介绍#

一个Agent = Model + Harness，所有Harness Engineering 指的是模型之外的一切，包含系统提示词，工具调用，文件系统，编排逻辑，钩子中间件、反馈回路、约束机制等等。model是Agent的能力来源，而 Harness 则把状态、工具、反馈和约束串起来。

Harness Engineering 和 Prompt 以及 Context Enginering 三者之间是嵌套关系，每一层解决不同的问题。Harness Engineering 包含 Context Enginering 包含 Prompt Enginering

• Harness Engineering 解决的是执行问题，负责长链路任务中持续做对，不跑偏，犯错能更正，包含文件系统，约束执行，反馈回路，沙箱等等
• Context Enginering 则解决的是信息问题，负责确保模型在合适时机拿到正确且必要的事实信息。包含上下文管理，RAG,记忆注入，Token优化等等
• Prompt Enginering 则解决的是表达问题,确保让模型听懂需求，包括系统提示词，思维链引导等。

注：在简单任务里，提示词最重要；依赖外部知识的任务里，上下文重要；长链路的商业应用中，Harness 重要

Harness Engineering 包含记忆系统，执行环境，外部知识获取，文件系统，验证闭环，上下文管理。
一个完整的 HarnessEngineering 包含六层体系：

1. 信息边界层： 角色目标定义，信息隔离，Agents.md规范

确保AI该知道什么，不该知道什么

2. 工具系统层：文件系统抽象，bansh执行环境，MCP 工具挂载

确保Agent 如何跟外部世界交互

3. 执行编排层：多步骤任务串联，混合状态机编排

确保多步骤任务如何串联起来

4. 记忆与状态层：独立管理任务状态，跨会话记忆，上下文压缩

确保长任务中间结果如何管理

5. 评估与观测层：独立验证机制，沙箱环境测试，可观测性接入

确保 Agent 有自知之明，知道自己是否做错

6. 约束校验与回复层：预设红线规则，API 超时重试，状态回滚机制

确保Agent 出错后能重新更正

参考#

1. Harness Engineering：耗时一周，我是如何将应用的AI Coding率提升至90%的
2. 深度解析 Hermes Agent 如何实现“自进化”及其 Prompt / Context / Harness 的设计实践
3. 从玩具到生产力：用真实项目讲透 AI Agent 的 Harness Engineering