小白也能看懂：Prompt、Context、Harness、Loop、Graph 到底怎么分？

大家好，我是悟鸣。（公众号：悟鸣AI）

最近 AI Agent 圈里冒出了一串新词：Prompt Engineering、Context Engineering、Harness Engineering、Loop Engineering，现在又开始谈 Graph Engineering。

每出现一个新词，大家就容易把它理解成“上一套方法过时了”。

Akshay Pachaar 的一篇文章给了一个很清楚的判断：它们彼此层层嵌套。区分它们的关键，是看这一层处理的“工作单元”有多大。

从一次输入，到一整个任务

Prompt Engineering 处理的是消息。

角色、背景、指令、示例和输出格式，都要在一次输入里组织好。它关注的工作单元，是发给模型的一条 Prompt。

Context Engineering 处理的是记忆。

任务一长，信息就会超过上下文窗口。此时重点不再是继续塞资料，而是判断哪些内容应该保留、压缩或丢弃。它关注的工作单元，是这一轮窗口里留下了什么。

Harness Engineering 处理的是机器。

模型本身只会生成内容。Harness 负责收集上下文、调用模型、使用工具或子 Agent，再通过测试或评审验证结果。它关注的工作单元，是机器完整运行的一次。

Loop Engineering 处理的是整轮运行。

一次 Harness 往往做不完任务，Loop 要决定是否再跑一轮。这里需要明确目标、迭代上限、预算和完成检查。Agent 不再调用工具，只能说明这一轮结束了，不代表任务真的完成。

Graph Engineering 处理的是协作。

当多个 Loop 需要一起工作，就要安排谁先执行、谁能并行、谁负责检查，以及状态如何在它们之间流动。节点负责工作，边决定下一步，共享状态连接整个过程。一个 Loop，也可以看成只有一个节点、不断指向自己的 Graph。

这套分法真正有用的地方，是定位问题

如果输出格式不对，先看 Prompt。

如果 Agent 忘了关键信息，先看 Context。

如果工具调用了却没人验证，问题多半在 Harness。

如果任务反复空转，或者过早停下，就要检查 Loop 的目标、刹车和完成条件。

如果多个 Agent 互相冲突、顺序混乱、共享状态被污染，才轮到 Graph。

Prompt 往往更容易修改，所以很多系统问题最后都会被归咎于“提示词没写好”。但真正的故障，可能发生在外面更大的那一层。

我的理解

这五个词，其实对应了 AI 工程不断向外扩大的视角：

从一句话，到一段记忆；从一次执行，到持续运行；再到多个执行单元之间的协作。

Graph Engineering 也不是什么突然出现的新技术，节点、边和状态早就在工作流系统里存在。新名字会继续出现，但只要一个任务需要多个 Agent 协同，协调、状态和验证就会一直是工程问题。

所以学这些概念时，不必急着追每一个新名词。先问一句：我现在出问题的，到底是哪一层？

参考资料：

Akshay Pachaar 的长帖
Graph Engineering Clearly Explained