Prompt Engineer vs Context Engineer vs Harness Engineer 调研报告

执行摘要

AI 工程技能正在经历三代演进：Prompt Engineering（提示工程）→ Context Engineering（上下文工程）→ Harness Engineering（驾驭工程）。本报告深入对比 Prompt Engineer 与 Harness Engineer 的核心差异，揭示从"单次交互优化"到"系统运营环境设计"的本质跃迁。关键洞察：Harness Engineer 薪资可达 $180K-$200K（Y Combinator/Truewind），核心能力是构建可靠的 Agent 基础设施，让 AI 在生产环境稳定运行。

一、核心定义

Prompt Engineer（提示工程师）

核心问题："What should be asked?"（应该问什么？）

Prompt Engineering 是 AI 工程化的第一代技能，关注如何构建更好的单次 AI 交互输入。

典型工作：编写优化提示词模板、设计少样本示例（few-shot）、调整提示词格式和语气。

局限性：适用于单轮、有边界的任务；无法扩展到多步骤工作流；不处理系统级可靠性问题。

Context Engineer（上下文工程师）

核心问题："What context is needed?"（需要什么上下文？）

Context Engineering 是 AI 工程化的第二代技能，关注如何策划和维护 LLM 推理期间的最优上下文信息集合。

典型工作：设计 RAG 系统架构、构建向量数据库、实现记忆管理、集成 MCP 工具、动态组装上下文信息。

关键洞察：Context 决定智能上限。长文本能力让 AI 能够处理完整的业务上下文，将海量业务知识直接注入 Context 实现 In-context Learning。

Harness Engineer（驾驭工程师）

核心问题："How should the whole environment be designed?"（整个环境应该如何设计？）

Harness Engineering 是 AI 工程化的第三代技能，关注构建和管理编排多个 AI Agent 会话的基础设施。

典型工作：设计多 Agent 编排架构、构建任务分配系统、实现输出验证和失败处理、设计反馈循环、管理权限和安全边界。

"This is not prompt engineering. This is making AI work in production."
— Y Combinator / Truewind 招聘要求

二、三代 AI 工程技能演进

2.1 关注点层级

关系：不是替代，而是嵌套包含。优秀的 Harness Engineer 必然也是出色的 Context Engineer 和 Prompt Engineer。

2.2 演进本质：从碎片到系统

1、Prompt Engineering：碎片化的 NLP 交互

核心特征：关注单次、碎片化的自然语言指令，适用于简单、有边界的任务场景。

局限性：无法承载复杂业务系统的完整意图；每次交互都是独立上下文，信息容易丢失；难以处理多步骤、长周期的研发任务。

2、Context Engineering：复杂系统拆解出的完整意图文档

核心特征：将复杂业务系统拆解为结构化的 Context 文档，包含背景、目标、设计、验证、安全、风险等完整的意图表达。

关键实践：

• Context 决定智能上限：长文本能力让 AI 能够处理完整的业务上下文
• In-context Learning：将海量业务知识直接放入 Context，AI 在语境中学习
• Context, not Control：特性负责人从"进度监工"转型为"Context 守护者"

3、Harness Engineering：复杂业务系统的约束与 AI 系统设计约束

核心特征：关注复杂业务系统的整体约束设计，AI 系统设计的工程化约束（架构边界、依赖规则、质量标准）。

关键数据（OpenAI 实验成果）：

2.3 发展时间线

2022年11月 — ChatGPT 发布，Prompt Engineering 诞生
OpenAI 发布 ChatGPT，用户发现通过精心设计提示词可以显著提升 AI 输出质量，"Prompt Engineering"概念开始流行。

2023年 — Prompt Engineering 黄金时代
- 提示词工程成为热门技能，大量提示词技巧和框架涌现（Chain-of-Thought、Few-shot、Role Prompting）
- 首批 "Prompt Engineer" 职位出现，薪资 $80K-$150K
- 局限性暴露：单轮交互无法处理复杂任务

2024年初 — RAG 技术普及，Context 意识觉醒
检索增强生成（RAG）成为主流方案，业界开始关注"上下文管理"的重要性，Context Engineering 概念萌芽。

2024年6月 — Andrej Karpathy 提出 Context Engineering
前 Tesla AI 总监 Andrej Karpathy 在社交媒体表示："The hottest new programming language is English... context engineering (not prompt engineering) is the core skill"，引发行业关注。

2024年11月 — Anthropic 官方定义 Context Engineering
Anthropic 发布官方文档，将 Context Engineering 定义为"strategies for curating and maintaining the optimal set of tokens during LLM inference"。

2025年初 — Multi-Agent 系统兴起
LangGraph、CrewAI 等多 Agent 编排框架发布，单一 Prompt 已无法满足复杂工作流需求。

2025年3月 — Harness Engineering 概念提出
MindStudio 博客文章《What Is Harness Engineering?》首次系统提出 Harness Engineering 概念，定义为第三代 AI 工程技能。

2025年6月 — 行业领袖集体背书
- Shopify CEO Tobi Lütke: "Context engineering describes the core skill better"
- Gartner 将 Context Engineering 纳入企业 AI 实施指南

2026年3月 — Harness Engineer 职位正式出现
Y Combinator 公司 Truewind 发布 Harness Engineer 招聘，薪资 $180K-$200K，标志第三代技能正式职业化。

2026年4月 — 概念体系成熟
三代 AI 工程技能演进框架（Prompt → Context → Harness）成为行业共识，教育体系开始跟进。

2.4 演进驱动力

三、工作内容对比

Context Engineer 核心职责详解

根据 Anthropic 2025年9月官方文档，Context Engineering 是"strategies for curating and maintaining the optimal set of tokens during LLM inference"（策划和维护 LLM 推理期间最优 token 集合的策略）。

具体工作：

• RAG 系统构建：设计检索增强生成架构，连接外部知识库
• 上下文组装：整合系统指令、历史对话、外部数据、工具输出
• 记忆架构设计：实现持久化记忆和短期会话管理
• MCP 集成：使用 Model Context Protocol 连接外部工具和数据源
• 动态上下文交付：基于当前任务动态获取和注入上下文信息

"Context engineering describes the core skill better: the art of providing all the context for the task to be plausibly solvable by the LLM."
— Tobi Lütke, Shopify CEO, June 2025

"The hottest new programming language is English... in every serious LLM application, 'context engineering' (not prompt engineering) is the core skill."
— Andrej Karpathy, AI Researcher, June 2025

四、汽车行业类比

关键洞察：

• Prompt Engineer 负责控制逻辑的校准（怎么开）
• Context Engineer 负责信息环境的构建（往哪开、基于什么信息决策）
• Harness Engineer 负责全套汽车工程设施与流程（整体系统如何协同工作）

五、Harness Engineer 的核心能力

1. 构建可靠的 Agent 基础设施

根据 Y Combinator 公司 Truewind 的 Harness Engineer 招聘要求：

具体工作：

• 构建执行多步骤工作流的 Agent
• 设计验证、重试和失败处理系统
• 定义约束（schemas、invariants、contracts）
• 添加反馈循环（detect → debug → improve）
• 将失败转化为可复用系统

2. 技术能力要求

重要提示：仅 LLM 经验不够，关键是如何让系统可靠。

六、薪资参考

Y Combinator / Truewind Harness Engineer 招聘：

• 薪资范围：$180K - $200K
• 股权：0.10% - 0.25%
• 发布时间：2026年3月30日

七、入门建议

1. 从 Claude Code Hooks 开始（最低成本）

# 在项目里创建 .claude/settings.json
mkdir -p .claude
touch .claude/settings.json

简单 Hooks 示例：

• 每次写文件后自动格式化
• 每次执行命令前打印日志
• 每次对话结束后自动保存摘要

2. 研究真实 Agent 框架

• LangGraph：关注有状态、多步骤 Agent 工作流
• CrewAI：多 Agent 角色协作框架
• Hermes Agent：模块化多代理框架
• OpenClaw：个人 AI 助手平台

八、总结

演进本质：我们与 AI 的关系正在从"对话伙伴"演进到"系统设计师"。这不仅是技术演进，更是思维框架的跃迁。

"Context engineering is the art and science of curating what will go into the limited context window from that constantly evolving universe of possible information."
— Anthropic, September 2025

权威来源与引用