一、三代AI工程范式完整演进：Prompt → Context → Harness

第一代：Prompt Engineering（提示工程）

第二代：Context Engineering（上下文工程）

第三代：Harness Engineering（最前沿、最高维度）

二、Harness 的边界：东旭明确判断——目前看不到边界

1. 个人体感

2. 当前Benchmark的巨大缺陷

单一Agent

单一任务

单一环境

无数个体组织成社会

协同完成超越任何个体的能力

3. 未来判断

三、Harness 会不会变成通用基础设施？终局是什么？

东旭核心结论：

Harness Engineering 本质 = Software Engineering（软件工程）

Harness 未来三阶段演进

阶段1：映射人类软件工程（现在）

团队架构

开发流程

工具链

协作方法

阶段2：递归自进化（Recursive Self-Improvement）

阶段3：超出人类理解

终局判断

四、核心产品：Memoji 龙虾记忆插件（完整设计、痛点、技术、理念）

解决的两大强痛点（用户真实痛苦）

痛点1：聊着聊着就“失忆”

痛点2：升级/崩溃导致“永久失去记忆”

产品形态：

1.开源项目

设计哲学：Agent Native 体验

五、最核心知识点：Context Window（短期）与 Memory（长期）的区别

1. Context Window = 短期记忆

2. Memory = 长期记忆

关键结论

六、为什么 Memory 是 Harness 里最难、最关键的一环？

1. 单体Agent的必死问题：Compaction（压缩）= 失忆

2. 传统聊天产品只是“掩盖问题”

3. 模型本身是“无状态”的

4. 记忆决定“有多懂你”

七、记忆如何存储、如何提取？东旭独家极简方案

1.行业误区

2.东旭方案：交给模型自己判断

存储时：只加一个标签,此信息距离当前时间多少天

检索时：把所有相关信息丢给模型

核心思想,不自己写算法,让模型成为评估函数

例子：Agent 安全

八、数据量级：Agent时代 = 海量小数据（反直觉真相）

1.Web2 时代：中心化大数据

2.Agent 时代：海量小数据

为什么这么小？纯文本交互

3.未来趋势:

4.存储策略

九、一虾一库 + 共享存储：技术原理详解

1.一虾一库（必然趋势）

2.如何做到低成本？

3.设计目标

十、记忆存在本地还是云端？结论：一定云端

不是安全问题，是产品体验问题

1.Local First（本地优先）的致命问题

2.云端的不可替代优势

十一、记忆层的商业化前景

模式1：备份/恢复/迁移订阅

模式2：记忆市场（最震撼的未来）

十二、Agent时代：整个基础设施都会被重写

1. Agent Cloud（智能体云）

2. Agent Database（智能体数据库）

3. Agent 通信

4. Agent 支付 / 鉴权 / ID

十三、SQL、文件系统会被淘汰吗？

结论：长期存在，不会消失

2.未来形态

3.回归Unix哲学

十四、向量数据库的终局

终局

十五、给Agent做软件：怎样才算好用？

Agent 体验 = 程序员的好体验

好体验标准

十六、AI下一个突破边界：多智能体规模定律

十七、编程语言、工具还重要吗？

既重要，又不重要

1.重要

2.不重要

架构

软件工程

代码不腐化

系统稳定

十八、人与Agent如何协同？

十九、个人护城河：认知每月都过时

二十、团队效率：1人 = 传统100人年

二十一、未来组织形态

对硅谷工程师判断

二十二、给计算机学生的建议

不要焦虑,不要学很快过时的技能

2.两条路