2.1 KiB
2.1 KiB
title, type, tags, sources, last_updated
| title | type | tags | sources | last_updated | ||||
|---|---|---|---|---|---|---|---|---|
| Harness Engineering | concept |
|
|
2026-04-20 |
Overview
Harness Engineering——为 LLM 设计系统脚手架的工程学科，使 AI Agent 能在长周期自主任务中可靠执行。核心理念：LLM 本身不是 Agent，Agent = LLM + 代码脚手架。
Evolution of AI Engineering
| Era | Focus | Limitation |
|---|---|---|
| Prompt Engineering | 如何问（Instructions） | 脆弱，步骤间无持久性 |
| Context Engineering | 如何知道（RAG） | 无状态，无法控制长周期执行 |
| Harness Engineering | 如何约束和运行 | 解决连续多步执行控制 |
每个时代并非替代前一个，而是吸收前一个——Harness Engineering 仍需要好的提示词和好的上下文，但它增加了前两者都无法提供的执行层。
4 Design Principles
1. 约束而非指令（Constrain, don't instruct）
永远不要依赖模型"选择正确"——如果可以用程序化方式限制选择，就这样做。
- 提示词说"永远用有效 JSON 响应" = 希望
- Schema 验证器拒绝格式错误输出 = 保证
2. 外部化状态（Externalize state）
如果一条信息对任务连续性重要（已完成什么、待处理什么、什么失败了），它必须存在于 context window 之外。
- Context window 是易失的
- 磁盘文件是持久的
3. 每步可验证（Make every step verifiable）
如果你无法检查它，你就无法信任它。Harness 的每一层都应产生可被模型自身以外的东西验证的输出。
4. 局部失败而非全局崩溃（Fail locally, not globally）
单步工具调用失败应触发该步重试，而非重启整个管道。任何失败的爆炸半径应尽可能小。
Implementation
- 7-Layer-Harness-Stack：完整 7 层实现规范
- Minimum-Viable-Harness：Day 1 可构建的最小可行版本