义“按什么顺序执行何时串行、何时并行”Context上下文污染、信息过载定义“每一步应该看到什么信息”Gate产出不可信定义“产出是否达标是否允许进入下一阶段”Recovery出错后无法恢复定义“失败后从哪里恢复是否重试、回退或中止”Evolution错误重复发生定义“如何把错误沉淀为规则、红线或 Skill”这六个支柱补齐了 Agent 从 Demo 到生产系统之间缺失的工程能力Identity 保边界Orchestration 保流程Context 保信息Gate 保质量Recovery 保韧性Evolution 保持续进化。主流程Tool Calling含 Function Calling → MCP / Tools → Agent → Skill关键节点节点说明Tool Calling含 Function Calling把意图转成工具参数并获取返回结果Function Calling 是工具调用的形态之一MCP / Tools统一工具协议接入搜索 / 系统 / 数据工具Agent规划 / 执行 / 重试 / 反思Skill经验沉淀流程与能力复用支撑能力支撑能力说明MCP / 统一工具协议统一工具接入与调用方式让 Agent 能连接外部系统Workflow / Orchestration支撑多步骤任务编排、分支判断、串并行调度Context 管理控制每一步加载什么信息避免上下文污染和长程约束丢失Gate / 质量门禁在关键节点做强制检查避免 Agent 自行跳过验证Recovery / 状态恢复记录任务状态、检查点和产出文件支持失败后重试或回退Evolution / 经验进化把错误、规则和最佳实践沉淀为红线、规范或 Skill对应工程化能力Agent / Orchestration Engineering工具调用Agent 编排Skill 复用评测与监控底部主线总结输入 → Token 化 → 上下文增强 → 生成控制 → 工具调用 → Agent 编排 → Skill 复用其中输入 / Token 化 / 生成控制对应Prompt Engineering蓝上下文增强对应Context Engineering紫工具调用 / Agent 编排 / Skill 复用对应Agent / Orchestration Engineering绿。这条主线表达的是AI 应用工程化不是只写 Prompt也不是只接入 RAG 或工具而是从输入处理、上下文增强、生成控制到工具调用、Agent 编排最终通过 Harness 机制实现可控、可恢复、可评测、可进化并沉淀为可复用 Skill 的完整链路。
