聊聊信通院的驾驭工程:赋能智能原生软件工程研究报告

这份报告想干的事很清楚：在 AI 智能体开始大规模写代码、调工具、跑流程的背景下，总结了业界兴起的“驾驭工程（Harness Engineering）”这个新框架，说以后软件工程不能只靠提示词、上下文工程，也不能只靠传统 DevOps，而要有一套专门管住智能体的运行环境、约束规则、反馈闭环和治理体系。

一、这份报告主要讲了什么

报告一共六章，主要线索就是一句话：AI 从“辅助写代码”变成“自主干工程”，传统软件工程管不住它，所以要搞驾驭工程。

1. 背景：为什么现在提驾驭工程

报告认为，大语言模型和智能体已经从实验室走到生产环境，软件工程从“人主导”变成“人机协同”，正在从“工具集成期”走向“流程自治期”。以前提示工程、上下文工程只能优化模型输入，解决不了长任务、多工具、跨系统、可审计、可回滚的问题。所以需要驾驭工程，把 AI 放进一个“有边界、有反馈、有治理”的笼子里，让它在边界内自主干活。

报告还列了政策与市场驱动：国家层面有“人工智能+”行动、工信部“人工智能+软件”专项，地方有北京、四川等方案。市场数据说 67.3% 软件相关企业把 AI 投入生产环节，31.2% 完成智能体与研发流程内嵌。腾讯、通义灵码、中兴等案例被拿来证明 AI 已经进入业务主干。

2. 定义：什么是驾驭工程

报告把 Harness 解释为“马具”，说 Anthropic 工程师把它引入智能体领域。定义是：为智能体构建完整运行环境、约束规则与反馈闭环的系统工程方法，让 AI 在人类设定的边界内自主、可靠、可持续地完成复杂任务。

它强调三个范式转变：- 智能体从被动代码生成器变成主动工程参与者；- 管控重心从流程节点下沉到运行时行为；- 治理逻辑从流程驱动变成“约束边界+反馈驱动”。

三代演进是：提示工程 → 上下文工程 → 驾驭工程。提示工程管单次输入，上下文工程管信息流，驾驭工程管外部管控体系，目标是端到端任务落地、受控执行、边界内自主协同。

3. 价值定位：管控框架与生态底座

报告说驾驭工程有四大职能：

• 统筹协同：
   跨系统编排、统一语义层、模型通信契约、事件驱动、全局状态视图；
• 规范治理：
   模型准入、输出规范、版本控制、追溯、合规校验；
• 效率提升：
   AI 导向的 MLOps、推理优化、增量学习、资源调度；
• 安全保障：
   对抗鲁棒性、安全围栏、容错降级、全链路留痕。

它反复强调：驾驭工程不是工具产品，而是治理框架和产业级管控框架，负责标准互认、接口规范、审计维度。

4. 发展格局：国外引领，国内跟进

国外部分讲了 OpenAI、Anthropic、微软、AWS、LangChain、Stripe 等。比如 Anthropic 连续发博客，OpenAI 开源 Codex Harness，AWS 发 Bedrock AgentCore Harness，微软发 Agent Framework Harness。报告说国外形成“商业产品矩阵+开源公共底座”双轮驱动。

国内部分讲了阿里、腾讯、字节、DeepSeek、华为、蚂蚁、易鑫、海信等。阿里通义灵码升级 Qoder CN，DeepSeek 开源 Harness，华为 AgentArts 长程任务完成率 80%、记忆召回 90%，腾讯 WorkBuddy/CodeBuddy，蚂蚁阿福医疗，易鑫汽车金融，海信 AI 原生开发，广东政务智能中枢，瑞金医院联合华为 RuiPath 等。

5. 挑战

报告点出三大技术瓶颈：

• 研发团队工程化思维缺位，存量系统包袱重；
• 行业工程体系碎片化，200 多款大模型接口不统一，68% 开发者要单独适配；
• 全生命周期闭环管控缺失，68% 企业认为“AI 与工程融合不深入”是首要障碍。

标准化短板是：顶层通用标准缺位，分级分类落地标准空白。于是报告自研 L1—L5 成熟度模型来补。

6. 设计原则与技术体系

六大设计原则：

• 机器可读性优先；
• 渐进式信息披露；
• 边界约束与行为收敛；
• 闭环反馈；
• 安全合规内生；
• 动态适配与记忆沉淀。

六类技术能力：

• 连接能力：协议治理、能力目录、语义互通；
• 编排能力：任务边界、状态机、异常恢复、完成门控；
• 循环能力：自动触发、工作空间隔离、技能复用、子智能体分工；
• 效能能力：上下文预算、模型路由、缓存、Skill 复用；
• 安全治理能力：输入输出执行三侧联动、沙箱、审批、审计；
• 评估优化能力：执行、服务、资源、安全、业务五维评估。

报告还提了工程原语：任务、会话、状态、工具、记忆、权限、评估、审计，要有唯一标识、版本、生命周期、审计追溯。

7. L1—L5 成熟度

• L1 工具接入级：能力可登记、可调用、可关停，低风险场景；
• L2 运行底座级：会话管理、上下文装配、超时、重试、状态存储；
• L3 治理闭环级：权限分级、安全沙箱、全链路审计、人工审批；
• L4 协同自治级：多智能体、多工具链、多工作流协同，可观测、可审批、可回滚；
• L5 规模生产级：组织级基础设施，能力市场、知识资产、统一安全、成本计量。

实施误区分四类：认知定位、架构建设、过程控制、安全合规与规模化。比如把驾驭工程等同提示词工程、盲目堆插件、把记忆当聊天记录、过早放开高危权限、先规模化后补安全合规。

8. 应用场景

软件全生命周期：需求分析、架构设计、编码、测试、部署运维。核心思路是需求变契约，架构变可执行规则，编码在沙箱里自主修复，测试自动生成归因修复，运维契约驱动、闭环自愈。

质量治理：前置治理、全链路可追溯、持续进化。

行业落地：通用行业轻量化；金融合规风控；工业功能安全；政务数据安全；医疗隐私保护。

9. 未来展望

三个阶段：2026—2027 概念验证与标准形成；2027—2028 平台化与规模化；2028 以后基础设施化。人机协同成为主流，开发者能力变成四维复合能力。生态协同和行业治理机制要跟上。

二、我觉得有价值的地方

这份报告最大的价值，是把驾驭工程总结的比较全面，它有几个点抓得挺准：

• 把“运行时行为”当成治理核心，而不是只在开发时写规则；
• 强调能力目录、接口契约、权限隔离、审计追溯；
• 提了工作空间隔离、独立评估智能体、熔断机制；
• 提了上下文预算、模型路由、Skill 复用，这些是很实际的成本问题；
• L1—L5 分级虽然粗，但给企业一个“先别一口吃成胖子”的路径。

从系统工程角度看，它本质上是把控制论、平台工程、安全工程、MLOps、DevOps 揉在一起，给智能体做了一个“控制面”。

三、我的一些看法

看完报告，觉得还是有一些不足之处。

第一，概念边界有点糊。Harness 在软件测试里本来就有“测试夹具”的意思，报告把它重新定义成智能体管控框架，容易和 test harness、agent framework、MLOps 平台混淆。很多内容其实是 Agent 编排、沙箱、权限、审计、评估的大杂烩，冠一个新词，概念通胀的味道比较重。我个人是不太赞成把 Harness 视为框架的，我一直把它视为方法论、工程思想。

第二，三代演进说得太线性。提示工程、上下文工程、驾驭工程不是替代关系。实际工程里，提示词、RAG、上下文管理、记忆机制仍然在驾驭工程内部大量使用。说“不再在开发阶段用规则逐条指挥 AI”有点绝对，生产系统照样需要静态检查、编译约束、代码规范、门控。

第三，L1—L5 缺少可操作指标。什么叫“可登记、可调用、可关停”？什么叫“长任务可恢复”？失败率、MTTR、越权拦截率、幻觉率、成本/任务、人工介入率、审计完整率，这些量化口径没给。没有权重、没有评测集、没有认证流程，企业很难自评，更容易变成咨询公司打分。

第四，安全和治理讲得不够清晰。提示注入、工具滥用、供应链投毒、模型后门、日志篡改、多租户逃逸、隐私计算性能损耗，这些威胁模型没有系统展开。审计日志很重要，但日志本身怎么防篡改、怎么签名、怎么最小化留存，报告没细说。

四、总结

如果把这份报告当成方向指引，它是有意义的。它提醒大家：智能体进生产，不是接个 API 就完了，必须做运行时治理。企业真要落地，我建议抓几件实在事：

1. 先做能力目录和接口契约，
    别急着堆插件。每个工具、数据源、模型都要有登记、权限、版本、审计。
2. 把评测集和红队当基础设施，
    没有评测就没有自治。独立评估智能体不能自己给自己打分。
3. 权限分级、沙箱、人工审批、熔断回滚，
    这四样是生产准入底线。
4. 算成本账：
    Token、人工干预、工具执行、等待时延、故障返工、安全治理，六类成本都要计量。
5. 本体和语义层要早做，
    能力描述、数据 schema、协议映射、版本兼容，这些是长期资产。
6. 别迷信成熟度模型，
    L1—L5 可以当自检清单，但不能当认证勋章。真正的成熟度看线上事故率、恢复时间、审计通过率、单位任务成本。

说到底，驾驭工程这个概念，本质是给非确定性智能体建一套“操作系统级”的控制面。报告把驾驭工程“应该有什么”讲的很清楚，至于“具体怎么做、怎么验、怎么算账”，企业需要自己探索。

有任何不同的看法，评论区我们可以继续聊~ 😊

https://www.caict.ac.cn/kxyj/qwfb/ztbg/202609/P020260928603514637493.pdf

提醒一句：以上资料请仅用于个人学习和研究之用，勿用于任何商业目的，切记！！！