Engineering Type

Prompt Engineering

Prompt 就是你丢给模型的「指令文本」。最原始的形态只是一句话。 但在真正的 Agent 系统里，Prompt 已经远远不止「用户输入」了, 而是：

• 系统提示词（System Prompt）
• 项目级规则（CLAUDE.md / AGENTS.md）
• Skills / 自定义指令
• 当前任务描述
• 工具返回的结果回填

Prompt 是模型「看到」的全部输入。它是决定了模型当下的思考方向的，但本身不负责执行。

Context Engineering

Context 是模型「当前能看到的信息窗口」。 包括：

• 对话历史
• 项目文件内容
• 工具执行结果
• 记忆文件
• 系统状态

Context 是有限的（有 token 上限），所以如何管理它（压缩、选择性加载、长期记忆外部化）直接决定 Agent 能不能跑长任务而不「失忆」。 简单说：Prompt 是「说了什么」，Context 是「它现在能记住什么」。

Harness Engineering

Harness 是把模型包起来的整套运行机制 + 生态。现在社区（包括 Anthropic 自己、Addy Osmani、研究论文）已经把这个词用得比较固定了, 可以把它理解成「AI 编程工具本身的机制与生态」, Agent = Model + Harness, 有人做过逆向：Claude Code 源码里大概 98% 是 harness，真正「模型决策逻辑」只占很小一部分。 所以它确实是「让大模型放进去之后，能力能被尽情发挥出来的那套外壳和土壤」。 纯模型只是一个会预测下一个 token 的东西。 Harness 就是把模型包起来的那一整套「运行机制 + 生态」：

• 工具层（读文件、写文件、跑终端、浏览器、搜索……）
• Agent Loop（思考 → 调工具 → 看结果 → 再思考的循环）
• 权限与沙箱（哪些命令能直接跑，哪些要确认）
• 上下文/记忆管理（CLAUDE.md、AGENTS.md、自动压缩、项目级记忆）
• 子 Agent / 多 Agent 协作
• Hooks、Skills、插件、恢复机制
• 错误处理与自我纠正

Agent = Model + Harness
没有 Harness，模型只是会说话的文本预测器。

Loop Engineering

Loop 就是 Agent 的核心工作循环：

1
思考 → 决定调用哪个工具 → 执行工具 → 拿到结果 → 再思考 → ……

直到任务完成或达到停止条件。

一个好的 Loop 必须包含：

• 可靠的工具执行
• 结果回传机制
• 失败重试 / 自我纠正
• 上下文更新

Loop 是 Harness 最核心的运行时部分。没有稳定的 Loop，再强的模型也只能做一次性回答。

Graph Engineering

Graph（通常指 Agent Graph / 工作流图）是把多个 Agent 或步骤组织起来的结构。

从简单到复杂可以是：

• 线性：A → B → C
• 带条件分支
• 多 Agent 并行 + 汇总
• 动态生成子任务图

Graph 解决的是「复杂任务如何被拆解、调度、协作」的问题。
当单 Agent 的 Loop 不够用时，就需要 Graph 来编排多个 Loop。