从 Prompt 到 Loop：Agent 工程演进的四次范式跃迁
非 AI 的总结
- Agent 不靠新模型，靠用法——给 LLM 配上感知、记忆、工具、执行层，让它从聊天变成干活。
- Agent 工程过了四道坎：Prompt Engineering → Context Engineering → Harness Engineering → Loop Engineering。不是一代踩死上一代，是叠上去的。
- 想在 Agent 生态做二次开发，Skill / Plugin / Agent 三条路。我个人押 Plugin——不轻不重，刚好。
- 最后抛一个问题：Loop 之后是什么？我猜是多 Agent 协作。这个话题下次聊。
今年 2 月，OpenAI 做了一件挺狠的事：把 ChatGPT 和 Codex 产品线合并，未来客户端只剩一个——Codex。
很多人第一反应是"聊天机器人没了？"但换个角度想，逻辑很直白——用户不需要一个对话框，需要的是能办事的 Agent。OpenAI 赌的就是这个。
那到底什么是 Agent？跟 AI、LLM 有什么区别？Agent 工程这几年到底折腾了什么？以及如果你也想在 Agent 生态上做点东西，怎么选？
一、什么是 Agent
三个概念的套娃关系
先把概念摆整齐。AI、LLM、Agent，不是平起平坐的关系。
AI 是最大的框，1956 年达特茅斯会议就有了，SVM、决策树、神经网络全在里头。LLM 是 AI 的一种实现——基于 Transformer 大规模预训练，能力落在语言理解和生成上。GPT、Claude、Gemini 都算。
Agent 呢？它不靠新模型，靠模式。把 LLM 当大脑，外围搭上感知、记忆、工具调用、执行层，让这个大脑能看见东西、想清楚、动手干。
打个比方：AI 是发动机时代，LLM 是一台具体型号的发动机，Agent 是装好发动机、方向盘和轮子的车。发动机自己跑不了，装到车上才行。
Agent 到底多了什么
四个板块：
- 感知：接受输入，不限文本，图片、工具返回值、环境状态都可以
- 推理：由 LLM 判断"现在该干什么"
- 行动：调工具、读文件、发请求、指派子 Agent——真的去改变点什么
- 记忆：短期靠上下文窗口，长期靠向量库或外部存储
四样东西拼在一起，带来的变化就一个：自主性。纯 LLM 是你问一句它答一句。Agent 是你给一个目标，它自己拆、自己干、看结果、调整、继续——你不用每步盯着。
为什么今年才爆发
Agent 不是新概念。2023 年 AutoGPT 和 BabyAGI 出来的时候大家就兴奋过一轮。但那会儿更像玩具——能跑，跑不稳。
今年不一样。三个条件到位了。
第一，模型够聪明了。以前的 LLM 推理能力太弱，简单决策都翻车。现在 Claude、GPT 后几个版本在规划和多步推理上进步明显，Agent 的大脑子终于信得过了。
第二，工具调用标准化了。OpenAI 搞了 JSON Schema 的 Function Call 规范，MCP（Model Context Protocol）让工具接入变得跟插 USB 差不多。
第三，也是最现实的——纯聊天赚不到钱。两年了，C 端用户为"更好的聊天体验"掏钱的意愿极低。但企业愿意为"替代人工、自动化流程"买单。AI 公司集体从"陪你聊"转向"帮你干"。
以前不是不想做 Agent，是条件不成熟。现在脑子聪明了，手脚配齐了，市场也推着你走。
二、Agent 工程的四次范式演进
先咬死一件事：这四个阶段不是后者取代前者的线性进化。去看任何一个生产级 Agent 系统——Cursor、Devin、WorkBuddy——都是四层同时跑。它们是叠加的，不是替代的。
Prompt Engineering：用语言控制模型
就是这个阶段让我坚信 AI 能干活——你写好提示词，模型就按你的意图走。不需要动模型参数，不需要微调。Few-shot 给几个例子让它照着来，Chain of Thought 让它一步步推理，System Prompt 设定角色和规则。
但问题也直白：每次交互都无状态。模型答完就忘，下一次你得重新给上下文。只够做一轮游。
Context Engineering：给模型装记忆
管理塞进模型窗口的信息——什么放进去、什么不放、怎么压缩。对话历史摘要、滑动窗口、记忆注入（关键信息提前灌进去）。
这下好了，模型有了参考资料，有了短期记忆。你跟它聊半小时，它还能记得十分钟前的事。
但有记忆不等于有行动力。模型依然是被动的——只能回答你的问题，不能主动去查资料、调接口、改文件。就像一个知识渊博但全身瘫痪的人，脑子里什么都有，改变不了世界。
Harness Engineering：给模型装手脚
四个阶段里工程密度最高的一个，值得展开说。
Harness 到底在干什么
给它套一套安全马具——在模型（大脑）和外部世界之间建一道强制交互协议。
具体四个活：解析输出（从自然语言里拆出结构化指令，哪个工具、什么参数、什么时候执行）、管理窗口（多轮工具调用时维护上下文）、设定边界（最多执行 20 步、token 超预算就停）、安全护栏（删文件、发邮件、改数据库要确认）。
它做成了什么
第一，把可行性推成了可靠性。模型输出是概率性的，同样的 Prompt 两次结果可能不一样。Harness 用结构化解析和重试兜住了不稳定性。在金融、医疗这类容错率低的场景，任务完成率从实验室的 ~60% 推到生产环境的 95% 以上。
第二，给模型装上了手脚。Function Calling 和 MCP 让 LLM 头一回能真正操作系统——查数据库、调浏览器、读写文件。
第三，管住了成本。强制最大循环步数和早停机制，防止模型在无效推理中无限烧 token。没有 Harness，Agent 的 API 账单能让财务部直接拉闸。
但它治不了"脑子坏了"
Harness 管的是管道，不管大脑。模型推理阶段产生幻觉（理解错意图、捏造不存在的函数参数），Harness 会忠实地把错误执行到底——效率极高，方向全错。
还有两个无解的问题：
上下文窗口有物理极限。Transformer 复杂度是平方级，任务链条过千步时早期信息必然丢失。工程只能缓解。
模型是文字概率分布，Harness 要求严格 JSON/Tool Call。为了适配，模型得戴紧箍咒，牺牲创造性。模糊意图进来，解析失败、重试循环家常便饭。
Harness 解决了能动起来的问题，没解决动错了怎么办。
Loop Engineering：让 Agent 自己盯自己
搞一个"规划 → 执行 → 验证 → 修正"的闭环。以前是人指挥 AI 一步一步来，现在是系统指挥 AI，人在旁边抽烟。
听起来高大上，思想其实很朴素——跟 CI/CD 一个逻辑。写代码、跑测试、看报错、修 bug、再跑测试，直到全绿。Loop Engineering 就是把这个流程自动化，让 Agent 自己转这个循环。
代表技术：ReAct（推理-行动交替）、Reflexion（让模型反思自己输出质量）、多 Agent 协作（一个规划、一个执行、一个审查）。
Loop 让 Agent 第一次有了韧性。以前的 Agent 遇错就停，等人来捞。现在它能自己观察结果、发现偏差、修正、继续。任务复杂度直接上一个量级。
但现实问题也很硬：
成本像开闸。自主循环成倍消耗 token，你不知道它会循环多少次，预算没法精确控。企业级部署的时候财务部最怕这个。
安全问题更难搞。给 Agent 执行代码、改数据的权限，边界条件稍微松一点就可能灾难——在一次"修复"中不小心删了生产数据库。因为是自动循环的，等你发现已经晚了。
任务泛化困难。Loop 在编码、自动化测试这类边界清晰的工程任务上表现很强。放到模糊决策、创意产出或复杂人际交互的场景里，经常跑偏。不是技术不行，是对错本身在这些场景下都很难定义。
一张速查：
| 阶段 | 要解决什么 | 怎么做 | 最大瓶颈 |
|---|---|---|---|
| Prompt Engineering | 让模型输出有用 | Few-shot、CoT、System Prompt | 没记忆，单轮 |
| Context Engineering | 让模型记住状态 | RAG、摘要、滑动窗口 | 被动响应，不能行动 |
| Harness Engineering | 让模型调工具 | Function Call、MCP | 单步执行，无法纠错 |
| Loop Engineering | 让模型自主迭代 | ReAct、Reflexion、多Agent | 成本失控、安全边界模糊 |
我在之前写 Manus 和 vibe coding 的文章里反复提过一个观点：基座模型管上限，工程脚手架兜下限。Harness 和 Loop 做的就是兜下限的活。那些看起来很酷的 Agent 产品，背后真正值钱的是工程脚手架。
三、Agent 二次开发：三种形态的取舍
聊完工程演进，说点自己真的在干的——二次开发。三条路：Skill、Plugin、Agent。
Skill：最轻的原子单元
说穿了就是一段 Prompt + 少量工具调用 + 结构化输出，打包成 Agent 能调用的模块。通常一个 Markdown 文件加配套脚本搞定。
无状态、轻量、可组合。写好塞 Agent 里就能跑。适合个人提效、小团队内部工具、快速验证想法。
商业化判断：几乎为零。问题不是没价值，是可复制性太高——Skill 核心是自然语言指令，同行看一眼就能照着写。Excel 宏可以很强，但你见过靠卖宏上市的公司吗？
Plugin：依托生态的中间态
在 Agent 平台（WorkBuddy、Dify、GPT Store 等）的插件体系里提供特定能力。和 Skill 最大的区别——核心逻辑跑在自己服务器上或封装软件里，只向 Agent 暴露标准化接口（MCP 或 CLI）。
我自己就做过一个：用 Markdown 定义运营分析流程，CLI 工具调社交平台 API 拉数据，Agent 基于数据生成运营报告。核心逻辑在我这，Agent 只管调度和自然语言输出。
优点是分发效率高——平台自带用户基础，不用从零获客。缺点是用户关系和定价权全在平台手里，规则一变你就吃瘪。App Store 开发者体会最深。
Agent：最重，壁垒最强
独立部署、自有记忆系统、完整 Loop 架构、甚至多 Agent 协作。适合企业自动化、垂直行业方案、替代人工的流程。法务合同审查、客服工单自动处理、跨境电商选品…
问题在于九成的时间花在跟 AI 无关的工程问题上——部署、监控、权限、合规。而且框架趋同，除非你有特殊记忆系统、流程机制或审计需求，别人的 Agent 和你拉不开差距。
我的判断
纯 Skill 商业价值太薄。Agent 太重了。
基于一个成熟的通用 Agent Core 做 Plugin 或二次开发，是当前最务实的选择。你的领域知识和业务能力拧上去，Agent Core 负责通用推理和执行。分工清楚，开发量可控，也有一定的商业化壁垒——核心逻辑在你手里。
这跟过去十年移动互联网一模一样：没几个人去造手机，大家都是在 iOS 和 Android 上做 App。
结语
Agent 工程的演进，一句话：把认知负担从人身上挪给机器。
一开始你得琢磨每句话怎么说（Prompt Engineering）。后来不用琢磨每句话了，但得替模型管记忆（Context Engineering）。再往后模型能自己调工具了，但每一步你还得盯着（Harness Engineering）。现在你只给目标，模型自己搞定规划、执行、验证、修正（Loop Engineering）。
人往后退一步，Agent 往前顶一步。一直重复。
我在《2026 再谈 Manus》里写过一句话：干掉人的不是 AI，是用 AI 的另一群人。Agent 赛道也一样——赢家不会是造出最强 Agent 的人，而是最懂怎么驾驭 Agent 的人。
Loop 之后呢？我的猜测是多 Agent 协作——不靠一个 Agent 包揽一切，靠一群 Agent 像团队一样分工配合。回头再聊。
2026 年 6 月