Engineering 光谱：从 Prompt 到 Loop，AI 开发范式的四次变奏

1. Prompt Engineering：一切 AI 应用的原点

用户输入 → 精心构造指令 → 模型输出。

核心是把任务意图“翻译”成大模型能精准执行的自然语言描述。工作集中在：写提示词模板、设计少样本示例、角色设定、思维链引导。这个阶段，AI 产品 = 好的 Prompt。

2. Context Engineering：把“提示”变成“环境”

单条指令不够，要让模型“浸泡”在完整上下文里。于是来了 context engineering：RAG 检索增强、上下文窗口管理、记忆压缩、动态注入知识库片段、工具调用结果回填——不再只是写好问题，而是规划好整个上下文空间，让模型在足够丰富的环境中自然产出正确结果。

核心转变：从“怎么说”到“让模型能看到什么”。

3. Harness Engineering：给 AI 套上“马具”

Harness，直译是“马具”——用来控制马匹方向与力量的器具。这一年大家发现，光有上下文还不行，得把模型和外部工具、工作流、多轮编排真正“套”在一起才能干活。于是 harness engineering 的核心变成：

• Agent 路由与工具调用编排
• 多步骤流水线设计
• 错误兜底与自修复回路
• 权限管控与安全护栏

翻译建议：沿用“马具”意象，可译作“驾驭工程”或“编排工程”，本质就是为 AI 套上可控制的执行框架。

4. Loop Engineering：把“单次调用”升级成“持续反馈闭环”

点火的是 Peter Steinberger，开源 agent 项目 OpenClaw 的作者，文章在这原帖
给概念定名写长文的是 Addy Osmani，Google Cloud 的 AI 总监
loop engineering
，Claude Code 创始人 Boris Cherny 在访谈里说了一句更猛的话，等于提前给这个概念背了书：​「我已经不 prompt Claude 了。是 loop 在运行着 prompt Claude、决定做什么。我的工作是写 loop。」​一个造工具的、一个定方法论的、一个每天泡在一线的产品创始人，三个人在同一周说了同一件事。​

今年刚冒出来的新词。loop engineering 把关注点从单次任务推到持续运行的反馈环：模型执行 → 结果反馈 → 自动评估 → 规划调整 → 再次执行。典型场景包括 Agent 的自我纠错循环、A/B 策略在线优化、持续学习的实验管线。

如果说 harness engineering 是给马套上缰绳，那 loop engineering 就是让它自己在跑道上边跑边修正路线——关注的不再是一次执行的对错，而是系统在时间维度上的持续进化能力。

5. Loop Engineering 才是这篇文章的主角

loop engineering 不是凭空冒出来的，它正好站在前三张牌的肩膀上：

• 要靠 prompt engineering：评估器怎么打分、调整策略怎么生成新计划，本身还是 prompt 驱动。
• 要靠 context engineering：loop 跑起来需要历史记录、知识库片段、评估报告全塞进上下文，才能做出靠谱的下一轮决策。
• 要靠 harness engineering：loop 的“执行”那一步本身就是 agent + 工具编排。缰绳套好之后，loop 决定缰绳该往哪儿拽。

所以你可以把它理解成：prompt 解决“怎么说”，context 解决“看到什么”，harness 解决“怎么套上工具跑起来”，loop 负责“跑起来之后怎么越跑越好”。everything is loop.