四代AI工程范式完整解读

1. Prompt Engineering 提示工程

核心问题：怎么向模型下达指令
关注对象：单次输入指令
典型场景：短文写作、内容总结、问答对话、简单代码生成
定位：最基础层级，仅优化单次交互话术，无上下文管理与系统运行能力。

2. Context Engineering 上下文工程

核心问题：给模型提供哪些参考信息
关注对象：上下文素材组织
典型场景：RAG检索增强、百万字长文档分析、代码仓库全局理解、企业私有知识库问答
定位：在提示词之上，解决模型视野不足问题，单次任务可依托完整资料完成，但无法自主多轮迭代。

3. Harness Engineering 约束工程

核心问题：如何安全将模型接入业务系统
关注对象：外部安全执行框架
典型场景：工具调用管控、自动化评测、沙箱隔离、CI流水线对接、操作权限与安全边界管控
定位：搭建AI运行安全底座，限定操作范围、拦截高危行为，支持单次可靠执行，但缺少自主循环推进能力。

4. Loop Engineering 循环工程

核心问题：如何让模型多轮行动、自我修正直至完成目标
关注对象：多步骤反馈自治循环
典型场景：AI编程智能体、全自动代码重构、自动化行业研究、超长周期复杂业务任务
定位：第四代顶层范式，叠加前三代全部能力，依靠循环实现自主拆解任务、执行、校验、迭代收敛，支撑无人值守工业化落地。

层级递进逻辑

提示词（单次对话）→ 上下文（完整信息输入）→ Harness（安全运行底座）→ Loop（自主闭环生产系统）
四层为叠加升级关系，后者完全兼容前者能力，核心差异是AI自主执行与迭代能力逐级提升。

AI新阶段 AI开发流程 AI代码理解 AI发展范式 AI工作模式 AI底层架构 AI系统架构