LLM 工程三阶段：对比分析与未来预测

概述

LLM 工程的三个发展阶段：从 Prompt Engineering（提示工程）到 Context Engineering（上下文工程）再到 Harness Engineering（环境工程），代表了从"手工艺"到"工程学"再到"环境科学"的进化路径。

关键内容

1. Prompt Engineering（提示工程）：
2. 核心问题："怎么说，让 AI 听懂？"
3. 操作对象：自然语言指令文本
4. 关注层次：输入端（Token 级别）
5. 主要工具：文字编辑器、Playground
6. 技术机制：条件概率引导 P(y|prompt)，软约束（语言描述）

7. 可扩展性差，维护成本高

8. Context Engineering（上下文工程）：

9. 核心问题："给 AI 什么信息，它才能做好？"
10. 操作对象：上下文窗口中的信息内容与结构
11. 关注层次：信息流（系统级别）
12. 主要工具：LangChain、LlamaIndex、向量数据库
13. 技术机制：信息检索 + 上下文组装，半软约束（结构化注入）

14. 有状态（记忆系统），中等可扩展性

15. Harness Engineering（环境工程）：

16. 核心问题："设计什么环境，AI 才能持续做好？"
17. 操作道：代码库环境、约束系统、反馈循环
18. 关注层次：工程环境（组织级别）
19. 主要工具：Claude Code、CI/CD、Linter、GC Agent
20. 技术机制：机械约束 + 反馈循环，硬约束（CI 门控，不可绕过）
21. 持久状态，高可扩展性，低维护成本
22. 适用于10万行以上的大规模项目

来源

• AI-Agent--04_comparison_and_future — 原始文章

相关

• Prompt-Engineering — relates_to
• Context-Engineering — relates_to
• Harness-Engineering — relates_to
• Language-Model — relates_to