如何给 Agent 设计一套可以稳定工作的控制系统？

这里的 Harness 可以理解为 Agent 周围的一整套工作装备，包括：

• 工作规则
• 产品文档
• 架构文档
• 工具边界
• 验证标准
• 会话交接
• 反馈机制

Prompt Engineering 解决的是“如何把当前任务讲清楚”，它能让 AI 更准确地理解你的目标、输出格式和执行要求。

例如：你是一名资深前端工程师，请使用 Next.js 和 TypeScript 帮我实现一个项目看板。请先给出计划，再写代码。

简单来说，Prompt Engineering 主要是在优化“怎么问”。Context Engineering 则是在优化“让 AI 看见什么”。

Harness Engineering 关注的是：

如何让 Agent 在一个受控环境里持续完成复杂任务？

复杂开发不只是“知道什么”，还包括“怎么做”“怎么验证”“怎么交接”。

比如：

• 如果用户提出新需求，Agent 要不要更新产品文档？
• 如果架构发生大改，Agent 要不要更新架构文档？
• 如果需求不明确，Agent 应该自己猜，还是先问用户？
• 如果任务没跑通，Agent 能不能说完成？
• 如果这一轮做完了，下一轮怎么接着做？
• 如果同类错误反复出现，规则应该沉淀在哪里？

这些问题不是单纯靠 Context 就能解决的。这就是 Harness Engineering 要解决的问题。Harness 可以理解成 Agent 周围的一套工作系统：

• 工作规则：告诉 Agent 怎么工作。
• 产品文档：告诉 Agent 要做什么、不做什么。
• 架构文档：告诉 Agent 代码应该怎么组织。
• 验证标准：告诉 Agent 什么叫完成。
• 工具和命令：让 Agent 能运行、检查、修复。
• 交接记录：让下一轮工作可以继续接上。
• 反馈机制：让错误和经验可以沉淀下来。

Prompt Engineering：让 AI 听懂并执行你的需求。
Context Engineering：让 AI 看见它需要知道的信息。
Harness Engineering：让 AI 在一个受控环境里持续干活。