事件概述

2026 年开年，随着 HashiCorp 联合创始人 Mitchell Hashimoto 提出概念及 OpenAI 发布内部实验报告，Harness Engineering（线束工程） 迅速取代 Prompt Engineering（提示词工程）和 Context Engineering（上下文工程），成为 AI 辅助开发领域的核心范式。

这一转变基于一个核心共识：在 AI Agent 编码领域，决定结果优劣的最大变量并非模型的智能程度，而是模型所处的运行环境。LangChain 的测试数据显示，仅通过优化外部环境（如文档结构、验证回路），其 Agent 在 Terminal Bench 2.0 基准测试中的排名便从第 30 位跃升至第 5 位，得分从 52.8% 飙升至 66.5%，而底层模型参数未作任何更改。

核心信息

1. 认知演进：从“说什么”到“在哪做”

• Prompt Engineering (2023)：聚焦于单条指令的撰写，适用于 Chatbot 阶段，但在处理复杂 Agent 任务时局限性暴露。
• Context Engineering (2025)：焦点扩展至动态组装上下文窗口（RAG、对话历史、工具输出），解决“知道什么”的问题，但无法防止 Agent 失控或陷入死循环。
• Harness Engineering (2026)：定义为核心在于“在什么环境里做事”。Mitchell Hashimoto 将其定义为：“每当发现 Agent 犯错，就设计一套解决方案，使其永远不再犯同样的错误。”

2. OpenAI 实验深度解读

OpenAI 团队在“零人类手写代码”的极端约束下，利用 Codex Agent 协作交付了超 100 万行生产级代码。其成功关键在于构建了强大的工程基础设施：

• 渐进式文档披露：摒弃将所有信息塞入单一 AGENTS.md 的做法，转而采用结构化目录。根目录 AGENTS.md 仅作为约 100 行的“目录”，指向 docs/ 下的分层架构、设计原则、执行计划及安全约束文件。Agent 按需逐级读取，避免信息过载。
• 运行时可观测性：将日志、指标和追踪数据直接暴露给 Agent。Agent 可通过 LogQL/PromQL 查询服务性能，甚至利用 Chrome DevTools Protocol 操作浏览器以重现 Bug 和验证修复。
• 机械化架构围栏：
  • 确定性 Linter：重写错误输出格式，使其专为 Agent 阅读设计，包含自动修复建议，实现“违规→检测→修复”闭环。
  • LLM 审计 Agent：用于检查难以形式化的语义违规。
  • 依赖流向控制：严格定义 Types→Config→Repo→Service→Runtime→UI 的层级，违反方向的代码被自动拦截。

3. 行业实践框架

Thoughtworks 专家 Birgitta Böckeler 将 Harness Engineering 提炼为三维框架：

1. 上下文工程：确保 Agent 在正确时机获取正确信息（含动态可观测性）。
2. 架构约束：通过机械化工具强制执行边界，减少人工干预。
3. 熵管理（垃圾回收）：部署专用清理 Agent 定期扫描文档漂移和规则腐化，防止 Harness 自身随时间退化。

其他头部公司案例：

• Stripe：Minions 体系每周合并超 1,300 个由 AI 编写的 PR。采用独立预热 devbox 隔离环境，通过中心化 MCP 服务器（Toolshed）提供近 500 个工具，并混合使用确定性代码与 LLM 节点以提升可预测性。
• LangChain：验证了环境优化的决定性作用，模型不变的情况下，Harness 优化带来显著性能提升。

值得关注

工程师角色的根本转变

工程师的工作重心已从“写代码”转向“设计环境”：

• 构建文档与上下文体系：维护结构化规范，编写机器可读的 Linter 规则。
• 定义业务意图：将业务目标和质量标准转化为 Agent 可执行的精确逻辑。
• 构建自动化防呆机制：依赖预推送钩子和本地 Linter 快速拦截问题，而非依赖人工审查。

组织与人才挑战

• 团队规模重构：OpenAI 的 3-7 人团队完成了以往数十人的工作量，单人或小团队即可拥有全生命周期能力。
• 学徒缺口（Apprentice Gap）：Birgitta Böckeler 警告，若初级开发者过早进入 Agent 驱动循环而未经历手动开发锻炼，可能缺乏构建健壮 Harness 所需的系统直觉。未来需重视“体验工程”，保留手动开发的直觉训练。

落地建议

Hashimoto 提出的六阶段采用旅程中，个人开发者可采取以下行动：

1. 起步：同一任务先手动完成，再让 Agent 重做，建立对能力边界的直觉。
2. 习惯：每日下班前启动 Agent 进行深度调研或并行探索，实现“热启动”。
3. 关键跃迁：在项目根目录建立 AGENTS.md，记录核心架构、常见错误及应对规则，随 Agent 犯错不断迭代完善。
4. 心态：人类应控制何时中断 Agent，而非被通知打断。

当前行业仅有 52% 的团队部署了评估体系（Evals），这将是 Harness Engineering 下一阶段必须补齐的关键能力。