> **来源：[研报客](https://pc.yanbaoke.cn)** # 驾驭工程（Harness Engineering）研究报告总结 ## 核心内容 驾驭工程被定义为操作系统层，与提示词工程（语言层）、智能体工程（工作流层）形成逐层上卷关系。它不仅关注模型如何执行任务，更强调构建一个可治理、可持续的制度化执行环境。该工程的核心目标是将高自治AI系统融入企业流程，使其具备明确的完成契约、知识管理系统、感知能力、状态恢复机制、外部评测与治理边界。 ## 主要观点 - **提示词工程**解决“怎么说清楚”，重点在于指令表达与格式控制。 - **上下文工程**解决“喂给模型什么”，关注状态供给与流程控制。 - **智能体工程**解决“怎么让模型动起来”，关注工作流设计与动态决策路径。 - **驾驭工程**是更高层次的系统设计，涉及组织能力、治理机制与制度化环境。 ## 关键信息 - 驾驭工程不是对提示词工程的替代，而是对其的上卷，将提示词、上下文、智能体等纳入制度化框架。 - 它要求构建六大负重部件，包括：机器可验证的完成契约、Durable Knowledge 的 System of Record、Agent 的感官与执行能力、状态恢复机制、外部评测系统、治理边界与安全机制。 - 驾驭工程的瓶颈从“生成更多”转向“让人只在高杠杆节点出手”，强调外部评测与回滚机制的重要性。 ## 六大研究方向 1. **AI大模型理论与哲学** 2. **AI文艺** 3. **AI应用** 4. **新媒体与网络舆论** 5. **大数据** 6. **XR应用** ## 术语状态 - **定义**：当前术语体系基本稳定，关键定义待进一步明确。 - **证据**：OpenAI与Anthropic等前沿团队已使用“Harness Engineering”一词。 - **结构**：从语言层到操作系统层，逐层上卷。 - **落地**：在中国政策与企业实践推动下，驾驭工程已进入落地阶段。 ## 四层链条 1. **语言层**：提示词工程，关注指令表达。 2. **状态层**：上下文工程，关注状态供给。 3. **工作流层**：智能体工程，关注动态决策与执行路径。 4. **制度层**：驾驭工程，关注系统级环境设计与治理。 ## 中国落地窗口 - **政策信号**：人工智能+已从口号进入任务书，中小企业数字化转型聚焦具体城市与场景。 - **实施路线**：通过五级成熟度模型，逐步推进从演示型使用到系统级生产。 - **落地场景**： - **软件与研发**：作为证据最强的起点。 - **客服与运营**：最容易算清ROI的入口。 - **销售运营**：适合“半自动驾驶”模式。 - **制造现场**：将Agent作为岗位能力单元。 - **财务与合规**：适合做强辅助，不宜全自动裁决。 - **企业知识运营**：作为System of Record的练兵场。 ## 实施步骤 1. **第一步**：定义机器可验证的完成契约。 2. **第二步**：将Durable Knowledge从长提示搬进版本化知识库。 3. **第三步**：给Agent配真正的感官（如UI、日志、指标）。 4. **第四步**：使用progress file、feature list、git与init script解决长时程失忆问题。 5. **第五步**：引入评测器、回归测试与生产监控。 6. **第六步**：将风格、架构与安全写入机械规则。 ## 指标体系 - **系统级经营指标**：完成率、异常率、人工接管率、恢复时长、单位任务成本。 - **高频场景指标**：吞吐量与夜间无人值守比例。 ## 治理清单 - **身份与授权**：统一身份管理，确保最小权限访问。 - **安全机制**：建立统一的安全基线，权限随需分配，动态调整。 - **审计与监控**：定期审计，确保系统可审计与可恢复。 ## 一句话结论 驾驭工程不是把提示词再写长一点，而是把模型周围整个制度化执行环境设计出来。