Prompt、Context、Loop、Workflow、Harness、Graph —— 這六個「X Engineering」不是誰比誰高級的排名,而是「兩把尺 + 一塊地板」。用一間餐廳的比喻,你可以在五分鐘內分清楚它們各自在管什麼、什麼時候該用哪個。
重點摘要
- 範圍尺(由小到大):Prompt(一句話)→ Context(給它看到什麼)→ Loop(一個 Agent 自己跑到好)→ Graph(指揮一整個 Agent 團隊)。
- 誰決定步驟:Workflow 是「步驟先排死、照做」;Loop/Agent 是「AI 臨場自己決定下一步」。這是另一把尺,跟範圍無關。
- Harness是那塊「地板」:不管你用上面哪一種,都得先有能跑它的工具、環境跟驗證機制。
為什麼 2026 突然冒出一堆「X Engineering」?
2022 到 2024 年,大家講的是 Prompt Engineering(提示工程)——怎麼把一句話講好。2025 年變成 Context Engineering(脈絡工程)。到了 2026 年,一口氣又冒出 Loop、Harness、Workflow、Graph 好幾個新詞,而且各家文章排的順序還互相打架——有人說 Harness 最外層,有人說 Loop 最新。
會打架,是因為大家硬把它們排成「一條直線」。真相是:它們根本不在同一條線上。看懂這件事,這六個詞就再也不會混。我們用一間餐廳來拆。
先用一間餐廳,把六個詞一次講完
想像你要讓一間餐廳把一道菜端上桌。這六種工程,剛好對應餐廳裡六件不同的事:
| 工程 | 餐廳裡的哪件事 | 白話 |
|---|---|---|
| Prompt 提示 | 你怎麼「開口點菜」 | 同一道菜,「來份不辣的」跟「微辣、少油、飯少一半」講法不同,端出來就不同。 |
| Context 脈絡 | 你給廚師的「菜單 + 食材 + 忌口清單」 | 不只是那句點菜,而是廚師手邊「看得到的所有資訊」:過敏原、庫存、今天的湯底。 |
| Loop 迭代 | 廚師自己「試味道 → 調整 → 再試」直到對 | 你不用盯著他每一步。他嚐一口太淡、加點鹽、再嚐,自己知道什麼時候「好了」可以出餐。 |
| Workflow 工作流 | 中央廚房的 SOP,步驟先寫死 | 第一步解凍、第二步下鍋 90 秒、第三步擺盤。誰來做都一樣,不准臨場發揮。可預測、不會出錯。 |
| Harness 骨架 | 廚房本身:爐具、刀、水電、洗手台 | 不管誰掌廚、用 SOP 還是即興,你都得先有一間能運作的廚房。它是那塊「地板」。 |
| Graph 圖 | 整間餐廳的「內外場分工 + 出餐動線」 | 前台接單、備料區、炒鍋、擺盤、傳菜、結帳——很多人各做一格,誰接誰、卡住找誰,是一張組織圖。 |
關鍵:它們不是排名,是「兩把尺 + 一塊地板」
看懂上面那張表,你會發現這六個詞其實分屬三個不同的問題:
第一把尺:範圍多大(從一句話到一整個團隊)
Prompt → Context → Loop → Graph 是同一把尺,由小到大:一句話 → 一份備料 → 一個廚師自己跑 → 一整間餐廳分工。這條線是「你在設計的東西有多大」。
第二把尺:步驟是誰決定的
這把尺跟範圍無關,問的是另一件事:下一步由「人事先排好」,還是「AI 臨場自己決定」?
像中央廚房 SOP。適合「路徑早就知道」的事,可預測、可靠、便宜。缺點是不會隨機應變。
像會試味道的廚師。適合「事先不知道要幾步」的事,能隨情況調整。代價是比較貴、比較難預測。
這也是為什麼一句老話很重要:「固定步驟的流程,是狀態機,不是真正的 Agent。」有步驟不等於是 Agent——Agent 的靈魂是「自己跑、自己知道什麼時候停」。
那塊地板:Harness
Harness 不在上面任何一把尺上。它是「跑這一切的環境」——工具、外部連線、執行環境、出錯時的處理。你要有廚房,才談得上誰掌廚、用不用 SOP。像 Claude Code 這種工具,本身就是別人幫你蓋好的一間 Harness。
六種工程差異總表
| 工程 | 管什麼 | 誰決定步驟 | 什麼時候用它 |
|---|---|---|---|
| Prompt | 那一句話怎麼講 | — | 任何時候,這是基本功 |
| Context | AI 看得到的所有資訊 | — | 答不準、忘東忘西時 |
| Loop | 一個 Agent 的「做→看→調→再做」 | AI 臨場 | 要它自己跑到完成,不用人一步步盯 |
| Workflow | 先排好的固定步驟 | 人事先排死 | 路徑已知、要穩要可預測 |
| Harness | 跑這一切的工具與環境 | —(是地板) | 要它可靠、可重複跑起來時 |
| Graph | 多個 Agent 的分工與動線 | 看設計:節點固定、路徑可動 | 一個 Agent 不夠、需要一群人協作時 |
提醒一個常見誤會:Graph 不是「取代」Loop。一個 Loop 只是 Graph 裡的一個節點(一個廚師)。你不是從 Loop「畢業」到 Graph,而是當一個廚師忙不過來時,才把好幾個 Loop 組成一張分工圖——而且要付出更多協調、更多出錯的可能。能一個人做完,就別急著開整間餐廳。
那我到底該用哪個?
給正在從「會用」往「用得好」走的你,一個實用的順序:
而 Harness 是一路上都在的背景:當你開始在意「這個流程能不能明天再自動跑一次、出錯了怎麼辦」,你就已經在做 Harness 工程了。想更深入多 Agent 的實務,可以看企業 AI Agent 治理怎麼處理權限與協作;想理解「把 AI 當一個會自己跑的同事」的心態,可以看把 AI 當一個新同事。
一句話收尾
一把量「範圍多大」(一句話 → 一整個團隊),一把量「步驟誰決定」(人排死 vs AI 臨場)。再記得下面永遠有一塊叫 Harness 的地板。名詞會一直換,這兩把尺不會。
常見問題
Loop Engineering 跟 Workflow 有什麼不同?
差在「步驟是誰決定的」。Workflow 是人把步驟事先排死、照著跑,可預測;Loop 是讓 AI 在跑的當下自己決定下一步、自己判斷什麼時候完成。步驟已知用 Workflow,步驟未知用 Loop。
Graph Engineering 是不是取代了 Loop Engineering?
不是。一個 Loop 就是 Graph 裡的一個節點。Graph 是把很多個 Loop 接起來、安排它們怎麼分工協作。只有在「一個 Agent 不夠用」時,才需要組成 Graph;能用一個 Loop 完成就別急著上多 Agent。
Harness Engineering 又是什麼?
Harness 是「跑這一切的環境與工具」——執行環境、外部連線、出錯處理、驗證機制。它不管你上面用 Prompt 還是 Graph,都得先有這塊地板。像 Claude Code 這類工具本身就是一個現成的 Harness。
我只是一般使用者,這些都要學嗎?
不用全學。九成日常需求,把 Prompt(話講清楚)和 Context(資訊給齊)練好就夠了。Loop、Workflow、Graph、Harness 是當你要「讓 AI 自動、可靠、成群地做事」時,才一層層用得上的進階概念。
發佈留言