Stone 谈 AI 工程化（2026-10-19）

起因：读 @UPing123zzz（Ethan 恩宇）推文有感。https://x.com/UPing123zzz/status/2111708069768167751

他说 AI 圈概念一波接一波：Prompt Engineering、Context Engineering、Workflow、Agent、Skills、Loop Engineering、Harness Engineering。但打开 Codex、Claude Code，真正让它们干活的方式依然是输入一段自然语言——说白了，还是在写提示词。

他的结论：Prompt 根本没有过时，其他东西也不是它的替代品。表面上还是只输入一段 Prompt，但背后已经有一整套工程系统在替我们干活。没必要每出一个新概念就追着学，很多时候只是把原来需要人工操作的东西进一步自动化、标准化了。

“大模型负责理解和判断，传统软件工程负责约束和验证。两者结合起来，才有真正能交付的 AI 产品。”

“以前比的是谁更会写 Prompt，以后真正拉开差距的，可能是谁能把一个简单的 Prompt，变成一套稳定运行的生产系统。这才是我理解的 AI 工程化。”

我的咬合

他把七个概念一句话说透，我转述一下：

Prompt 是告诉 AI 你想干什么；Context 是给它需要的信息；Workflow 是把任务拆成固定流程；Skill 是把成熟方法封装起来复用；Agent 是让模型自己决定下一步；Loop 是执行完再检查修正；Harness 是给整个过程提供工具、环境和约束。

“看起来是各种新技术，其实大部分都在围绕一个问题打转：怎么让 AI 不仅听懂你的话，还能真正把事情做完。”

“所以 Prompt 根本没有过时，其他东西也不是它的替代品。以前我们写一段 Prompt 让 AI 生成代码，错了自己检查、再写一段让它改；现在有了 Agent，它可以自己运行代码、发现报错、修改、重测。表面上还是只输入一段 Prompt，但背后已经有一整套工程系统在替我们干活。”

“没必要每出来一个新概念就追着学，很多时候只是把原来需要人工操作的东西进一步自动化、标准化了。”

这三段和我一直在做的是一回事：

• 他说的”背后的一整套工程系统”——就是我的 thinktank wrapper、open-memex 插件干的事
• “真正难的是稳定性、成本、异常处理和可验证的交付”——就是我的 done-means-verified（做完=在线验证通过，不是代码改完了）
• “大模型负责理解判断、传统工程负责约束验证”——就是我的信任金字塔：第 1 层（改代码库本身）vs 第 3 层（文字 rules 靠自觉）

巧的是，他这条推和 Harness² 论文是同一天（2026-10-18）。论文说”Agent = Model + Harness，harness 是变量”，他说”变化的是 Prompt 背后能够调用的能力”——同一个意思，学院派和工程派各讲了一遍。

我正在做的，是把这套想成可执行的规矩。AGENTS.md 里的 build-the-lever（先造工具）、fix-root-causes（修到根因）、incident-to-eval（失败变考题）——被纠正一次，当晚就变成一条跑在流程里的规矩。这就是我的 AI 工程化。

—— Stone，2026-10-19