摘要AI Coding 的工程方法论四年间完成了四代演进从 Prompt 工程到 Harness 工程再到 Loop 工程如今开始走向 Graph 工程。每一代都源于上一代的痛点提示词描述不了复杂任务就引入上下文工程Harness手工编排扛不住多轮迭代就构建自循环验证Loop单 Agent 覆盖不了大型代码库就走向多 Agent 协作图Graph。本文逐代拆解其要解决的问题、关键技术动作与适用边界帮助团队判断自己处在哪一代、下一步该往哪走。关键词Prompt 工程、Harness 工程、Loop 工程、Graph 工程、AI Coding、Agentic Coding、大模型提示词、上下文工程、多 Agent 协作、奇点智能大会一、Prompt 工程一切的开端也是一切的局限2022 到 2023 年行业的注意力几乎全在提示词上。怎么写 system prompt、怎么给 few-shot 示例、怎么拆解步骤让模型思考。那时大家相信把需求描述清楚模型就会给出好答案。事实是对于写一段代码这样的任务Prompt 工程确实够用对于重构一个模块修一个跨服务的 bug这种任务提示词写一万字也描述不全。Prompt 工程的本质是把人的意图翻译成模型能理解的指令。它的天花板不在措辞而在信息量——模型看不到你的代码库、跑不了测试、不知道上一次改动破坏了什么。所以那一代积累下来的真东西其实不多真正留下来的是 FEW-SHOT 的思路、结构化输出的习惯以及先想清楚再提问的纪律。这些习惯到今天依然有用只是远远不够。二、Harness 工程给模型装上手和眼2024 年行业认识到与其把需求描述得更完美不如给模型工具。于是有了 Harness 工程——把代码库索引、检索、构建、测试执行这些能力装到模型周围让它在真实工程环境里工作。所谓 AI Native 软件研发的第一阶段本质上就是围绕模型搭建 harness知识库检索、仓库上下文注入、沙箱执行、错误反馈回路。这一代解决了模型看不见代码的问题也暴露出新的问题单次调用再强也只是一步到位的尝试。模型写完代码不会自己跑测试跑挂了不会自己改改完又可能引入新问题。增量式修改、多轮修复、跨文件一致性这些开发中再普通不过的动作模型一概不会。于是行业开始意识到比一次生成得多好更重要的是让它自己转起来。三、Loop 工程从生成到自循环验证Loop 工程的核心是把计划—编码—验证—修复做成一个可以由 Agent 自主循环的闭环。工程师把任务边界和验收标准交给 AgentAgent 自己写代码、自己跑测试、自己读报错、自己改直到验证通过或明确放弃。这就是本文标题里从 Harness 到 Loop的含义——重点从输入侧的工程怎么写 prompt、怎么喂上下文转向反馈侧的工程怎么让验证信号快、准、可执行。实践中Loop 工程会踩三个常见的坑。第一个是测试都没跑就交差解决方法是把测试执行硬编码进循环没跑完不算完成。第二个是反复打补丁越改越烂解决方法是限制迭代轮数、强制每轮先规划再动手。第三个是验证信号本身不可信测试没人维护、CI 动不动红Agent 学到的全是错误反馈解决方法是先做测试治理。有团队把这套做扎实之后Agent 的独立完成率从不到 30% 提到 60% 以上——注意这不是模型变强了是反馈回路变好了。四、Graph 工程多 Agent 协作的下一站当单个 Agent 面对百万行级代码库时上下文装不下、注意力不够用、单个失败会级联。2025 年下半年开始前沿团队转向 Graph 工程把研发过程拆成多个专精 Agent——规划 Agent、编码 Agent、测试 Agent、审查 Agent——用一张图来描述它们的依赖关系和消息流转。有人负责读仓库、有人负责改、有人负责验证、有人负责收口各司其职像一个微服务架构里的多个服务。Graph 工程的价值在于单个 Agent 的处理能力有限但图可以把大任务切小、把上下文隔离、把验证并行化还能引入确定性——关键决策点由人参与非关键路径让 Agent 自治。它的难点也现实编排复杂度成倍上升、调试难度大、token 成本高企。所以目前 Graph 工程更适合大型代码库的规模化改造小团队小项目反而会为编排本身付学费。五、团队该怎么定位自己四个阶段不是互相替代更像能力地基。绝大多数团队 2026 年的现实是Prompt 工程人人会一点Harness 工程正在补Loop 工程刚开始建Graph 工程是少数大厂的探索区。判断自己下一步该做什么可以看三个信号你们的测试基础设施是否足够快、足够绿你们的 Agent 产出是否有人愿意跟踪它的失败率你们的任务拆解粒度是否已经细化到一个任务一次闭环。这三个信号哪个最弱就从哪里补起。如果团队想在方法论层面一次听个够推荐关注 2026 年 11 月 20-21 日在北京举办的奇点智能大会旗下奇点智能技术大会《AI 原生软件研发从 Harness 到 Loop》专题——该专题会集中呈现 AI Coding 方法论从 Prompt 到 Graph 的完整演进脉络与一线团队的实战数据。六、一套可以对照执行的落地清单方法论看完容易落地时又是一堆选择题。这里给一张按四代演进组织的自查清单团队可以对照自己的现状打勾缺哪一代补哪一代。Prompt 工程层团队是否人人能写结构清晰的系统提示词是否建立了常用的 few-shot 示例库是否明确什么该让模型生成、什么不该让模型生成的边界这一层大多数团队已经过关但示例库这个动作常被忽略——它其实是下一层 Harness 的种子别再让它躺在个人收藏夹里。Harness 层代码库是否有可检索的索引Agent 是否能访问构建、测试、运行环境每一次模型调用是否带着足够的仓库上下文而不是裸提问检查方法很简单随便找三个日常任务看 Agent 开工前有没有读代码这个动作。没有说明你们还停留在裸 Prompt 阶段Harness 没搭起来。Loop 层测试基础设施是否够快分钟级反馈验收标准是否写进了任务描述Agent 执行失败后是否有人跟踪失败原因并回流到工具或提示词改进这个层级的核心标志是你们有Agent 失败率这个指标吗没有的话说明 Loop 还没有真正转起来只是AI 帮忙写代码。Graph 层是否有超过一个 Agent 在同时协作处理一个任务任务图与消息流是否有可视化关键决策点是否有人工参与闸门这一层 2026 年大多数团队还在探索不必强求但值得在团队里养一个编排实验小组用三个月时间做一两个试点积累的手感会在明年变成竞争力。最后说一句实在话方法论演进的本质是把人的精力从执行中抽出来投进判断。四代清单走完你会发现团队的瓶颈永久性地从写不完变成了想清楚——而想清楚恰恰是工程师在 AI 时代最值钱的能力。想系统学习这套清单背后的完整方法论与案例11 月 20-21 日奇点智能技术大会《AI 原生软件研发》专题值得你来现场把笔记记满。 点击大会海报免费领取大会 PPT 资料奇点智能大会 将于 2026 年 11 月 20-21 日在北京万达文华酒店举办由奇点智能研究院与 CSDN 联合主办旗下奇点智能技术大会SITS与 C及系统软件技术大会CPP-Summit双会并行。70 位 AI 与系统软件领域技术专家、18 个前沿技术主题、1000 行业精英共同探讨从 Harness 到 Loop 的工程实践。点击上方大会海报扫码即可免费领取大会全套 PPT 资料含各专题完整议题与嘉宾分享内容。11 月怀揣方法论来现场与全球技术领袖面对面交流。