说实话，AI工程进化这个问题，咱就是说是个挺复杂的玩意儿。

大模型应用工程正在快速成熟，三层工程代表着三种Neng力层次也代表着 AI 工程师的三个成长台阶：

你现在站在哪一层？又打算往哪里走？

模型对上下文里靠前和靠后的内容记得geng清楚，所以重要信息的位置也是工程变量。

"Harness" 这个词来自测试工程领域，原指测试框架或测试脚手架。

医疗AI发展需培养既懂医疗又懂技术的复合型人才,从教育入手,制定培训计划,促进医生与工程师知识交叉融合。.AI时代,发现问题比解决问题要重要,定义一个问题比解决一个问题还要可Neng难 技术主导转变为业务主导和技术协同成为新的趋势。

Context Engineering 的本质是一个信息检索与筛选问题在正确的时机，把正确的信息，以正确的格式，放到模型Nengkan到的位置。

不是所有信息dou该进上下文。把无关内容塞进去不仅浪费 token，还可Neng干扰模型的注意力。

def compress_history -> list: """ 保留Zui近 N 轮完整对话， 对geng早的对话进行摘要压缩， 始终保留 system prompt。 """ system = == "system"] history = != "system"] recent = history # 保留Zui近 轮 older = history if older: summary = summarize_with_llm # 摘要压缩 summary_msg = {"role": "assistant", "content": f": {summary}"} return system + + recent return system + recent

有时候你需要在有限的 token 预算里塞进尽可Neng多的信息。这就涉及到：相关性过滤、信息压缩、结构化表示等技巧。

挑战一：相关性过滤

把这些信息精心组装进上下文，确保 token 不超限，且Zui相关的信息排在Zui前面。

有人说是因为内容不够优质；有人说是因为网站权重太低；还有人说是因为百度算法变了你得跟着变。

Harness Engineering 层

Harness Engineering 指的是：围绕 LLM 调用构建完整的工程基础设施，包括评估、测试、可观测性、版本管理等。

class LLMEvaluator: def evaluate -> EvalResult: scores = {} # . 基于规则的评估 scores = self.check_format scores = self.check_safe_phrases # . 基于模型的评估 scores = self.llm_judge # . 基于 ground truth 的评估 if ground_truth: scores = self.semantic_similarity return EvalResult))

组件一：Evaluation Framework

组件二：Prompt 版本管理

# prompts/ticket_classifier/v2.yamlversion: ""author: "zhangsan"created_at: "--"changelog: "增加了对中文工单的支持，优化了 priority 判断逻辑"system: | You are a customer support ticket classifier... few_shot_examples: - input: "用户无法登录" output: '{"category": "auth", "priority": "high"}'eval_metrics: - name: "format_valid" threshold: - name: "accuracy" threshold: 为什么需要 Harness Engineering

有一个现象我在hen多团队里dou见过：AI 功Neng上线时效果不错，但几个月后慢慢变差，大家dou不知道为什么也不知道从哪里查起。

@trace_llm_call # 装饰器自动记录输入输出、耗时、token 数async def classify_ticket -> dict: prompt = prompt_registry.get response = await llm.complete) result = parse_json metrics.record) return result

组件三：可观测性

组件四：回归测试套件

测试套件结构：├── goldenset/ # 核心用例，必须 % 通过│ ├── authcases.json│ ├── billingcases.json│ └── edgecases.json├── regressionset/ # 历史 bug 的复现用例│ └── reportedissues.json└── stress_set/ # 边界条件和压力测试 └── adversarial.json

没有 Harness，你对这些变化是盲目的。有了 Harness，你才有Neng力持续、可信地迭代 AI 功Neng。 欢迎在评论区聊聊你的实践和踩坑经历。 这就引出了下一层：Context Engineering。 把复杂任务拆成子任务，让模型一步步完成，而不是期待它一次到位。 哈哈，说到底，还是要靠实践来检验。