AI工程的三次范式
- 提示词工程的核心问题是怎么跟模型说话，让它更好地给出回答，可以注意我们的措施格式还可以使用少量样本示例的技巧
- 上下文工程的核心问题变了，单靠提示词不够，需要把整个上下文窗口当做工程对象来设计。RAG检索长上下文管理，tool工具编排，memory记忆系统都属于这个范畴
- 治理工程的核心问题是：agent智能体可以自主运行几小时甚至几天。单次上下文的优化远远不够。我们需要设计的是agent整个的运行环境，包括多agent智能协作，评估反馈闭环构建，约束的机械化执行记忆的治理和验证机制
Harness：评估机制 + 架构约束 + 记忆治理
Harness-Engineering 到底是什么？
治理工程：就是给你的AI搭建整套工作环境，告诉他什么能做什么不能做的规则文件，自动检查它有没有犯错的验证脚本，帮助他记住重要信息的上下文管理，出了问题就能回滚的安全机制
一个Harness包含什么：
- 约束：Agent藤做什么，不能做什么（架构边界，依赖规则，权限控制）
- 上下文：Agent需要什么才能做好（文档，代码结构，项目规范）
- 验证：Agent的做完了，怎么知道做的对不对（测试，截图对比，评分脚本）
- 修复：Agent做错了，怎么纠正？，而且保证不会再犯同样的错误。第二次（规则沉淀，自动修复）
- 生命周期：Agent怎么启动，怎么交接，怎么跟人协作（审批流，子agent派发，定时任务）
