外观
第11章 从Prompt到Loop——AI工程的下一步
约 1995 字大约 7 分钟
2026-06-24
恭喜你，把Prompt课程熬到了最后一章。但说实话，学完Prompt只是拿到了AI世界的"入场券"。真正的重头戏，才刚刚开始。
你已经很强了，但还不够
先给你鼓个掌。从第0章到现在，你已经学会了：
- 把需求说清楚
- 用角色扮演让AI进入状态
- 用结构化模板稳定输出质量
- 用思维链让AI慢慢推理
- 用多轮对话和Prompt链搞定复杂任务
这些技巧放在2024年，你已经比90%的人会用AI了。
但你想想一个问题：为什么同样会用Prompt，有的人只能让AI写写文案，有的人却能用AI搭出一整套自动化系统？
差别不在Prompt写得好不好。差别在于——他们已经不只是在写Prompt了。
Prompt工程的天花板
说白了，Prompt工程有一个绕不过去的天花板。
你再怎么优化Prompt，本质上还是：你打一段话，AI回一段话。 一来一回，像发微信。
这有什么问题？你想想这几个场景：
| 你想干的事 | 只靠Prompt能搞定吗 | 问题在哪 |
|---|---|---|
| 让AI记住你过去100篇文档的内容 | 搞不定 | 对话窗口有长度限制，AI记不住那么多 |
| 让AI自己上网查资料再总结 | 搞不定 | AI只能基于你给的信息回答，不能自己行动 |
| 让AI连续执行20个步骤不出错 | 很难 | 每一步你都得手动盯着，AI不会自己往下走 |
| 让AI帮你监控数据，发现问题自动处理 | 完全搞不定 | AI不会自己"醒来"干活 |
看出来了吧？Prompt解决的是"怎么跟AI说话"的问题。但AI工程要解决的是"怎么让AI真正干活"的问题。
这就好比——Prompt工程教你的是怎么跟一个新员工交代任务。但光会交代任务不够啊，你还得给他配工位、给权限、定流程、设检查点。这些事情加在一起，才是一个完整的工作系统。
AI工程的三级演进
世界往前走了。从Prompt出发，AI工程已经演化出了三个新的层次。一个比一个厉害，一个比一个接近"让AI真正干活"。
下面一层一层来讲，每层就一句话+一个类比，保证你能听懂。
第一层：Context Engineering（上下文工程）
一句话：别只教AI怎么说话，先把AI需要知道的信息喂够。
类比：你招了一个新员工，跟他说话说得再清楚（Prompt），如果他不了解公司背景、项目历史、客户偏好，他也干不出好活。你得先给他塞一堆文档、让他熟悉环境，这叫"构建上下文"。
Prompt工程关注的是"怎么说"，Context工程关注的是"说什么之前，先给AI什么"。
具体怎么做？RAG（检索增强生成）、长文档注入、记忆系统、知识库搭建……这些都是Context工程的手段。你给AI的上下文越丰富越精准，它回答得就越靠谱。
第二层：Harness Engineering（框架工程）
一句话：给AI配上工具和规则，让它不只会说，还会做。
类比：你给员工交代了任务，也给了背景资料，但他没有电脑、没有系统权限、没有协作工具，他能干嘛？只能写报告。Harness就是给AI"配工位"——给它浏览器、给它代码执行能力、给它API调用权限、给它文件读写权限。
你想想Claude Code是啥？说白了就是一个超强的Harness：它给Claude配上了读写文件的权限、执行命令的能力、搜索代码的工具。有了这些，Claude就不只是跟你聊天了，它能真正帮你改代码、建项目、跑测试。
Cursor、Windsurf这些AI IDE，本质上也是Harness。它们的核心竞争力不是模型多聪明，而是给模型配的工具链多顺手。
第三层：Loop Engineering（循环工程）
一句话：让AI不只是回答一次，而是自己持续运转、不断迭代。
类比：普通的AI使用像是你每次都要去催员工"干这个""干那个"。Loop工程做的是搭建一套机制，让员工自己发现活儿、自己干活儿、自己检查、自己改进——循环往复，不用你盯着。
这就是Agent（智能体）的核心。一个真正的AI Agent，不是你问它答那么简单。它会：
- 自己拆解任务
- 自己决定用什么工具
- 执行完检查结果
- 发现不对自己调整
- 直到任务完成
这套"自己跑起来"的机制，就是Loop。
四层的关系：不是替代，是叠加
别误会，这不是说Prompt不重要了。恰恰相反，每一层都建立在前一层的基础上。
你想想：
- 没有好的Prompt，上下文再多也是一堆乱码
- 没有好的上下文，工具配得再多AI也不知道该干啥
- 没有好的工具和框架，Loop跑两步就崩了
Prompt是地基，Context是砖墙，Harness是装修，Loop是让整栋楼自己运转起来。
一张表看懂四层
| 层次 | 关注啥 | 一句话 | 类比 | 代表产物 |
|---|---|---|---|---|
| Prompt Engineering | 怎么跟AI说话 | 把指令写清楚 | 跟新员工交代任务 | ChatGPT对话、Prompt模板 |
| Context Engineering | 给AI什么信息 | 先喂够背景资料 | 给员工塞项目文档 | RAG知识库、长上下文 |
| Harness Engineering | 给AI什么工具 | 配好工具和权限 | 给员工配电脑和系统 | Claude Code、Cursor |
| Loop Engineering | AI怎么自己跑 | 让它循环迭代不停 | 员工自己发现活自己干 | AI Agent、自动化工作流 |
想深入了解？去这里看
这些概念光听个大概不过瘾，对吧？
如果你想真正搞懂Context Engineering怎么做、Harness怎么搭、Loop怎么跑起来——我专门做了一个**「AI前沿概念」**课程，把这些讲得透透的。
课程入口：AI前沿概念
在那个课程里，你会学到：
- Context Engineering的完整方法论（怎么构建高质量上下文）
- RAG从原理到搭建（让AI基于你的知识库回答问题）
- Harness的架构设计（Claude Code、Cursor是怎么把AI武装起来的）
- Agent和Loop的实战搭建（从0到1搭一个能自己干活的AI）
- MCP协议是怎么回事（AI连接外部服务的统一标准）
Prompt课程教会你"说"，前沿概念课程教会你"做"。两个一起，你就完整了。
小结
| 要点 | 一句话 |
|---|---|
| Prompt的天花板 | 本质上还是一来一回的对话，搞不了复杂自动化 |
| Context Engineering | 先把AI需要的信息喂够，再谈输出质量 |
| Harness Engineering | 给AI配上工具和权限，让它不只会说还会做 |
| Loop Engineering | 让AI自己拆任务、执行、检查、迭代，循环运转 |
| 四层的关系 | 不是替代是叠加，Prompt是地基，后面层层往上建 |
| 下一步去哪 | 去AI前沿概念课程，深入学Context、Harness、Loop |
附录在这里： 需要Prompt速查表和模板库？翻一翻附录，忘了的时候直接来抄作业。