AI工程三部曲

从如何跟 AI 说话（Prompt），到给 AI 看什么（Context），再到给 AI 造一个世界（Harness）——三次跃迁描绘了人类与 AI 协作方式的完整演化史。

脉络

按时间/逻辑顺序排列的内容链：

1. 008-Workflow和Agent的本质区别 — 建立基础概念：Workflow 定义空间结构（做什么/按什么顺序），Agent 定义逻辑结构（此时此刻怎么办）；两者相辅相成，复杂任务需要 Agentic Workflow
2. 021-AI难点在工程 — 揭示真实瓶颈：AI 落地的核心障碍不是算法，而是全链路系统工程能力——集群、散热、能源，算法只是起点
3. 026-Code is Cheap, Intent is King — 定义 Software 3.0 的范式：从 1.0（代码即逻辑）到 2.0（代码即数据）到 3.0（代码即意图），自然语言成为新编译器，Bug 变成思维的歧义
4. 062-什么是Harness Engineering — 描述最新的工程范式：Prompt Engineering → Context Engineering → Harness Engineering，人类的角色从写代码转变为设计让 AI 工作的世界

核心演进

第一步：厘清 Workflow 与 Agent 的本质（#008）

这是理解 AI 工程的入门地图。Workflow 是蓝图，解决"依赖关系"；Agent 是执行智能，解决"实时决策"。二者的抽象层次不同，前者是业务流程的高层抽象，后者是执行的低层抽象。一个复杂的 Workflow 由多个 Agent 节点协作完成——这就是 Agentic Workflow 的本质。建立这个概念是后续讨论的前提。

第二步：看清工程侧的真实挑战（#021）

有了概念之后，要直面现实：AI 的真正瓶颈在工程侧，不在算法侧。算法是起点，但从 idea 到落地需要打通整个生态链——硬件采购、集群搭建、散热设计、能源供给，每一环都可能成为致命瓶颈。这篇文章用 xAI、微软等真实案例说明：具备"全链路系统能力"的工程人才才是真正稀缺的资源。工程的复杂性被长期低估了。

第三步：预见 Software 3.0 的到来（#026）

工程瓶颈之外，编程范式本身也在发生质变。Karpathy 的 1.0/2.0 分类（代码即逻辑/代码即数据）在 AI 时代进入第三阶段：Code is Intent（代码即意图）。自然语言成为顶层编程语言；软件流体化、即时生成即用即抛；Bug 的本质变成了人类表达的歧义。核心结论：技术门槛降为零之后，真正的竞争回归到思维密度和审美品味。平庸的意图只能生成平庸的垃圾。

第四步：Harness Engineering 成为新范式（#062）

2023 年问的是"怎么措辞"（Prompt Engineering），2025 年问的是"给 AI 看什么"（Context Engineering），2026 年的问题是"给 AI 造一个什么样的世界"（Harness Engineering）。OpenAI Codex 团队用百万行 0 行手写代码的实践总结出三条原则：给 Agent 地图而非手册（渐进式披露）；用确定性约束替代规范性说明（把规则编码进工具链）；让 Agent 持续打扫自己的屋子（维护循环）。关键数据：同一个模型，不同 Harness，解题率从 2% 到 12%，差距纯粹来自环境设计。不是更聪明的模型，是更好的设计。

这四篇的逻辑是递进的：先理解 Agent 的概念结构 → 再认识到工程的真实难度 → 再理解编程范式的本质变化 → 最后掌握当下最前沿的工程方法论。

涉及概念

• Code is Intent — Software 3.0 的核心范式，思维密度成为唯一硬通货
• Harness Engineering — 当前最前沿的 AI 工程方法论，人类角色从执行者转变为环境设计者
• AI OS — 这套工程思想在个人系统层面的落地，是理论到实践的桥梁