Harness Engineering：让AI输出提升100倍的秘密
Ryan Lopopolo 提出的 Harness Engineering 核心理念，在于将模型和编码代理视为黑盒，转而通过优化其周围的上下文和工具来重塑环境。这种方法旨在将组织的非功能性需求，如可靠性、安全性和性能，转化为代码中的可执行约束。通过让代码库成为代理的“导师”，将过往的决策、纠错和反馈转化为累积的组织智慧，确保代理能理解并执行特定的业务逻辑。这不仅是最后一公里的部署工作，更是让通用模型真正融入企业私有流程、实现高质量输出的关键。
大多数人不知道，他们只需将代理指向我的写作、推文、播客和演讲，就能让代理的输出提升100倍。
HN 评论区
33- ricardobeat
这篇文章有多少比例是 AI 写的？
> A command can feel ambient without making its credential model-visible.
我会对遵循那些未经人类全程监督而写出的、关于如何构建人机交互系统的指南持谨慎态度。这种措辞让我怀疑，这些究竟是真正的建议，还是 AI 在模式匹配并幻觉生成了一些看似连贯的内容。
- lopopolo
大家好，我是作者，也是这篇关于该主题的开创性 OpenAI 博客的作者。告诉我怎么帮你们大家把这事搞起来。
- turing_complete
在仓库的 readme 开头引用自己的话……
- K3UL
提示工程（Prompt engineering），上下文工程（context engineering），现在是 harness 工程了。我猜几个月后我们就会绕回软件工程（software engineering）吧？
所有这些 buzzwords 本质上不过是美化过的微调与配置。这么多年，我本该说自己在做调试器工程（Debugger Engineering）和 IDE 工程。
- richardfey
认真提问：我们如何验证关于 harness 有效性的这类声明？