@yan5xu: https://x.com/yan5xu/status/2059117572826746979
摘要
文章讨论了LLM工程从Prompt Engineering发展到Harness Engineering的三个阶段，反映了AI工程实践的演进。
查看缓存全文
缓存时间: 2026/05/26 05:04
从 Prompt 到 Harness：如何理解 LLM Engineering
虽然 LLM 应用的历史始于 2022 年 ChatGPT 问世，但工程实践已经从 Prompt Engineering，经历 Context Engineering，发展到如今的 Harness Engineering。 想要彻底理解 Harness
相似文章
@LiuVaayne: 这是 yan5xu（ex ManusAI）写的长文：《从 Prompt 到 Harness：如何理解 LLM Engineering》 核心框架：螺旋上升的工程范式演进 第一圈：Prompt Engineering（2022-2024） …
这篇文章由 yan5xu（前 ManusAI）撰写，提出了 LLM 工程范式的螺旋演进模型：从 Prompt Engineering（2022-2024）到 Context Engineering（2025），再到 Harness Engineering（2026-），并讨论了各阶段的瓶颈与驱动因素。
@Potatoloogs: https://x.com/Potatoloogs/status/2057391224592667051
本文深度拆解了Agent Harness的概念，即包裹在LLM外部的工程基础设施，包括编排循环、工具调用、记忆系统、上下文管理等12个组件。文章引用Anthropic、OpenAI、LangChain等公司的实践，论证了harness对生产级AI Agent的关键作用。
@xiaogaifun: 讲 Harness 最透彻的一个演讲。 这应该是我看到过的、关于 Harness Engineering 最透彻的一次分享，推荐大家看一下。 视频链接：https://podwise.ai/dashboard/episodes/80132…
这篇文章通过IBM工程师Tejas Kumar的演讲，深入讲解了Harness Engineering的概念，即通过为AI Agent添加确定性基础设施（如工具注册表、上下文管理、护栏和验证循环）来解决模型失控和幻觉问题，确保Agent稳定执行任务。
@lilianweng: 关于AI自我改进的 Harness 工程新博文：https://lilianweng.github.io/posts/2026-07-04-harness/… 这是……
Lilian Weng 的博文探讨了 Harness 工程的概念，将其作为 AI 系统递归自我改进的关键组成部分，讨论了设计模式、工作流自动化以及与操作系统的类比。
@freeman1266: Harness Engineering 不是玄学，是可工程化的活产物 很多人看了一圈 Harness Engineering 的文章，理念都懂了，但第一步到底该做什么？ 六层零件，逐层叠加： • Rule：写死基础规矩，告诉 AI 什么不…
Harness Engineering 不是玄学，而是可工程化的活产物。文章提出六层逐步叠加的工程框架（Rule、Skill、Sub Agent、Workflow、Scripts、dev-map），强调从简单开始、依赖脚本而非提示词，并通过迭代改进。