生成式 AI · Agent 開發

AI 工程演進:Prompt → Context → Harness → Loop

從「怎麼問」一路長到「會自己做完」。LLM 應用的開發,正沿著四層往外擴:字句 → 資訊 → 環境 → 迴圈,一層包一層,最後長成一個自主 agent。

提示工程脈絡工程骨架工程迴圈工程一層包一層

💡一句話定義

LLM 應用開發的四層演進:提示工程(Prompt)管你送的字句脈絡工程(Context)管模型看得到的資訊骨架工程(Harness)管 agent 跑的環境迴圈工程(Loop)管驅動它的迴圈每一層都把前一層包在裡面,範圍越來越大,能力也越來越強。

🎮互動:工程演進階梯

同一個任務——「處理一封客戶詢問信」——點四個階梯往上爬,看每一層各自在「管什麼」、同一任務會怎麼被處理、解鎖了什麼能力、又還缺什麼。左邊的巢狀方框會顯示「一層包一層」。

🪜 工程演進階梯
🎯 任務:處理一封客戶詢問信(要回覆得準、還要把後續追蹤排進行事曆)
第 1 階
提示工程
Prompt · 字句
第 2 階
脈絡工程
Context · 資訊
第 3 階
骨架工程
Harness · 環境
第 4 階
迴圈工程
Loop · 迴圈
④ LOOP 迴圈
③ HARNESS 環境
② CONTEXT 資訊
① PROMPT 字句
這一層在「管」什麼
同一任務,這層怎麼處理
✅ 解鎖了什麼能力
⚠️ 還缺什麼(要靠下一層)
系統能力

🧩四層各自在管什麼

✍️① Prompt 提示工程
你送的字句:指令怎麼寫、給不給範例、要什麼格式。問「怎麼問?
📚② Context 脈絡工程
模型看得到的資訊:系統提示、對話史、RAG、工具清單、記憶、狀態。問「這步該餵它什麼?
🛠️③ Harness 骨架工程
agent 跑的環境:可用工具、權限、護欄、觀測、回饋,接到可執行世界。問「它能做什麼、被怎麼管?
🔁④ Loop 迴圈工程
驅動它的迴圈:act→observe→decide→repeat 的節奏與完成條件。問「怎麼反覆推進到完成?

📚為什麼「脈絡工程」變成主角?

Agent 要跨多步驟規劃、行動,光靠一句好 prompt 不夠——模型記不住上下文視窗以外的東西脈絡工程(Context Engineering)在 2025 年中興起:重點從「怎麼措辭」轉為「這一步該把哪些資訊組進上下文」——動態拼裝系統提示、檢索到的文件、記憶與工具資訊。業界甚至出現「context is in, prompt is out」的說法。它負責 agent 的記憶與狀態管理,是 prompt 之外的下一個前沿。

🪆一層包一層(不是彼此取代)

這四層是往外擴、互相包住,不是誰淘汰誰:Loop 驅動整個 agent,它在一個 Harness(環境)裡運轉,每一圈由 Context(資訊)動態拼裝要餵的內容,而其中一段就是你寫的 Prompt(字句)。所以做小工具,prompt/context 就夠;要做會自己做完事情的 agent,才需要往上補 harness 與 loop。

⚖️四層對照表

管什麼關鍵問題例子解鎖能力
Prompt 提示字句怎麼問?指令、範例、輸出格式控制語氣與格式
Context 脈絡資訊餵它什麼?系統提示、RAG、記憶、工具清單有所本、個人化、少幻覺
Harness 骨架環境它能做什麼、被怎麼管?工具、權限、護欄、觀測、回饋能安全地採取行動
Loop 迴圈迴圈怎麼推進到完成?act-observe-decide、完成條件、步數上限自主完成多步任務

🤔什麼時候用哪一層?

常見誤解:以為新層會「取代」舊層。其實是需求越複雜、往上補越多層
單次問答、寫文案 → Prompt 就夠。
要有所本、接自家資料、對話有記憶 → 加 Context(RAG/記憶)。
要它真的動手、呼叫工具、又要安全可追溯 → 加 Harness(工具/護欄/觀測)。
要它自主把多步驟任務從頭做到尾 → 加 Loop(迴圈與完成條件)。

自我檢測

Q1. Prompt 與 Context engineering 差在哪?
Prompt 管「怎麼問」(你送的字句);Context 管「模型這一步看得到什麼」(系統提示、對話史、RAG、工具、記憶、狀態),動態拼裝。前者是措辭,後者是資訊架構。
Q2. Harness engineering 是什麼?
設計 agent 運行的「環境/骨架」:可用工具、權限、護欄、觀測(log/追蹤)與回饋機制,把模型接到可執行世界(檔案、API、記憶),讓它能安全、可追溯地行動。
Q3. Loop engineering 是什麼?
設計驅動 agent 的迴圈:act→observe→decide→repeat,設定節奏、何時再跑一圈、何時算完成,以及步數/成本上限,讓它自主推進到目標。
Q4. 這四層是彼此取代嗎?
不是。它們一層包一層、往外擴:Loop 驅動 agent、跑在 Harness 裡、每圈由 Context 拼裝內容、其中一段是 Prompt。需求越複雜就往上補越多層。
Q5. 做一個簡單文案工具需要 harness/loop 嗎?
通常不用。單次生成用 Prompt(+必要的 Context)就夠;只有要「會自己呼叫工具、多步驟做完事情」的 agent,才需要 Harness 與 Loop。

🎯重點整理

📝 iPAS 考點提醒

「工程演進」是生成式 AI 應用開發的新興重點:提示工程(Prompt,字句)→脈絡工程(Context,模型看得到的資訊:系統提示、對話史、RAG、工具、記憶、狀態)→骨架工程(Harness,agent 運行環境:工具、護欄、觀測、回饋)→迴圈工程(Loop,act-observe-decide 的迴圈與完成條件)。關鍵觀念:四層一層包一層、往外擴,不是彼此取代。脈絡工程(Context Engineering)在 2025 年中興起、負責 agent 的記憶與狀態管理,是提示工程之外的下一個前沿。易混點:Prompt 是「怎麼問」,Context 是「餵什麼資訊」;Harness 是「環境與護欄」,Loop 是「反覆推進到完成」。

想練情境題與詳解 → AI 學習與考證地圖

❓ 常見問題

Prompt 與 Context engineering 差在哪?

Prompt 管「怎麼問」(你送的字句);Context 管「模型這一步看得到什麼」(系統提示、對話史、RAG、工具、記憶、狀態),動態拼裝。前者是措辭,後者是資訊架構。

Harness engineering 是什麼?

設計 agent 運行的環境/骨架:可用工具、權限、護欄、觀測與回饋機制,把模型接到可執行世界(檔案、API、記憶),讓它能安全、可追溯地行動。

Loop engineering 是什麼?

設計驅動 agent 的迴圈:act→observe→decide→repeat,設定節奏、何時再跑一圈、何時算完成,以及步數/成本上限,讓它自主推進到目標。

這四層是彼此取代嗎?

不是。它們一層包一層、往外擴:Loop 驅動 agent、跑在 Harness 裡、每圈由 Context 拼裝內容、其中一段是 Prompt。需求越複雜就往上補越多層。

什麼時候需要 harness 與 loop?

單次生成用 Prompt(+必要 Context)就夠;只有要做「會自己呼叫工具、多步驟做完事情」的自主 agent,才需要 Harness 與 Loop。

🧭 相關主題

← 返回 AI 學習與考證地圖