从手搓Prompt到给AI套笼头——AI编程三年三次进化，核心竞争已从'问问题的能力'转移到'系统设计能力'。

AI编程三年三次进化：从手搓Prompt到给AI套笼头

2023年，所有人都在研究怎么"问"AI。

2025年，所有人都在研究怎么给AI喂上下文。

2026年，所有人都在研究怎么给AI"套笼头"。

这不是同一个意思。第三个词叫Harness Engineering——套笼头工程。

如果你觉得这听起来像又一轮AI黑话库存更新，建议再想想。Prompt Engineering、Context Engineering、Harness Engineering，这三个词标记的不是行业流行语的变迁，而是人类与AI协作方式的三次本质跃迁。每一次跃迁，都有一批人跟上了，也有一批人被甩开了。

第一次跃迁：你在操作AI，不是AI在操作你

2023年的AI编程是什么状态？

你坐在终端前，每一步都是你按的键。AI像一只鹦鹉，你敲一下，它动一下。你让它写函数，它写函数；你让它改Bug，它改Bug；你没说的，它绝对不做。

这就是Prompt Engineering时代。核心矛盾是：模型能生成，但不能自主。 你和模型的关系，是操作者和工具的关系。你是那个手握缰绳的人，每一步都得你亲自下令。

那时候硅谷最火的一个梗是"年薪30万的Prompt Engineer"。这个岗位后来被证明是个笑话，但笑话背后说出了一个真相：在那个阶段，AI的价值靠人来激活。你问得好，它答得好；你问得烂，它答得烂。

问题在于——这个模式的天花板太低了。

一个写一个查，一个问一个答，你永远在和AI一对一。十个需求，十次对话，十次上下文丢失。AI跑得再快，也是在原地踏步。

2024年，事情变了。

不是模型变聪明了——至少不全是。是行业发现了一个更根本的问题：AI表现差，不是因为它不够聪明，是因为它不知道自己在干什么。

你让它写一个登录模块，它写得出来。但它不知道你的项目用的是JWT还是Session，不知道你的数据库字段叫什么，不知道这个登录模块将来要接微信授权还是邮箱验证码。

你得把这些信息塞进上下文窗口。它才能"懂"。

这就是Context Engineering时代。核心问题从"怎么问"变成了"在每一步，把什么信息、以什么形式、在什么时机交给模型"。

这个阶段出现了一批工具和概念：RAG让AI能查知识库；长上下文窗口让AI能同时看到整个代码库；工程上开始强调"上下文工程"——不只是塞信息，是设计上下文的结构、时机和粒度。

Cursor和Claude Code的崛起，某种意义上就是这个阶段的产品。你打开一个完整的项目，AI能看到所有文件、所有依赖、所有历史记录。它不再是一只鹦鹉，而是一个有记忆的助手。

但问题还在。

2025年，行业发现了一个更棘手的问题。

AI的能力已经足够强了，强到可以连续工作几个小时、自主调用工具、并行处理多任务。但围绕它的工程基础设施，还停留在"单次对话"时代。

具体表现是什么？

AI一把梭，做到一半忘了自己在干什么。 跑了两百轮之后，上下文窗口堆满了冗余代码、过时的中间状态、不一致的命名，最后AI自己都不知道哪个版本是新的。

AI在完成70%的时候宣布"已全部完成"。 它是真的觉得自己做完了。能力越强，越容易过度发挥——给出过长、过复杂、过度解读的答案。

多个AI并行的时候，错误被级联放大。 单个小Bug，最后放大成不可调试的系统级灾难。

这不是模型的智力问题。这是系统的结构问题。

然后Harness Engineering登场了。