文章目录 三者对比1️⃣ Prompt Engineering提示工程2️⃣ Context Engineering上下文工程3️⃣ Harness Engineering工程/编排工程Prompt Engineering 你怎么下指令Context Engineering 你给他什么资料Harness Engineering 你怎么安排他工作流程甚至配工具 三者对比层级关注点类比Prompt Engineering怎么说写问题Context Engineering给什么信息提供资料Harness Engineering怎么用模型做事搭整个系统1️⃣ Prompt Engineering提示工程 核心怎么把一句话说好让模型给出更好的回答它关注的是“输入文本本身”的设计比如如何写清晰的指令是否需要 few-shot 示例用什么语气、结构、格式例如❌ “总结一下这篇文章”✅ “用3点总结这篇文章每点不超过20字并给出一个标题” 本质微观层面优化单次调用 重点你写了什么 promptfromopenaiimportOpenAI clientOpenAI()question什么是量子计算responseclient.chat.completions.create(modelgpt-5.3,messages[{role:user,content:f请用通俗语言解释{question}并给一个生活中的例子}])print(response.choices[0].message.content)2️⃣ Context Engineering上下文工程 核心给模型“喂什么信息”不仅仅是写 prompt而是决定要不要加入历史对话memory要不要做 RAG检索增强生成是否注入知识库内容如何组织上下文顺序system / user / tool例如在客服系统中把用户历史订单、FAQ 一起放进上下文在 coding assistant 中注入当前文件内容 本质控制模型“看到的世界” 重点你给模型加了额外上下文RAG / memory / docsfromopenaiimportOpenAI clientOpenAI()question什么是量子计算# 模拟从知识库检索到的内容RAGretrieved_docs 量子计算利用量子比特qubit可以同时表示0和1 在某些问题上比传统计算更高效。 responseclient.chat.completions.create(modelgpt-5.3,messages[{role:system,content:你是一个专业但通俗的讲解助手},{role:user,content:f参考以下资料回答问题{retrieved_docs}问题{question}}])print(response.choices[0].message.content)3️⃣ Harness Engineering工程/编排工程 核心如何把模型变成一个“可用系统”这个层面已经不只是 prompt 或上下文而是多步骤调用agent / tool use模型 工具搜索、数据库、API错误处理、重试、评估pipeline / workflow 设计比如一个 AI 能 1. 先搜索资料; 2. 再总结; 3. 再生成报告或者自动调用函数、写代码、执行结果 本质构建完整 AI 应用系统 重点不只是一次调用而是一个流程带搜索 校验 兜底fromopenaiimportOpenAI clientOpenAI()defdecide_need_search(question):Step 1: 判断是否需要搜索respclient.chat.completions.create(modelgpt-5.3,messages[{role:system,content:判断问题是否需要最新或外部信息只回答 yes 或 no},{role:user,content:question}])returnyesinresp.choices[0].message.content.lower()defsearch(query):Step 2: 外部工具可以换成真实搜索APIreturnf模拟搜索结果关于{query}的最新资料...defgenerate_answer(question,context):Step 3: 生成答案respclient.chat.completions.create(modelgpt-5.3,messages[{role:system,content:你是一个严谨的专家基于上下文回答},{role:user,content:f上下文{context}问题{question}}])returnresp.choices[0].message.contentdefevaluate_answer(answer):Step 4: 自检respclient.chat.completions.create(modelgpt-5.3,messages[{role:system,content:判断答案是否可靠只回答 yes 或 no},{role:user,content:answer}])returnyesinresp.choices[0].message.content.lower()defpipeline(question):总流程Harness# 决策need_searchdecide_need_search(question)# 上下文contextifneed_search:contextsearch(question)# 生成answergenerate_answer(question,context)# 自检ifnotevaluate_answer(answer):return这个问题我不太确定需要更多可靠信息。returnanswer# 使用print(pipeline(什么是量子计算))