如果你最近关注 AI，一定经常听到一个词：Agent（智能体）。

有人说它是"AI 的下一个风口"，有人说它"能自动完成复杂任务"，还有人说它"不过是个升级版聊天机器人"。

到底哪个说法对？

其实 Agent 没有那么神秘。用一句话就能说清楚：

一个 AI Agent，就是在一个大模型外面，一层一层包了四层工程。

就像一个汉堡——中间的肉饼是模型，周围的生菜、芝士、面包片分别解决不同的问题。每一层各有分工，不打架。

这四层分别是：

1. Prompt Engineering

   （提示词工程）

2. Context Engineering

   （上下文工程）

3. Harness Engineering

   （框架工程）

4. Loop Engineering

   （循环工程）

下面我一层一层给你讲清楚。

---

第一层：Prompt Engineering — 告诉 AI "你是谁"

用一个例子理解

想象你是一个餐厅经理，今天来了一个新服务员。

在第一层，你只需要给他一份简单的"操作说明"：

"你是服务员。顾客点单时，记下菜品名称。如果顾客问推荐，推荐今日特色。不确定的事，不要说，问经理。"

这份说明，就是 Prompt（提示词）。

Prompt Engineering 就是写好这份说明的艺术。

具体怎么做？

在实际的 AI Agent 里，Prompt 通常包含四部分：

• 角色

  ：你是谁？（"你是一个天气助手"、"你是一个客服专员"）

• 指令

  ：你要做什么？（"用户问天气时，调用查询工具"）

• 示例

  ：给你看几个例子（Few-shot，少样本示例）

• 输出格式

  ：回答要长什么样（用 JSON 格式、用 Markdown、还是口语化）

常用技巧

• Chain-of-thought（思维链）

  ：让 AI 先推理再回答，而不是直接蹦结论。就像服务员接单时，先在心里默念一遍流程，再开口。

• Few-shot（少样本示例）

  ：给你看两个标准例子，你再按这个格式回答。

• 输出约束

  ：要求用 JSON 或 XML 格式输出，方便后面的程序自动处理。

小白理解要点

Prompt Engineering 是让你和 AI 在"一次对话"里沟通得更清楚。

它解决的是：AI 知道你希望它怎么做。

但问题来了——一次对话搞不定的事，怎么办？这就轮到第二层了。

---

第二层：Context Engineering — 帮 AI 记住"该知道什么"

还拿服务员举例

第一层的服务员拿到了操作说明。但客人一多，他很快会遇到新问题：

• 客人说"那再来一份"——再来一份什么？他得记得上一轮点的菜。

• 客人问"你们有什么不含辣的菜"——他得知道菜单上每道菜的口味。

• 客人问"今天的汤是什么"——他得知道厨房今天备了什么料。

这些信息都属于 Context（上下文）。

Context Engineering 要解决的问题很简单：在 AI 的"大脑"里，放最重要的信息，扔掉不重要的。

为什么这层很重要？

因为大模型有一个关键限制：它能"记住"的信息量是有限的。

就像一个服务员的大脑，一次只能记住那么多东西。如果客人聊了 50 轮，他不可能把每句话都记得清清楚楚。

所以工程师需要做三件事：

1. 挑重要的放进去

   ：只把和当前问题相关的文档、历史记录放进来。不要什么都往里塞。

2. 把重要的放在开头和结尾

   ：研究发现，大模型对中间位置的记忆最差。关键信息放前面或后面。

3. 压缩旧的

   ：把几轮前的聊天内容总结成一两句话。就像服务员换班时，口头交接一句："3 号桌是一位过敏的客人，已经点了两个菜。"

这些技术你可能听过

• RAG（检索增强生成）

  ：用户问问题时，先去知识库里搜索相关段落，再把这些段落放进上下文中给 AI 看。

• Re-ranking（重排序）

  ：搜回来的结果不是都用，先排个序，只挑最相关的几个放进去。

• 记忆摘要

  ：把多轮对话的旧内容自动压缩成摘要。

小白理解要点

第一层是让 AI 知道"你是谁"，第二层是让 AI 知道"现在是什么情况"。

但到这里，我们还只是在处理"一次问答"或"一轮对话"。

如果 AI 需要调用工具、执行动作、解决真正的业务问题呢？

---

第三层：Harness Engineering — 给 AI 装上"手和脚"

从"只说不做"到"能动手"

前两层解决的问题，让 AI 能说会道了。

但一个真正的 Agent，不能只是"会聊天"——它要能做事。

比如：

• 查天气？去调用天气 API。

• 查数据库？去执行一条 SQL。

• 发邮件？调用邮件接口。

• 创建工单？调用公司系统。

这就是第三层——Harness Engineering（框架工程）。

Harness 的字面意思是"马具"、"安全带"。在 Agent 里，它指的是"模型外围的那套代码系统"。

Harness 管哪些事？

继续用服务员来类比。第一层给了操作说明，第二层给了当前桌面的上下文。但服务员要真正干活，还需要：

• 工具（Tools）

  ：点单用的平板电脑（API）、厨房下单系统（后端接口）、打印小票的机器。这些都是"工具"。

• 解析调用（Parsing）

  ：服务员说"帮我把三号桌的菜单传给厨房"，系统要把这句话转成实际的系统操作。

• 重试（Retry）

  ：如果下单系统卡住了，自动再试一次，而不是直接告诉客人"系统坏了"。

• 路由（Routing）

  ：复杂的任务可以分给不同的人——让一个专门的服务员负责传菜，另一个负责接电话。在 Agent 里，这叫 Sub-agent（子智能体）。

• 验证（Verification）

  ：菜上桌之前，检查一下是不是客人点的那道菜。这就是 Verifier（验证器） 做的事——跑测试、检查输出格式、确认结果正确。

小白版本的理解

Prompt 和 Context 解决的是"让模型说对的话"；Harness 解决的是"让模型能做事、做对事"。

如果说前两层是"文科"工作（写说明、整理资料），第三层就是"理科"工作——写代码、搭框架、处理异常。

---

第四层：Loop Engineering — 让 AI 自己跑起来，不用你盯着

从"你操作一步"到"它跑全程"

前三层组合起来，你已经有一个能说、能记、能做事的 Agent 了。

但这里还有一个问题：每次都得你给它发消息，它才会动一步。

就像你雇了一个特别能干的助手，但每件事都需要你开口吩咐："去查一下天气""好，现在写邮件""好，再把邮件发出去"。

你不说，它就不动。

Loop Engineering 要解决的就是这个问题：让 Agent 自己循环执行，而不是每次等你发号施令。

把"你"移出循环

先想象一下没有 Loop 的场景：

1. 你写一段提示词。

2. 你观察 AI 返回的结果。

3. 你根据结果写下一段提示词。

4. 你发现出错了，你手动处理。

每一步都要你参与。这就像你既是老板，又是操作工。

有了 Loop Engineering，你只需要做两件事：

1. 设定目标

   ：告诉 Agent "最终要达成的结果是什么"。

2. 设定终止条件

   ：告诉 Agent "什么时候算完成"。

然后 Agent 就自己跑起来了——它自己决定每一步做什么，需要什么工具，查什么资料，直到任务完成或到达终止条件。

最难的事：知道什么时候该停

让 Agent 自己跑，听起来很爽。但有一个很实际的问题：

AI 不知道自己什么时候该停。

它可能会：

• 在一个问题上反复绕圈（陷入循环）

• 明明已经完成了，还在继续补充

• 跑偏了主题还在往下走

所以工程师需要设计"刹车机制"：

• 轮次上限

  ：最多跑 50 步，超过了就强制停止。

• 无进展检测

  ：如果连续几轮输出都一样、没有新进展，就停下来。

• 完成度检查

  ：用一个独立的程序（而不是 Agent 自己）来检查任务是否真的完成了。

小白理解要点

前两层解决"说对话"，第三层解决"做成事"，第四层解决"自己跑，不用管"。

当你到达这一层，你的角色就从"操作员"变成了"管理者"——你不再亲自写每一步的指令，而是设定目标和边界，让 Agent 自己完成。

---

把这四层串起来：它就是一个洋葱

回头再看那张经典的图：

Prompt Engineering（最内层） → Context Engineering（包在外面一层） → Harness Engineering（再外面一层） → Loop Engineering（最外层）

每一层解决不同的问题，各自独立，不互相冲突。

一个常见的误解是：很多人以为 Agent 就是"写一个很长的 Prompt"。

看完这篇文章你应该明白了——Prompt 只是最里面的一层。把它写好固然重要，但真正的 Agent 工程，是把四层都做好。

用一句话总结：

Agent 不是一个大号聊天机器人，而是一个"带着工具、有上下文记忆、能循环执行任务"的 AI 系统。

小白不需要一开始就掌握四层全部。你可以先从第一层入手，把 Prompt 写好。然后遇到"记不住"的问题，再研究第二层。需要调用工具了，再了解第三层。想让 Agent 自己跑起来，再深入第四层。

一步一步来，你也能理解 Agent 是怎么工作的。