AI工程下一个半年关键词：Prompt、Context、Harness、Loop之后

最近和几位从事AI应用开发的朋友小聚，几杯酒下肚，大家不约而同地叹了口气。

不是技术能力跟不上，而是心累。去年还在死磕如何把 Prompt 写得像咒语一样精准，年初忙着给 Agent 装上 Harness 生怕它删库跑路，到了6月，整个圈子都在疯狂研究 Loop Engineering，恨不得把所有工作流都变成永动机。

可当你真的把一个完美的 Loop 跑起来，看着它7x24小时不知疲倦地自我修正、提交代码、通过测试时，心里反而会冒出一个念头：

然后呢？

如果把AI工程看作一场几何升维游戏，我们似乎已经通关了“体”这一关。当单体智能的闭环做到极致，下一个能让行业再兴奋半年的突破口，究竟是什么？

答案可能有些抽象：域（Field）。

要理解为什么是“域”，得先回顾我们是如何一步步从“点”走到“体”的。这不仅是技术迭代，更是我们在AI面前角色的转变。

点：Prompt 是“单点突破”，也是“表达错位”

2023年，我们是“对话者”。

问题很简单：如何让模型听懂人话？思维链、Few-shot、角色扮演……所有精力都聚焦在输入的那一瞬间。Prompt就像一个“点”，试图用一句话撬动整个模型的能力。

但这玩意儿有个致命伤：真实世界不是一句孤立的提问，而是一团纠缠的信息。 哪怕这个点磨得再亮，任务一复杂，它就撑不住了。

线：Context 是“线性延伸”，也是“窗口博弈”

2025年，Shopify CEO Tobi那句“Context Engineering is the art of curating what goes into the limited context window”点醒了所有人。

瓶颈不再是“怎么问”，而是“给模型看什么”。RAG、记忆系统、历史文档成了标配。Context把孤立的“点”拉成了一条“线”，让模型有了前因后果。

但我们像信息秘书一样，小心翼翼地裁剪、排序、压缩，生怕给少了模型瞎猜，给多了模型迷路。这条线解决了“准确性”，但它依然是静态的。 模型给了答案，谁来验证？谁来执行？谁来兜底？

面：Harness 是“平面约束”，也是“确定性焦虑”

2026年初，Agent开始碰生产环境，灾难来了。无限循环、权限越界、工具调用失败……终于明白，光有聪明的脑子不够，还得有安全的笼子。

Harness就是这张“面”。权限控制、日志追踪、Guardrails、自动化测试……它不再关心模型说了什么，只关心模型在什么环境里做事。

从对话者变成了包工头，搭脚手架、铺安全网，确保AI这个实习生不会把公司搞垮。但Harness依然是一次性的。 任务来了，做完，结束。下一次，还得人来按回车键。人，依然是那个Loop本身。

体：Loop 是“立体闭环”，也是“串行天花板”

于是到了今年6月，Loop Engineering爆了。Addy Osmani说：“You design the system that prompts the agent instead of prompting it yourself.”

Loop是一个“体”。触发、执行、观察、推理、验证、重试，全部包裹在一个自运转的立体结构里。人终于退了出来，变成了循环的设计师。

不再满足于单次交付，开始追求持续的、自主的、可验证的工作流。但当你手里只有一个完美的体时，新的天花板出现了：

一个体再快，也是串行的。 现实业务是海量并发，需要成百上千个体同时转。

一个体的目标是预设的。 但复杂系统的价值，往往来自多个体交互产生的“涌现”。

一个体只验证“做完了”，不验证“做对了且有价值”。 方向错了，转得越快越是高效的错误。

这就是为什么 Loop 之后，必须是“域”。

域：Field 从单体闭环到场域协同

如果Loop是单个天体的自转，那么“域”就是星系。

它关注的不再是单个Agent的完美闭环，而是多个异构智能体在时空中的协同、演化与价值对齐。这不是简单的多Agent叠加，而是三个维度的跃迁：

01 从主从关系到社会契约

Loop里的Sub-agent是上下级，而域中的Agent是对等的。它们通过协议通信、协商任务、甚至市场化竞标。Anthropic在探索Agent间的独立上下文与交叉验收，AWS在强调Agentic平台层的治理机制。这不是齿轮咬合，这是社会分工。

02 从任务完成到价值对齐

Loop追求Proof-of-Done，域追求Business ROI。引入“品鉴者机制”和“循环账本”，让人类反馈和业务KPI成为系统的引力场。Agent不仅要对代码负责，还要对成本、客户满意度和营收增长负责。

03 从静态设计到自适应演化

Loop的规则是人定的，域的结构是自生长的。系统能根据历史表现自动调整Agent的数量、分工和技能组合。低效的Loop被淘汰，高效的模式被复制。就像生物进化，而不是机械组装。

写在最后

从点到线，从面到体，再到域。这条路径的本质，是人类控制权的持续上移。

不再教AI怎么回答，不再替AI整理信息，不再给AI搭笼子，甚至不再设计AI的具体循环。开始设计的，是让无数循环自发涌现价值的生态系统。

未来6个月，当大家把手里的 Loop 打磨得差不多时，一定会不约而同地转向“域”的协同。因为单打独斗的时代结束了，接下来比拼的，是谁能让一群聪明的球，在同一个引力场里跳出有序的舞蹈。

那不是更高级的自动化，那是智能化的生产关系。

从点到线，面到体，再到域，从来都不是一蹴而就的，也不意味着前功尽弃，而更像是建大楼一样，一环扣一环。

打磨好一个范式后，需要下一个范式来解决更复杂的问题。