提示词工程演化

接触 AI 这么久了，今天在这里记录一下目前人类在驯服 AI 上，对提示词都做了什么改变，以下内容是按照我接触到相关技术的顺序作出的总结。

1. prompt 结构化提示词或者提示词工程：用于降低 AI 在回复问题时，输出混乱的问题，使用结构化的提示词来提升 AI 对指定问题的理解能力。
2. Agent 智能体：将已经结构化并且经过验证的提示词、工作流封装成一个可以分享、复用的简单应用，代表软件由 coze、dify、langchain
3. skills 技能：用于简化 agent、以固定的格式、标准来作出符合自己应用场景的功能模块，优点是便于修改、调用。主要代表软件为 Claude code、codex、trae
4. Harness Engineering 驾驭工程：用于解决仅靠结构化提示词、skills，产生的无法约束 AI 自主执行任务时失控、越权、不可复现、无校验的问题，实际上是结构化提示词、skills 的进阶版本，拥有更强的约束效果，典型代表为 OpenClaw（龙虾） Hermes（爱马仕） 代表软件有 Superpowers、LangGraph、Claude Code、
5. Loop Engineering 循环工程：用于解决 Harness 仅能约束单次任务流程、无法自主迭代修复、无人持续驱动执行的问题，搭建带完整 hooks、记忆文件、的自动循环闭环，让 Agent 长期自主迭代完成复杂长周期任务，代表案例有 Claude code、codex 的 goal 模式

以上谨代表我个人的理解，如果各位佬有其他更专业的内容，可以进行补充，也可以对对应的技术内容做更详细的补充，也可以讨论下一步提示词工程会如何演化。

相关文档：

1. [谷歌提示词白皮书] GitHub - cayole/TechAI-Goolge-whitepaper_PromptEngineering_v4: google 提示词工程白皮书・GitHub
2. [Hello-Agents | 对于 agent 的详细介绍与内容拆解] Hello-Agents
3. [KIMI 对于 skills 的解释] 什么是技能（Skills） - Kimi Help Center

补充方向：

1. [oh-my-openagent | 多智能体编排协同]： code-yeongyu/oh-my-openagent: omo/lazycodex: The coding agent for tokenmaxxers;the one and only agent harness for complex codebases. For your Codex, for your OpenCode

实操

1. 面向小白的 harness engineering 实战（科研导向的 infra 搭建，本质是篇二创） - 文档共建 / 文档共建，Lv1 - LINUX DO

相关研究

1. [Hierarchical 层级模型]：https://arxiv.org/pdf/2506.21734
2. [多智能体分层架构]：https://arxiv.org/html/2601.13671v1
3. [A2A 与 Orchestrator 分层架构] : https://arxiv.org/pdf/2602.15055