AI工程正在从"调Prompt"走向"造系统"。本文基于三份最新的AI实战分享，拆解三个关键话题：Harness Engineering到底是什么、如何用OpenClaw搭建多智能体团队、以及如何把Claude Design变成人人都能用的Skill。

---

写在前面

最近AI圈有两个明显趋势：

1. 单Agent正在被多Agent取代——一个全能助手不如一组专精专家
2. Prompt Engineering已经不够用了——从调提示词到管上下文，再到驾驭整个执行系统

这三个话题分别对应了三份最近在B站上非常火的实战分享，我把核心内容整理出来，顺便聊聊我的理解。

---

一、Harness Engineering：AI工程的第三次重心迁移

从Prompt到Harness，发生了什么？

过去两年，AI工程经历了三次明显的重心迁移：

阶段	关注点	核心问题
Prompt Engineering	怎么把话说清楚	模型有没有听懂你在说什么
Context Engineering	信息怎么喂进去	模型有没有拿到足够且正确的信息
Harness Engineering	整个系统怎么跑稳	模型在真实执行中能不能持续做对

这三个阶段不是替代关系，而是层层嵌套的包含关系——Harness包含了Context，Context包含了Prompt。

一个通俗的比喻

假设你要派一个新人去完成一次重要客户拜访：

• Prompt Engineering = 把话讲清楚："见面先寒暄→介绍方案→问需求→确认下一步"
• Context Engineering = 把资料准备齐全：客户背景、沟通记录、产品报价、竞品情况、会议目标
• Harness Engineering = 持续监督纠偏：带Checklist、关键节点汇报、会后核实纪要、发现偏差马上纠正、按标准验收结果

Harness的本质是：不只让模型更会想，更要让它别跑偏、跑得稳、出了错还能拉回来。

一个成熟的Harness包含六层

来自实践经验的拆解：

第一层：Context（信息管理）

• 角色和目标定义：模型要知道自己是谁、任务是什么、成功标准是什么
• 信息裁剪：不是给越多越好，而是越相关越好
• 结构化组织：固定规则放哪、当前任务放哪、运行状态放哪、外部证据放哪

第二层：Tool System（工具系统）

• 给什么工具：太少能力不够，太多会乱用
• 什么时候调用：不该查的时候别乱查，该查的时候也别硬答
• 结果怎么回喂：搜索回来的几十条结果不能原封不动塞回去

第三层：Execution Orchestration（执行编排）

• 很多Agent不是某一步不会，而是不会把所有步骤串起来
• 任务拆解、步骤依赖、并行执行、状态管理

第四层：Verification（验证机制）

• 每一步的输出都要校验
• 换一个新上下文检查自己的输出，打破"自我感觉良好"

第五层：Recovery（错误恢复）

• 失败了怎么重试、怎么回滚、怎么降级
• 不是每个错误都需要从头来

第六层：Observability（可观测性）

• 全链路的日志和监控
• 出了问题能快速定位

实战数据

一个朋友团队的真实案例：同样的模型、同样的Prompt，只改了任务拆解方式、状态管理、关键步骤校验和失败恢复机制——成功率从70%拉到95%以上。

Harness Engineering不是玄学，它就是那层"让模型稳定交付"的工程外壳。

---

二、OpenClaw多智能体团队：7个专精Agent的实战配置

为什么不能做一个"全能Agent"？

很多人装好OpenClaw后的第一反应：把所有技能塞进一个Agent，又能写文章又能分析股票还能生图，岂不美哉？

实践证明，这是个坑。原因有三：

1. 上下文污染

一个Agent的上下文窗口是有限的。生图的提示词模板、投资分析的框架、写作的风格指南全塞进去，注意力严重分散。让它写文章，它可能在行文中不自觉地使用投资分析的术语；让它分析股票，它可能用写作风格来美化数据。

2. 技能冲突

不同场景需要的工具和权限完全不同。开发助手需要ADB/Shell来调度Code，这个权限对写作助手完全多余且有安全风险。投资助手需要访问股票数据接口，社区助手需要访问Reddit。全部开放给一个Agent，违反最小权限原则。

3. 人设冲突

一个好的Agent需要清晰的人设。投资助手应该谨慎、数据驱动、风险意识强；写作助手应该有温度、有文采、善于结构化表达；社区助手需要有趣、有个性、善于社交。这些截然不同的性格，很难在一个Agent上和谐共存。

结论：专精胜于全能，隔离优于共享。

七个Agent的配置方案

Agent	定位	核心能力
生图助手	配图生成	记住审美偏好，自动匹配提示词模板
资讯助手	AI日报	自动抓取信息源，生成结构化日报
开发助手	远程开发	手机发消息就能排查问题、写代码
投资助手	投资参谋	拉取个股数据、分析走势、生成买卖建议
社区助手	社区运营	半自动发帖、回复、总结社区观点
写作助手	内容创作	记住写作风格，搜资料、梳大纲、优化表达
智能专家	团队协调	了解所有Agent能力，复杂任务时协调协作

关键设计思路

Agent间的协作机制：主Agent发起调用后可以继续做自己的事（非阻塞），被调用Agent完成后会主动推送结果回来。就像你让同事帮忙做一件事，他做完了会来告诉你。

权限隔离：通过serveAgent配置明确声明每个Agent允许调用哪些其他Agent，最小权限原则。

记忆独立：每个Agent拥有独立的短期记忆（对话上下文）、中期记忆（近期工作记录）和长期记忆（跨对话的偏好和决策）。互不干扰。

底层架构解析

OpenClaw中，每个Agent的组成要素：

• 模型：可为不同Agent绑定不同模型（写作用擅长聊天的模型，开发用擅长编码的模型）
• 记忆：短期（对话上下文）+ 中期（memory/YYYY-MM-DD.md每日记录）+ 长期（MEMORY.md跨对话沉淀）
• 人设：通过SOUL.md、IDENTITY.md、USER.md等文件定义
• 工具：内置工具 + Skills（可独立配置黑白名单）
• 规划：依赖大模型推理能力 + AGENTS.md中的执行手册
• 环境：每个Agent独立workspace，文件互不干扰

---

三、Claude Design Skill：让每个人都成为顶级网站设计师

Claude Design是什么？

Anthropic发布的Claude Design，可以理解为"设计师版的Claude Code"——左边打字，右边直接出设计稿（本质是可运行的网页）。

它和传统设计工具的区别：

	传统工具	Claude Design
主导者	人在画布上操作	AI生成，人做审核
输出物	设计图/图片	可运行的代码
交互	点击、拖拽	自然语言描述

提示词拆解：五个核心设计

Claude Design上线不到24小时，完整提示词就被扒出来了。其中最有价值的部分：

1. 动态角色定位

开头第一句："你是一个专家级设计师，而用户是你的产品经理。"

不是"你是一个AI助手"，而是设计师和产品经理的关系——AI做决策更果断，但关键决策要问你。而且会根据任务动态切换身份：做动画就当动效设计师，做原型就当UX设计师，做PPT就当Deck设计师。

2. 六步工作流

理解需求 → 探索资源 → 制定计划 → 搭建结构 → 完成验证 → 极简总结

关键细节：什么时候该问、什么时候直接开干——有清晰的判断标准。你说"帮我做个PPT"，他可能先问几个问题；你说"帮我做个PPT，全员会马上就要用了，10分钟"，他直接开干。

3. 去AI味清单

这是最有价值的部分。AI生成网页的典型毛病：

• ❌ 紫粉蓝渐变到处都是
• ❌ 大圆角卡片铺满页面
• ❌ Emoji当图标
• ❌ 假数据填充
• ❌ 烂大街的字体

Claude Design把这些雷区一条条列出来，逼着AI不能走老套路。

4. 色彩系统：用OKLCH替代HSL

传统HSL色彩空间感知不均匀——同样亮度值，黄色比蓝色看着亮一大截。AI如果用HSL随机配色，数值没问题但看着不舒服。

OKLCH是感知均匀的色彩空间，保持亮度和色度不变，只转变色相角，出来的颜色自然和谐。这个小细节，网页的高级感一下子就上来了。

5. 内容原则：用1000个No换一个Yes

引用乔布斯的话——每个元素都必须证明自己为什么应该在那儿。觉得页面空？用留白解决，不能靠塞东西。一个大胆的留白，比10个凑数的板块更有表现力。

做成OpenClaw Skill

由于Claude Design在国国内使用极其困难（没有API，不能接入自己的工作流），核心能力靠的就是那套泄露的提示词。于是有人（code秘密花园）把核心功能提炼成了一个OpenClaw Skill：web-design-engineer。

关键优化：

• 写代码之前必须先用自然语言说清楚设计系统（配色、字体、间距）
• 尽早出一个带假设和占位符的最小版本（V0），而不是花几倍时间直接出精雕细琢的V1
• 补充了更多去AI味的条目
• 增加了经过验证的字体和配色参考对照表

实测效果：同一套提示词、同一个模型（Claude Opus 4.7），有Skill和没Skill的版本差距非常明显——没用的版本是教科书式的落地页结构，典型的AI霓虹渐变感；用了Skill的版本像一个有经验的设计师的杰作，配色深沉高级，布局有创意。

---

四、三者的共性：AI工程正在从"调参"走向"造系统"

把这三个话题放在一起看，有一个共同趋势：

AI的能力瓶颈已经不在模型本身，而在模型外面那层"壳"。

• Harness Engineering告诉你：模型再聪明，没有好的执行编排和验证机制，成功率照样只有70%
• OpenClaw多智能体告诉你：一个全能Agent不如一组专精Agent，隔离和协作才是正道
• Claude Design Skill告诉你：同样的模型，一套好的提示词系统可以让输出质量产生质的飞跃

2026年的AI开发者，核心竞争力正在从"会不会调Prompt"变成"能不能造出稳定交付的系统"。

---

总结

话题	核心结论
Harness Engineering	Agent = Model + Harness，模型之外的一切都是Harness
多智能体团队	专精胜于全能，隔离优于共享，像搭团队一样搭Agent
Claude Design Skill	提示词系统工程化，从"一句提示词"到"一套设计体系"

如果你也在做AI应用落地，建议重点关注Harness Engineering的六层架构——它可能会成为2026年AI工程最重要的方法论之一。

---

参考资料：

《龙虾装上了，可以用来干啥？分享下我的 OpenClaw 多智能体团队搭建经验！》，B站视频，code秘密花园，2026年5月8日。本文通过Ai好记智能解析获取。

《最近爆火的 Harness Engineering 到底是啥？一期讲透！》，B站视频，code秘密花园，2026年5月8日。本文通过Ai好记智能解析获取。

《我把 Claude Design 做成了 Skill，人人都能成为顶级网站设计师》，B站视频，code秘密花园，2026年5月8日。本文通过Ai好记智能解析获取。