不过，

摘要

过去一年期间。agent工程主线已经从prompt转向harness架构设计，未来的主线应该也会是agent的程序架构升级而不单单是大模型的能力和焦点转向何处？" src="/uploads/images/139.jpg"/>

如果你真的做过一个能跑在真实环境里的 Agent。就会很快发现，Prompt 只是入口，不是全部。不过，

Agent 真正困难的地方，不是让模型在某一轮回答里表现得聪明。而是让它在多轮任务中持续获取上下文、正确调用工具、保存中间状态、从失败中恢复、留下可审计的轨迹，并最终稳定地产生可验证的结果。Agent 工程的重心正在从 Prompt Engineering 转向 Harness Engineering。

Prompt 决定模型这一轮怎么理解任务。 Harness 决定模型在什么样的工程程序里持续工作。

目录

• 问题
• 为什么 Agent 出现后 Prompt 不再足够
• Context Engineering，管理模型这一轮应该看到什么
• Tooling，工具不是 API 列表，而是 Agent 的行动空间
• Harness Engineering，Agent 真正开始工程化的地方
• Eval。为什么不能只看一次 Demo
• Protocol 和 Runtime，Agent 走向生产环境后的必然问题
• 一个最小 Agent Harness 应该长什么样
• 者应该怎么落地

问题

"我们做了很多 prompt engineering 的调整，但 agent 在生产环境还是总崩溃！"

"为什么一样的指令有时能跑通三次才成功？"

"我已经写了超长 prompt 提供所有可能信息了！"

Prompt Engineering 没有过时！它依然关键，老实说，而且在很多场景里仍然是性价比最高的调整手段。但在复杂任务中效果有限...

早期大部分任务本质上是单轮或短链路任务：文本分类、信息抽取、问答等。这些只需要一次输入就可以完成判断。但Agent不同 - 需要持续行动与状态管理。老实说，痛点：简单场景依赖prompt 复杂场景需全局控制

警告的观点是，权限设计必须与业务流程同步演进！说到否则将面临，<> · 安全漏洞利用风险 ↑
<> · 数据完整性破坏 ↑
<> · 法律合规违规 ↑
至于<>推荐采用。RBAC+ABAC混合模式
h2 data-id ="" heading-"<>常见误区 <>
h3 data-id ="" heading-"<>误区一：Agent做不好就是Prompt没写好 <>
blockquote cite =""https://example.com/prompt-myths ""
<>实际原因可能包括：
<> ✅ 上下文管理失效
<> ✅ 工具调用错误
<> ✅ Eval验证缺失
<> ✅ Harness异常未处理
div class=""callout callout-danger ""
color这方面，red;，font-weight:bold;，margin-bottom:-15 px;"
""
"警告：建议使用以下诊断方法！br />"
"

日志回放 + 上下文压缩率检查"
"

Toolchain依赖图分析"
"

State Delta对比测试"
h3 data-id = "" heading- ""<>误区五：模型变强后Harness就不关键了 <>