OpenClaw vs Hermes | 一文了解AI 工程范式迁移:从 Prompt、Context 到 开源Harness

前言

最早和 AI 打交道，本质上是在解一道语文题：怎么说，才能让它听懂？

这个阶段涌现出了大量技巧。Few-shot learning，给几个例子让模型学会套路。Chain-of-Thought，要求模型一步步推导而不是直接跳结论。角色扮演，把模型扮成某个专家来激活特定的"模式"。XML 结构化输出，用标签约束格式让结果可被程序解析。有人专门研究哪些词放在句首最能激活模型注意力，哪种语气能让它更"认真"，甚至有人写出了 Prompt Engineering 的完整方法论。

这些东西是真的有用的。一个写得好的 Prompt，和一个随手打的问题，得到的答案质量差距可以非常大。

但它有一道无法逾越的天花板：出了这个对话框，AI 什么都不知道，也什么都不记得。

你在跟一个每天早上都会失忆的天才顾问打交道。他能力超群，但昨天聊过的项目背景、你们建立的工作默契、上次他理解的你的偏好——一概清零。你可以把 Prompt 写得无比精准，但他接收到的，依然只是这一刻这一句话。

当你的需求是"帮我回答一个问题"，这没问题。但当你的需求变成"帮我完成一个项目"，Prompt Engineering 就不够用了。

2025 年中，Andrej Karpathy 说了一句话，在 AI 工程师圈子里传开了：

"Context engineering is the most important skill." 

Shopify CEO Tobi Lütke 随后跟上： "Context engineering is the new skill."

这句话的意思，不是说 Prompt 不重要了，而是说思考的粒度变了。不是"这句话怎么说"，而是"在这次推理发生时，模型能看到什么"。

上下文窗口是一块寸土寸金的 RAM。你需要工程化地管理它：哪些信息要常驻，哪些按需加载，哪些压缩存储，哪些永远不需要被读进来。这是一个系统设计问题，不再只是一个语言技巧问题。

Context Engineering 的核心实践包括：用CLAUDE.md/AGENTS.md 给 Agent 一份"开工前必读"，写清楚项目结构、规范和禁区；用 RAG（检索增强生成）从知识库里动态拉取相关片段，而不是把整本手册塞进去；对静态指令和动态上下文做切割，让 prompt cache（提示词缓存）真正生效，避免每次重新计费；设计记忆系统，让信息在会话之间流转而不是每次从头开始。

Claude Code 泄露：意外的公开课

3 月 31 日那次泄露，在安全圈引发了很多讨论，但对工程师群体来说，它更像是一堂意外的公开课。51 万行代码里，最值得研究的不是功能列表，而是 Anthropic 工程师们实际上是怎么做 Context Engineering 的。

其中最精妙的是三层记忆系统：

MEMORY.md 不存数据，只存指针——每条记录大约 150 个字符，告诉 Agent"关于这件事的详细信息在哪里"，而不是把详细信息本身塞进常驻上下文。真实的项目知识住在独立的 Topic Files里，只在需要时加载。原始的对话记录从不被整段重读，只在需要查找特定信息时做 grep（Unix 系统里的文本精准搜索命令，这里借指关键词匹配而非全文扫描）式检索。这个设计背后的核心洞察是：上下文窗口里的每一个 token（模型处理的最小文本单元）都是稀缺资源，应该放路标，不应该放地图集。

Context Engineering 是一个真正的范式升级。它把思考的对象从"一句话"变成了"一个信息架构"。但它依然有盲区：信息给对了，Agent 还是会跑偏。跑了五十步之后行为退化怎么办？模型评估自己的输出时有没有可靠性？多个 Agent 并行执行时上下文互相污染怎么处理？这些不是信息问题，而是系统问题。

"Harness"这个词来自马具——马勒、缰绳、马鞍，那整套让骑手能驾驭马的装备。这个比喻非常精准：不是替代马的力量，而是把它引向正确方向。

2026 年 2 月，两件事几乎同时发生。HashiCorp 联合创始人 Mitchell Hashimoto 在博客里使用了"harness engineering"这个术语来描述他的工程实践。几天后，OpenAI Codex 团队发布了一份实验报告：从 2025 年 8 月到 2026 年 1 月，5 个月时间，团队从 3 人扩展到 7 人，合并了约 1500 个 PR（Pull Request，代码合并请求），写了近 100 万行代码——其中人工编写的行数是零。

但这个结果不是一开始就实现的。报告里说得很清楚：早期生产力很低，不是模型不行，是harness 没建好。每次改进 harness，生产力就跳一个台阶。 Harness 才是产品，模型只是引擎。

Harness 的四根支柱里，具体来说：

约束是架构层面的硬规则——依赖方向、文件边界、禁止操作，不是建议，是 CI（持续集成，Continuous Integration）流水线强制执行的。代码写错了方向，pipeline 直接拦截，不让合并。

信息就是前一章讲的 Context Engineering 的全部成果，在这里作为 harness 的一个组成部分，负责确保 Agent 在任何时刻都能拿到它需要的信息，且只拿它需要的信息。

验证这根支柱格外值得强调。Anthropic 的研究表明，模型不能可靠地评估自己的输出——这个发现影响深远。你不能让 Agent 既是运动员又是裁判。解决方案是 GAN 式（生成对抗网络，Generative Adversarial Network，借用它"生成者与判别者相互独立"的思路）的双 Agent 架构：一个 Generator（生成器）负责产出，一个独立的 Evaluator（评估器）负责裁判。这不只是防错机制，它从根本上改变了 Agent 系统的可靠性上限。

纠错是当事情出错时真正发生的那层逻辑。不是简单的重试，而是能理解失败原因、修正执行路径、写回经验的闭环机制。

一个具体的数字说明 harness 的价值：LangChain 的 coding agent，模型一行没换，只改了 harness 里的编辑格式——引入了一种基于行哈希（hash）的引用方式，让模型不需要精确复现原文就能修改代码——Terminal Bench 2.0 得分从 52.8% 直接跳到 66.5%，排名从 Top 30 进了 Top 5。改变的不是智能，是工具。

OpenClaw:把Harness变成文件系统

这三次演化不是相互替代的关系。每一代都包含上一代，并在此基础上把视野扩展了一个层次。Prompt Engineering 没有消失，它成了 Context Engineering 的基础组件；Context Engineering 没有消失，它成了 Harness 的信息支柱。每一次升级，都是在上一层的天花板上凿开一个新的维度。

还有一个值得记住的事实：Meta 在2025 年底以约 20 亿美元收购了 Manus。买的不是模型——Manus 用的是 Anthropic、OpenAI 的基础模型。买的是它第五次重写的 harness。在模型能力日益趋同的今天，系统设计才是真正的护城河。

回头看这三年，有一条隐藏的主线：我们对 AI 的控制粒度，在持续下沉。 Prompt Engineering 时代，我们控制的是语言——一句话怎么写。Context Engineering 时代，我们控制的是信息——让模型看什么、不看什么。Harness Engineering 时代，我们控制的是环境——把整个运行时做成一个工程对象来设计和迭代。每一次下沉，都意味着更大的杠杆，也意味着更高的工程复杂度门槛。

这也是为什么这三件事——OpenClaw 爆火、Claude Code 泄露、Hermes 崛起——放在同一个时间窗口里看，会觉得如此密集。这不是巧合，这是一个行业在同一时刻集体跨过某个阈值的信号。OpenClaw 让 Harness 从论文走进了 GitHub。Claude Code 的泄露让工程师第一次看清楚了顶级 Harness 的内部截面。Hermes 让 Harness 本身也成为一个可以学习、可以进化的系统。

你现在写的每一行 CLAUDE.md，每一条 AGENTS.md 规则，每一个 RAG pipeline 的设计决策，都是在做 Harness Engineering——只是你可能还没有用这个词称呼它。而当你开始用这个词思考的时候，你对这件事的理解，就已经升了一个维度。

有人调侃，在 AI 时代，学习得慢就不用学习了。

但真正的问题不是学不学，而是你是否还在跟上变化。

从 Prompt 到 Context，再到 Harness，AI能力在快速迁移。很多人还在优化提示词，行业已经在重构系统。

模型会变强，但不会提醒你已经落后；工具在进化，但认知需要自己更新。

所以关键不只是“会用”，而是持续理解最新技术演进，并及时调整自己所处的位置。

这一代人的差距，不在努力，而在你停留在哪一层范式里。