做 AI Agent 的团队都有一个通病：模型表现不好，第一反应就是改 Prompt。加约束、换话术、写更长的指令……改了十几版还是不行，最后得出结论——“模型不行”。
但真相往往是：你的 Prompt 没问题，问题出在你根本没注意的地方。
北大博士后卢菁博士最近提出了一个很清晰的框架：AI 工程化已经经历了三个阶段，每个阶段的"主战场"完全不同。2026 年还在死磕 Prompt 的团队，本质上是在用 2023 年的方法解决 2026 年的问题。
第一阶段：学会"怎么问"（2020-2023）#
GPT-3 刚出来的时候，所有人都在玩一个游戏：同一个模型，换个问法，结果天差地别。
这个阶段的核心技能就是 Prompt Engineering：
- 角色设定：告诉模型"你是一个资深的 XX 专家"
- 少样本提示：给几个例子，让模型照着做
- 思维链（CoT）：让模型"一步一步思考"
- 格式约束：规定输出必须是 JSON / Markdown 等格式
说白了，这个阶段是在学习怎么做一个会提问的人。
但问题来了——当你的任务从"帮我写封邮件"升级到"帮我处理一个完整的开发流程"时，一句精心设计的 Prompt 根本撑不住这种复杂度。你不可能在一句话里塞进所有的状态管理、错误处理和工具调用逻辑。
第二阶段：学会"给什么"（2024-2025）#
大模型的上下文窗口从 4K 飙到 128K 甚至 200K+，很多人觉得"终于可以把所有信息都塞进去了"。
但 Context Engineering 的核心理念恰恰相反：这是一门减法的艺术。
往上下文里塞一堆无关信息，不仅浪费 Token（浪费钱），更致命的是会干扰模型的注意力机制。LLM 本质上是在做注意力加权，信息越多，注意力越分散，输出质量反而下降。
Context Engineering 要解决的问题是：
- 检索什么知识？ 从知识库里找到真正相关的片段，而不是一股脑全丢进去
- 保留什么记忆？ 多轮对话中哪些历史信息有价值，哪些该丢掉
- 裁剪什么噪声？ 用完即删，保持上下文的"干净度"
打个比方：Prompt Engineering 是在研究"怎么跟模型说话"，Context Engineering 是在研究"让模型在什么环境里工作"。一个好的工作环境，比一句好的指令重要得多。
第三阶段：学会"搭环境"（2025 至今）#
这是当前正在爆发的阶段，也是最被低估的。
Harness Engineering 里的 Harness 原意是马具——套在马身上控制方向、保持稳定的装备。在 AI 领域，它指的是围绕大模型搭建的整套"脚手架"系统。
现在的 Agent 不只是聊天，它要干活：读写代码、跑测试、查数据库、调 API、在多个子任务之间跳转。这种复杂度下，纯靠指令已经摸到天花板了。
Harness 要管的事情包括：
- 任务编排：把一个大任务拆成多步，按顺序执行，处理分支和依赖
- 状态管理：Agent 执行到哪一步了？中间结果是什么？失败了从哪里恢复？
- 工具调用协议：模型怎么知道什么时候该调哪个工具？参数怎么传？
- 输出验证：模型返回的结果是否合规？格式对不对？有没有幻觉？
- 安全护栏：不能让 Agent 越权操作，不能泄露敏感信息
一句话总结：决定 Agent 表现上限的，不是模型本身，而是你为它搭建的运行环境。
诊断：你的 Agent 到底卡在哪？#
如果你的 AI 应用效果不好，别急着改 Prompt，先按这个框架排查：
| 症状 | 可能原因 | 解法方向 |
|---|---|---|
| 回复不准确、答非所问 | 没检索到正确的知识 | 优化 Context：改进 RAG 检索策略 |
| 执行一步就卡住 | 缺少状态管理和任务编排 | 优化 Harness：加工作流引擎 |
| 胡说八道、编造事实 | 缺少输出验证和安全护栏 | 优化 Harness：加校验层 |
| 格式不对、不稳定 | Prompt 约束不够 | 优化 Prompt：但这是最简单的部分 |
大多数团队的问题其实卡在 Context 和 Harness 层，但他们一直在改 Prompt。就像车开不快，拼命调座椅，却没发现是发动机和变速箱的问题。
写在最后#
从 2023 年的"简单对话"到 2026 年的"全能代理"，AI 工程的重心已经从模型本身转移到了模型之外。
早期的思路是：模型不行就换大的。中期的思路是：模型大了就写更好的 Prompt。而现在的现实是：模型已经够强了，真正卡住你的是上下文管理和系统架构。
如果你正在做 AI Agent，建议先停下来审视一下：你的上下文pipeline 够不够精炼？你的 Harness 够不够完善？把这两层搞好了，效果提升会比改 100 版 Prompt 都来得明显。
参考来源：2026 年还玩 Prompt Engineering？架构师都在卷这两个新东西！ — Dr.LuAIclass 卢菁（北大博士后、AI 专家）