文章目录
- [从 Prompt 到 Context 再到 Harness ，AI Coding 正在经历第三次范式跃迁](#从 Prompt 到 Context 再到 Harness ，AI Coding 正在经历第三次范式跃迁)
-
- 前言
- [从 对话框编程 到 Agent 编程](#从 对话框编程 到 Agent 编程)
-
- [第一阶段 对话框编程](#第一阶段 对话框编程)
-
- [初次了解 AI](#初次了解 AI)
- [初次接触 AGI](#初次接触 AGI)
- [第二阶段 代码补全](#第二阶段 代码补全)
- [第三阶段 Agent 编程](#第三阶段 Agent 编程)
- [为什么要聊 Harness Engineering](#为什么要聊 Harness Engineering)
- [Harness Engineering 是什么](#Harness Engineering 是什么)
- [从 Prompt Engineering 到 Context Engineering 的转变](#从 Prompt Engineering 到 Context Engineering 的转变)
- [从 Context Engineering 到 Harness Engineering 的转变](#从 Context Engineering 到 Harness Engineering 的转变)
- 总结
从 Prompt 到 Context 再到 Harness ，AI Coding 正在经历第三次范式跃迁
前言
2025 年是 AI Coding 全面爆发的一年，Cursor、Claude Code、Codex、Windsurf 等 AI Coding 产品让开发者第一次真切感受到 AI 的力量------ AI 不再只是补全几行代码，而是能理解需求、规划方案、跨文件编辑、运行测试，甚至发起 Pull Request，特别是结合 MCP 等 AI 工具，让 AI 能够让一个人成为一个真正的"超级个体"，集成需求、设计、开发、测试、运维全能型人才。
所以让我们全面拥抱 AI 吧，不要再抱着"古法编程"这门"非遗技艺"了，拥抱不意味着抛弃，而是接受，而是利用。想当年读书那会，读到"学习如逆水行舟，不进则退"这句名言，当时还没啥感觉，但是现在回头来看，特别是对于我们互联网行业的码农，真的是至理名言，比以前读书那会要残酷十倍百倍，不学习，不进步，别说 35 岁危机，可能你连 35 的门槛都见不到，所以同志们加油学习吧！
接下来我将用我亲身经历，带你了解 AI 编程正在发生的变迁
从 对话框编程 到 Agent 编程
第一阶段 对话框编程
初次了解 AI
因为本人来自农村的原因，人生第一次接触电脑还是高中时候，直到上了大学才真正意义上学会了打字，当初学习计算机的经历还历历在目，是比较艰辛的，但是出于我对计算机对 Coding 的热爱，也一直坚持下来了，目前从事这一行已有一年半了。我所在的也是一所普通二本院校，班上毕业后从事这一行业的人也只有寥寥数人（不知道你们学校就业率如何，当时入校时领导吹着 90% 的就业率，实际是多少估计只有我们毕业人才心里有数）
我第一次认真了解 AI 可能是 2023 年了，当时上了一堂人工智能工程课，主要介绍 AI，学习使用 Python 进行一些简单的数据分析和处理，当时还写了一篇文章感兴趣的可以了解下
https://ghp666.blog.csdn.net/article/details/129766677
初次接触 AGI
可能 AI 领域的"萨拉热窝"事件要属 2023年 GPT3.5 的发布了吧，直接点燃了各行各业对 AI 领域的关注，形成了破圈效应，之后就是各家大厂、资本纷纷下场，从而快速助推了 AI 的发展，博主当时正在读大三，因为我本来就是计算机专业的，同时个人也十分热爱在网上浏览各类前沿的热点新闻，同时第一时间就用国外的虚拟手机号注册了一个 GPT 账号，之后就过上了幸福的大学生活了🤣，我用它应付各类水课作业，没有它之前，都是苦哈哈的到处百度、小猿搜题寻求答案（不知道在坐的各位，大学水课作业是咋度过的），印象特别深刻的是大二期末前几周的复习，因为网上编译原理相关的题目资料太少了，连着好几个晚上抱着那本老厚的编译原理啃，硬生生速通了编译原理几个大题，当时还出了几篇文章，用来解救室友们
感兴趣的可以搜索：https://ghp666.blog.csdn.net/article/details/124520295 后面编译原理不出意外考了 92分(●ˇ∀ˇ●)（满分100）
除了使用它来应付水课的课后作业以外，我还用它来辅助学习算法、编程，特别是学习算法，简直是一位全知全能的老师，因为我本身计算机相关的知识接触的比较晚，大学才学会打字，所以当时刚接触算法（特别是递归）还是比较吃力的，总感觉脑子不够用，直到遇到了它，发现学起来轻松了需求，我用它给我画算法流程图、思路解析，反正哪行代码不懂就问他，当时大半夜我还激动的发了一个朋友圈进行感慨😄
第二阶段 代码补全
第一阶段，为主要是在校期间，一直使用的是对话框编程，常用的比如：GPT、文心一言（刚出来的时候用，后面不用了，懂得都懂）、千问、豆包。
2024 ，我大四进入公司实习，在同事的安利下，首先接触到了 IDEA 的 "ChatGPT GPT-4-Bito Al Code Assistant " 这个插件（现在这个插件几乎销声匿迹了，我也没用了，不知道各位有没有用过这个插件），后面阿里推出了通义灵码，我也首先进行了体验，效果还不错，加上公司也强推它，所以后面就直接改用通义灵码了
后面也有体验 Github 推出的 Copliot 发现效果也挺不错，但是没发现和通义灵码存在特别大的差距，所以还是选择使用通义灵码，支持国产还是没错的，对吧 (●'◡'●)
第三阶段 Agent 编程
第二阶段，我的 AI 编程还停留在代码补全、自动生成、简单解释 的层面。直到 Claude 出现，我才真正意识到：编程方式，又要变天了。不过刚推出那阵子，我正好处于长期高强度工作 + 自我懈怠的状态。
2025 年那段时间，我连 CSDN 都断更好久，这也是我最终从上家公司离职的主要原因。工作强度直接拉满 ：白天上班写业务代码，晚上下班还要做测试，最夸张的时候，周末熬夜自测 1000 个测试用例，现在想起来都后怕。不知道有没有读者听说过广州的 HY 这家公司？知道的朋友可以在评论区聊聊，懂的都懂 😂
直到 2025 年下半年离职，我终于有了大把属于自己的时间。我才沉下心系统学习 Claude，真正搞懂了 Agent 编程的完整流程，也彻底打开了新的开发思路。
Anthropic 在其《2026 Agentic Coding Trends Report》中指出，开发者在日常工作中已有约 60% 的时间在使用 AI 辅助，但能够"完全委托"给 Agent 的任务比例仅为 0-20%。这个巨大的落差揭示了一个核心矛盾：模型的原始能力已经足够强，但从"能力"到"可信赖的工程产出"之间，还横亘着一道系统性鸿沟。
PS：后面我会在 CSDN 发布【万字详解 Claude】文章，手把手叫你如何高效使用 Claude，这篇文章主要完整记录了 Claude 的工作原理，工作流程、常用指令、最佳实践，如何自定义 skill、agent、commands、hooks等等，目前已经完成了，但是还需要进行完善，因为公众号不适合发表长文，所以就不在这里发布了
为什么要聊 Harness Engineering
前面聊了我从对话框到 Agent 编程的经历，那么和今天的主角 Harness Engineering 有什么关系呢？
试想一下，当我们把 Agent 放进一个真实的企业级代码库------十几万行代码、多条业务链路交织、技术栈涉及 RPC 框架、流程编排引擎、配置中心、分布式缓存等中间件------很快就会遇到一个普遍的困境：Agent 写出来的代码往往"语法正确、风格统一，但业务语义上存在微妙的错误"。它不知道某个配置项在全项目有 85 处引用，不知道某个链路是高频变更区，不知道价格字段必须用 long 类型且单位为分。这些散落在团队经验中的隐性知识，从未被系统化地记录下来。
Harness Engineering 就是用来弥合这道鸿沟的。 这篇文章会从概念出发，讲清楚它是什么、有什么用、为什么需要它
Harness Engineering 是什么
要想彻底了解 Harness Engineering 是什么，首先我们需要知道它的来时路，也就是 Prompt Engineering 和 Context Engineering
从 Prompt Engineering 到 Context Engineering 的转变
-
Prompt Engineering 是什么
Prompt Engineering（大概 2022-2024 这个时间段是比较火热的）中文翻译过来就是"提示词工程"，它是通过优化提示词让模型在一次对话中给出更好的回答。它的核心隐喻是"写好一封邮件"，关注的是单次交互的优化------如何通过 Few-shot Learning、Chain-of-Thought、角色设定等技巧
用通俗移动的话来讲，Prompt 就是调整对 AI 的说话方式，就好比我以前读过一本书**《提问的智慧》**（可以推荐大家读一下，它是开源的，Github 上搜得到）一样，就是学习如何提问，从而提高 AI 的使用效率，让 AI 能更好的理解
-
Prompt Engineering 存在的问题
但 Prompt 有一个非常明显的天花板：它只管 "这一次"，管不了 "一整段"。
- 上下文太短、记不住事：多轮对话后，前面的需求、背景、代码逻辑很容易被模型 "遗忘"，回答开始跑偏。
- 无法持续迭代：每次都要重新写提示词，无法把历史经验、项目规范、个人习惯沉淀下来。
- 复杂任务 hold 不住：遇到架构设计、项目重构、长篇文档、多模块联动开发时，单次 Prompt 根本描述不清完整场景。
- 缺乏 "记忆" 与 "人格"：AI 每次都是 "全新启动"，无法像一个熟悉你项目、熟悉你风格的资深同事一样工作。
简单说：Prompt 能解决 "单次提问"，却解决不了 "一整个项目的持续协作"。
这也是为什么大家慢慢从「优化一句话」，转向了「构建一整个上下文环境」------ 也就是 Context Engineering。
-
Context Engineering 是如何解决 "一整个项目的持续协作" 呢
Context Engineering 不再只盯着怎么问这一句，而是给 AI 搭建一个完整、持续、可复用的 "工作环境"，让它像熟悉你项目的老同事一样，全程跟着项目走。
简单说：
-
Prompt Engineering = 教 AI 听懂一句话
-
Context Engineering = 让 AI 拥有一整个项目的记忆与规则
比如 Claude 的 CLAUDE.md 和 rules 文件，都脱离了 Prompt Engineering 范围，本质都是 Context Engineering，将重要内容（比如项目结构、技术栈、开发规范等）持久化到上下文中，不必每次都向 AI 重复
解决了 Prompt Engineering 多轮对话容易跑偏、矛盾的核心痛点
-
从 Context Engineering 到 Harness Engineering 的转变
-
Context Engineering 存在的问题
Context Engineering（2025年期间比较火热）相比 Prompt Engineering 向前迈了一步，关注的是"给 Agent 看什么"------动态构建的上下文窗口中应该填充哪些文档、对话历史、工具定义和 RAG 检索结果。Shopify CEO Tobi Lutke 将其类比为"给邮件附上所有正确的附件"。这一阶段的核心突破是认识到：模型的表现上限取决于上下文的质量，而非 prompt 的措辞。
但是他也带来了许多新问题，比如：
- 上下文窗口有限：信息塞多了就溢出，关键内容反而被淹没。
- 噪声干扰严重：无关文档、冗余历史会让模型 "看晕"，推理变慢、准确率下降。
- 无法跨会话持久化：关了对话就得重来，不能长期记忆项目规则与经验。
- 缺乏调度与控制：只解决 "给什么"，不解决 "什么时候给、按什么逻辑给"。
- 复杂项目不可控：多模块、多轮次、多工具协作时，上下文会乱成一团。
-
Harness Engineering 是如何解决 Context Engineering 产生的问题
Harness Engineering（2026 也就是当下最火热）站在了更高的抽象层次，它不再只盯着 "一次对话" 或 "一个上下文窗口"，而是设计一套能跨越多个会话、多个 Agent 角色、多个执行阶段的完整系统架构。
它把零散的上下文、工具、记忆、调度、权限、回滚、评估全部整合起来，让 Agent 从 "临时帮手" 变成可长期协作、可稳定交付的 "数字员工"。正如 OpenAI 工程师 Ryan Lopopolo 在带领团队用 Agent 构建百万行级代码项目后那句经典总结："Agents aren't hard; the Harness is hard."（Agent 本身不难，难的是驾驭它的整套控制系统。）
总结
- Prompt：教 AI 听懂一句话
- Context：给 AI 一整套资料
- Harness：给 AI 一套完整的工作制度、工作流程、工作平台
回顾 AI 辅助开发的进化之路，这三个阶段层层递进，见证着我们与 AI 的协作方式不断升级：
Prompt 是对话框时代的核心能力，彼时 AI 还局限在对话框内，我们只能通过不断优化提示词、打磨提问方式，才能让 AI 准确理解需求、输出可用结果，核心是 "教会 AI 听懂这一次指令"。
Context 是 AI 走出对话框、迈入代码补全时代的关键突破。当 AI 真正走进我们的 IDE、融入我们的项目，单纯的提示词已不够用 ------ 我们需要通过构建高质量上下文（比如 Claude 的 CLAUDE.md、项目规范 rules、业务文档等），让 AI 贴合团队规范、吃透业务逻辑，稳定完成从需求到代码的落地，核心是 "给 AI 配齐项目所需的全部资料"。
而 Harness ，则是 AI 全面迈入 Agent 时代 的标志。它跳出了 "单次对话""单个上下文" 的局限，通过搭建完整的系统架构，实现多会话、多 Agent 角色、多执行阶段的协同，核心是 "给 AI 建立一套可落地、可管控、可迭代的工作体系"。
对我们开发者而言，这三者从来不是相互替代，而是必须层层掌握、协同运用的核心能力栈：
我们既要学会 Prompt 优化，用精准的指令让 AI 高效响应，降低沟通成本；也要精通 Context 构建，让 AI 深度融入项目，成为贴合业务、符合规范的 "临时开发助手"；更要主动学习 Harness 设计，学会搭建 Agent 的调度机制、记忆体系与安全边界，让 AI 从 "临时帮手" 升级为可长期协作、可规模化使用的 "数字开发伙伴"。
AI 辅助开发的浪潮已不可逆转，与其焦虑被技术淘汰，不如主动拥抱进化。用好 Prompt、Context、Harness 三层能力，把 AI 变成自己最强大的生产力外挂，在技术迭代中站稳脚跟，实现自身价值的升级 ------ 这，才是我们应对 AI 时代的最佳姿态。
手机屏幕前的你现在处在哪个阶段？
还在只用普通 Prompt 对话，还是已经在用 CLAUDE.md 做上下文工程，甚至开始接触 Agent 架构了？
欢迎评论区留言交流，一起跟上 AI 开发进化的节奏～
都看到这里来了，就给我送个**点赞+❤**吧(●ˇ∀ˇ●)，关注我，后续持续分享 AI 编程进阶干货✨
加粗样式