2026三掌柜赠书活动第三十一期 Harness工程：从上下文管理到Agent系统构建

目录

前言

详解Harness工程核心价值与独特优势

关于《Harness工程：从上下文管理到Agent系统构建》

编辑推荐

内容简介

作者简介

图书目录

《Harness工程：从上下文管理到Agent系统构建》全书速览

结束语

---

前言

2023年，提示词工程（Prompt Engineering）一度成为AI圈最热门的关键词。彼时大语言模型凭借简单提示词即可生成流畅文本，行业开发重心集中在人工设计输入模板，人机交互以单向线性的提示—响应模式为主，也成为当时LLM应用落地的主流范式。步入2025年，行业风向悄然发生转变，Andrej Karpathy与Shopify CEO Tobi Lütke同步提出并推广上下文工程（Context Engineering）新理念。随着AI应用场景不断走向复杂深化，传统单次提示交互模式的短板日益凸显，意图偏移、长程记忆缺失、逻辑链条断裂等问题层出不穷；而上下文工程跳出单一提示词优化的局限，转向系统化构建与管理LLM输入语境，通过整合多维度信息高效破解复杂业务任务难题。发展至2026年，Harness工程顺势诞生。伴随Agent产品能力持续迭代升级，子智能体、智能体团队等模型外工程化手段，与上下文工程深度融合整合，统一归纳为Harness工程范式，正式确立「Agent = 模型 + Harness」的全新架构，也标志着大语言模型落地应用迈入全新发展阶段。想要紧跟AI工程范式迭代节奏、跟上Agent技术演进浪潮，接下来就来聊一聊相关的话题。

详解Harness工程核心价值与独特优势

本书作者邢云阳身为联通云AI与容器技术专家、资深架构师，长期负责云原生Serverless产品、大数据中间件上云以及AI Agent、RAG等方向的产品设计与研发，不仅带领团队自研容器化大数据平台、Serverless Kubernetes产品，还参与落地本地存储服务器云灾备项目，同时在极客时间开设《DeepSeek应用开发实战》《AI重塑云原生应用开发实战》两大AI专栏广受好评，此前也曾出版《AI Agent 开发实战：MCP+A2A+LangGraph 驱动的智能体全流程开发》专业著作，拥有扎实的理论功底与一线工程实战积淀。创作期间，作者全程亲历上下文工程、Coding Agent、Skills、OpenClaw、Harness等前沿概念的兴起迭代，不断复盘梳理、调整内容架构，力求把前沿技术体系与真实工程经验毫无保留地完整呈现。

凭借深厚技术积累与实战视野，本书形成了区别于同类读物的三大鲜明优势：一是架构体系完整，填补行业知识空白，告别碎片化学习，市面多数相关书籍要么只讲模型原理，要么仅罗列工具用法，难以形成闭环认知，而本书搭建起从技术演进、核心原理到实操落地、价值变现的完整Harness工程知识框架，层层递进、逻辑清晰，助力读者快速建立系统化认知；二是坚持强实战导向，理论结合案例可直接落地，全书摒弃空泛说教，每个知识点均配套真实业务场景，每章附带可复用代码示例与实操步骤，细致拆解Agent Loop、上下文压缩、SubAgent、任务管理等核心设计模式，并融入OpenClaw、Claude Code、Mem0、Skills、DeepResearch等一线实战案例；三是具备行业前瞻视角，助力读者把握趋势、找准职业定位，作者立足AI行业发展现状明确指出，未来AI应用竞争将全面聚焦Harness层面，Harness Engineering会成为AI工程师的核心硬实力，当下AI开发主要分为深耕LLM底层优化与专注Harness工程落地两条路径，而大模型本身能力差距正在逐步缩小，同一模型搭配不同Harness却能呈现天壤之别，这也是众多开发者转向智能体开发工具的重要原因。无论模型如何迭代升级，Harness工程始终是连接大模型与真实业务场景的关键桥梁，本书也旨在帮助读者建立长远技术视野与扎实工程能力，从容应对Agent开发时代的各类技术挑战。

关于《Harness工程：从上下文管理到Agent系统构建》

接下来给大家推荐一本关于Harness工程的书籍，这是一本详解Harness工程与AI智能体搭建的干货图书，一经上市就登上了当当“计算机与互联网”图书排行榜前列。本书从上下文管理原理剖析讲起到Agent系统构建实战技巧，助力开发者在AI智能体开发与工程落地工作中高效搭建生产级应用！另外，关注本文博主，点赞+收藏本文，且在本文评论区评论“入手Harness”，将选取三名幸运读者送出纸质版《Harness工程：从上下文管理到Agent系统构建》一本，截止时间：2026.06.19。入手《Harness工程：从上下文管理到Agent系统构建》传送门： https://item.jd.com/15374982.html ，个人觉得这本书非常的不错，是一本不可多得的好书，值得拥有去学习。

编辑推荐

1. 切中 AI 编程的真实痛点，而非工具教学

当前 AI 编程类图书多停留在“工具使用”和“Prompt 技巧”层面，而本书聚焦一个更本质的问题：为什么 AI 能写代码，却难以参与真实工程？

2. 从“上下文工程”到“Harness工程”的完整技术路径

本书首次系统梳理：Context Engineering → Agent Loop → 多Agent → Harness Engineering，构建清晰的技术演进认知，帮助读者理解 AI Agent 从“能用”到“可控”的本质差异。

3. 聚焦工程落地，强调“能跑、能用、能复现”，而非概念讲解

区别于偏理论或框架介绍类图书，本书每章均包含完整代码实践，提供 DeepResearch、记忆系统、Agent Skills 等真实案例，拆解类似 Claude Code 的核心设计模式

4. 覆盖从单Agent到多Agent系统的完整能力

内容涵盖：意图识别、规划、反思、行动（CodeAct）、长短期记忆系统（Mem0）、Skills 上下文卸载机制、多Agent协作（Agent Teams），形成能力闭环。

5. 面向下一阶段 AI 开发范式

在 LLM 能力逐渐趋同的背景下，本书强调“模型之外的工程能力（Harness）才是核心竞争力”，具备明显的前沿性和趋势价值。

内容简介

本书系统阐述从上下文工程到Harness工程的技术演进路径，深入揭示了AI Agent从工具调用到自主思考与协作的核心原理及工程落地方法。全书共7章，以从单Agent到多Agent为主线，帮助读者系统掌握构建具备理解、计划、反思与行动能力的Agent系统的完整方法论。

第1章、第2章系统介绍上下文工程的理论基础，涵盖意图识别、计划模式、反思模式、CodeAct行动及人机协作五大核心能力的工程化实战；第3章、第4章以DeepResearch 和记忆工程为典型案例，提供从搜索到研究的完整代码实现及分布式记忆系统部署方案；第5章阐述Agent Skills上下文卸载技术，并给出使用扣子编程开发运维巡检Skills及基于OpenClaw测试运维巡检Skills两个实战案例；第6章、第7章走向Harness工程，通过两个实践案例介绍如何复现Claude Code核心特性，以及如何构建OpenClaw类产品，实现技术整合与工程落地。每章均配有可落地的代码示例与真实场景案例。

本书既适合具备开发背景的工程师、架构师阅读，也适合希望提升AI Agent实战能力的技术人员参考。

作者简介

邢云阳，联通云AI与容器技术专家、架构师，深耕云原生、AI应用及传统应用上云领域。主导云原生Serverless、AI Agent、RAG等相关产品研发，带领团队自研容器化大数据平台、Serverless Kubernetes及AI MaaS平台等产品。图书《扣子（Coze）Skills+OpenClaw实战：零基础玩转AI智能体》《AI Agent开发实战：MCP+A2A+LangGraph驱动的智能体全流程开发》作者。在极客时间开设“DeepSeek应用开发实战”“AI重塑云原生应用开发实战”专栏，分别讲解AI Agent开发、AI大模型与云原生融合，备受认可。

图书目录

第1章 从提示词到上下文工程 1

1.1 上下文工程的核心思想 1

1.1.1 从购车决策看上下文的构建 2

1.1.2 上下文工程与Agent的关系 5

1.2 上下文工程的系统结构 6

1.2.1 上下文构建的四大模块 6

1.2.2 上下文管理的核心策略 7

1.3 简单工具调用到复杂Agent：Agent技术发展路线图 8

1.3.1 简单工具调用Agent的原理与特点 8

1.3.2 深度思考型Agent的原理与特点 11

1.3.3 新型Agent：Code Agent的原理与特点 13

1.3.4 多Agent的原理与特点 14

第2章 上下文的“元驱动”：意图识别、规划等模块的工程化实战 16

2.1 意图识别：让AI精准理解人类需求 16

2.1.1 意图识别的作用与意义 16

2.1.2 基于Arch-Router实现意图识别 18

2.1.3 小模型微调+大模型兜底实现意图识别 24

2.2 计划模式：让AI有计划地解决问题 30

2.2.1 简单计划模式实现旅游攻略撰写 30

2.2.2 复杂计划模式实现通用计划执行 39

2.3 反思模式：让AI具备“思考自己的思考”能力 47

2.3.1 反思模式的架构 47

2.3.2 以运维场景为例实现反思模式工作流 48

2.4 行动：代码即工具的CodeAct模式 53

2.4.1 CodeAct模式的架构 53

2.4.2 以图表生成助手为例实现CodeAct Agent 54

2.5 人机协作：实现Human-in-the-loop模式 60

2.5.1 Human-in-the-loop模式的原理 60

2.5.2 以报告大纲审核为例实现强制人类介入 61

2.5.3 以商品咨询为例实现自主触发人类介入 66

第3章 DeepResearch：基于深度思考Agent构建上下文的典型案例 70

3.1 深度解析DeepResearch核心演进 70

3.1.1 RAG的原理与局限 70

3.1.2 DeepSearch的机制与不足 71

3.1.3 DeepResearch的核心架构：从搜索转向研究 72

3.2 实战：构建DeepSearch核心引擎 73

3.2.1 选型博查（Bocha）：适配中文生态的AI搜索引擎 73

3.2.2 SearXNG：开源聚合搜索引擎的深度应用 79

3.3 实战：Sequential Thinking方案的DeepResearch代码实现 84

3.3.1 知名MCP广场：Smithery.ai简介 84

3.3.2 深度思考MCP：Sequential Thinking原理介绍 85

3.3.3 私有化方式部署Sequential Thinking 89

3.3.4 构建DeepResearch深度研究系统 92

第4章 记忆工程：Agent系统的 长短期上下文管理 101

4.1 深入理解Agent记忆 101

4.1.1 短期记忆：突破LLM的无状态局限 101

4.1.2 长期记忆：构建Agent的持久化存储层 104

4.2 Mem0：Agent记忆层的标准化实现 105

4.2.1 Mem0核心架构：多层级记忆管理 105

4.2.2 记忆生命周期：从信息提取到持久化存储 106

4.2.3 Mem0实战：基于混合存储架构实现历史对话复用 107

4.3 容器化的高可用分布式记忆系统部署方案 115

4.3.1 部署架构设计与脚本编写 115

4.3.2 基于分布式记忆系统的历史对话复用 118

第5章 Agent Skills：上下文卸载的艺术 123

5.1 Agent Skills概述 123

5.1.1 Agent Skills是什么 123

5.1.2 Agent Skills的结构定义 124

5.1.3 Agent Skills的渐进式加载机制 125

5.1.4 如何设计支持Skills的Agent 126

5.2 实战：零代码开发运维巡检Skills 127

5.2.1 使用扣子编程开发运维巡检Skills 127

5.2.2 基于OpenClaw测试运维巡检Skills 132

第6章 Harness 工程实践：复现Claude Code 核心设计模式 135

6.1 Agent Loop：Agent可以长时间工作的核心 136

6.1.1 一个Agent=一个Loop+一个Bash工具 136

6.1.2 增加更多的基础工具 141

6.2 上下文工程：解析Claude Code如何进行上下文管理 146

6.2.1 SubAgent：分离上下文窗口 147

6.2.2 Skills：让Agent实现渐进式加载 152

6.2.3 Compact：多级上下文压缩机制 157

6.3 持久化与异步：跨会话的任务管理 162

6.3.1 Todo：Claude Code的计划模式 163

6.3.2 Task System：持久化的任务系统 166

6.3.3 后台任务：慢操作交给后台运行 173

6.4 多Agent系统：Agent Teams 178

6.4.1 团队管理类实现 179

6.4.2 通信总线的实现 181

6.4.3 为队友的Agent Loop增加工具调用 183

6.4.4 修改主Agent的Agent Loop逻辑 183

6.4.5 测试效果 184

第7章 Harness工程实践：Claw类产品的设计模式解析与实践 188

7.1 Claw类产品的核心架构 188

7.1.1 学习路径：从NanoClaw开启探索 188

7.1.2 NanoClaw的架构 189

7.2 开发与使用NanoClaw 192

7.2.1 为NanoClaw开发飞书Channel 192

7.2.2 部署NanoClaw 194

《Harness工程：从上下文管理到Agent系统构建》全书速览

结束语

告别低效碎片化自学，想要系统吃透多Agent系统开发，一本好书就能搞定。2026年AI Agent技术发展日新月异，从单一智能体走向多Agent协同协作，从基础工具调用进阶到自主逻辑思考，从概念演示走向产业规模化落地，正在全面重构AI应用形态，也深刻重塑着技术人的职业发展赛道。而《Harness工程：从上下文管理到Agent系统构建》正是紧跟这波浪潮的必备学习指南，它不止讲解多Agent系统的开发方法，更着重培养工程化思维，教会读者真正把Agent技术落地业务、创造实际价值。无需再四处搜集零散教程，也不必重复踩前人走过的弯路，更不用为项目落地难题发愁，跟着书中完整案例循序渐进实操练习，就能轻松掌握具备自主思考、协同配合与独立行动能力的多Agent系统搭建方法。