Tratopedia
BM
設定

文字大小

佈景

高對比

中文排版

豎排會把內文排成由右至左的直行,如同台灣的實體書籍。

版本

v1.184.0

本頁建置時的版本編號,也是 service worker 快取所依據的版本。

術語 · LLM 工程 · AI 代理 · AI 人工智慧 · 說明五個名詞,2021 年 2 月至 2026 年 7 月

提示 · 情境 · 駕馭 · 迴圈 · 圖

一套系統、五個名字,層次卻沒有共識

自 2022 年 ChatGPT 問世以來,有五個名詞先後用來描述開發者如何運用 AI 模型:提示工程、情境工程、駕馭工程、迴圈工程與圖結構工程。每一個都能追溯到具名人士有日期的文章——提示工程出自 2021 年 2 月 Laria Reynolds 與 Kyle McDonell 的論文,情境工程出自 2025 年 6 月的 Tobi Lütke 與 Andrej Karpathy,駕馭工程最晚在 2026 年 2 月見於 OpenAI,迴圈工程出自 2026 年 6 月的 Peter Steinberger 與 Addy Osmani,圖結構工程出自 2026 年 7 月的 Josh C. Simmons。《數位時代》2026 年 7 月 28 日的解說文把它們一層包一層地疊起來。但實際使用這些名詞的人,對這個疊法並無共識:Databricks 把提示、情境與迴圈都放進駕馭之內,Osmani 把迴圈放在駕馭之上一層,Simmons 的階梯則根本沒有駕馭這一級。

  • 5個名詞,在《數位時代》的說法裡一層包一層
  • 3種迴圈的位置:在駕馭之內、在駕馭之上,或在圖的每個節點之內
  • ~20項改進,是 autoresearch 從約 700 次修改中留下的,依 Karpathy 自己的統計
  • 12項設計基元,列在一份公開的駕馭工程清單上,排第一的正是代理迴圈

五個名字,依出現先後 每張卡片列出找得到最早、有日期的用法,以及使用者本人的話。

  • 1 · 2021 年 2 月

    Prompt Engineering 提示工程

    管的是:一次請求怎麼措辭。

    • 找得到最早有日期可考的用法,是 Laria Reynolds 與 Kyle McDonell 2021 年 2 月 15 日的論文:「對一個輸入與輸出皆為自然語言的語言模型而言,提示工程可以視為用自然語言寫程式。」
    • 2023 年 3 月,Anthropic 已在招募「Prompt Engineer and Librarian」,年薪 175,000 至 335,000 美元。
    • Anthropic 自己的定義:撰寫與組織給模型的指令、以求最佳結果的方法。
    • 並未被取代。《數位時代》與 Databricks 都把它描述為後來者的一部分。
  • 2 · 2025 年 6 月

    Context Engineering 情境工程

    管的是:模型每一步能看到什麼。

    • Tobi Lütke,2025 年 6 月 19 日:提供所有情境、讓任務對大型語言模型而言有可能解得開的「一門藝術」。
    • Andrej Karpathy,六天後:在上下文視窗裡填入下一步剛好需要的資訊,是「一門細膩的藝術與科學」。
    • Anthropic 應用 AI 團隊於 2025 年 9 月 29 日將它正式定義為「提示工程的自然延伸」。
  • 3 · 2026 年 2 月

    Harness Engineering 駕馭工程

    管的是:模型周圍的一切——工具、記憶、沙盒、護欄。

    • 找得到最早、有日期的用法是 OpenAI 在 2026 年 2 月 11 日的文章:用五個月打造一項產品,每一行程式碼都由 Codex 撰寫。
    • Agent = Model + Harness。LangChain 的 Vivek Trivedy,2026 年 3 月:「如果你不是模型,你就是駕馭。」
    • Databricks 在 2026 年 6 月列出其內容:工具、記憶、工作空間,以及審批之類的護欄。
  • 4 · 2026 年 6 月

    Loop Engineering 迴圈工程

    管的是:代替人去給代理下指令的那套系統。

    • Peter Steinberger,2026 年 6 月 7 日:「你應該設計會替你對代理下提示的迴圈。」Addy Osmani 的〈Loop Engineering〉也是同一天。
    • Claude Code 團隊的定義:「代理反覆進行工作循環,直到滿足停止條件。」
    • 概念早於名稱:Geoffrey Huntley 2025 年 7 月的「Ralph」,就是把代理丟進一個光禿禿的 shell 迴圈裡跑。《數位時代》舉的例子是 Karpathy 的 autoresearch。
  • 5 · 2026 年 7 月

    Graph Engineering 圖結構工程

    管的是:哪些步驟要跑、順序如何、誰交棒給誰、記下什麼。

    • Josh C. Simmons,2026 年 7 月 4 日:「把代理系統設計成明確的圖,而不是隱含的迴圈。」
    • 三個部分:每個只做一件事的節點、承載判斷的邊,以及每跨過一條邊就存檔的狀態物件。
    • 《數位時代》在 7 月 28 日把這個詞帶給中文讀者,並在資料來源中列出 Simmons。

每一部分站得多穩 依序為:有文件為證、當事人自述、各方說法相左、無法確立。

可信程度內容依據
有文件為證各名詞最早見於公開的日期:提示工程 2021 年 2 月 15 日,情境工程 2025 年 6 月 19 日與 25 日,駕馭工程 2026 年 2 月 11 日,迴圈工程 2026 年 6 月 7 日,圖結構工程 2026 年 7 月 4 日。各篇原文與論文本身,皆有發布方的時間戳記
有文件為證「提示工程與情境工程都住在駕馭工程裡面。」Databricks,2026 年 6 月 17 日,原文照錄——也是《數位時代》為其層層包覆說法所引用的唯一依據
有文件為證autoresearch 的設計:代理只能改 train.py,不得動 prepare.py,每次固定訓練五分鐘——每小時約 12 次,一夜約 100 次。專案本身的 README
當事人自述autoresearch 第一輪:約 700 次修改,留下約 20 項,nanochat 的「Time to GPT-2」由 2.02 小時降到 1.80 小時,約 11%。Karpathy,2026 年 3 月 9 日,量測他自己的專案
當事人自述OpenAI 的駕馭實驗:三名工程師、約一百萬行程式碼、約 1,500 個合併請求,沒有一行是人手寫的。OpenAI,2026 年 2 月 11 日,談自家團隊
各方說法相左五者之間誰包住誰。七個具名來源,迴圈至少有三種位置——見下方論點
無法確立誰最先寫出「harness engineering」或「Agent = Model + Harness」。找得到最早的用法出自 OpenAI 與 LangChain;Birgitta Böckeler 稱這個公式是「逐漸浮現」的簡稱

這裡所有有日期的事 共 19 筆有日期的紀錄。有一個名詞找不到最初的用法:駕馭工程。提示工程找得到的最早用法有日期可考,但不宣稱是首創。

  1. 2021 年 2 月 15 日Laria Reynolds 與 Kyle McDonell 發表一篇探討如何對 GPT-3 下提示的論文,文中用到「prompt engineering」一詞——這是找得到有日期可考的最早用法。
  2. 2022 年 11 月 30 日OpenAI 推出 ChatGPT。《數位時代》把整段演進的起點定在這裡。
  3. 2023 年 3 月 13 日一篇業界報導指出,提示工程師職缺年薪最高達 335,000 美元,居首的是 Anthropic 的一則職缺。
  4. 2025 年 6 月 19 日Shopify 執行長 Tobi Lütke 發文表示,他比較喜歡「context engineering」這個說法,勝過提示工程。
  5. 2025 年 6 月 25 日Andrej Karpathy 附和,並補充情境工程只是模型周圍一大層軟體中的「一小塊」。
  6. 2025 年 7 月 14 日Geoffrey Huntley 發表「Ralph」:「最純粹的形式下,Ralph 就是一個 Bash 迴圈。」這是迴圈還沒有學科名稱之前的樣子。
  7. 2025 年 9 月 29 日Anthropic 應用 AI 團隊發表代理情境工程指南。
  8. 2025 年 10 月 22 日LangChain 較底層的代理框架與執行環境 LangGraph 推出 1.0 版。
  9. 2026 年 2 月 11 日OpenAI 的 Ryan Lopopolo 發表〈Harness engineering〉,是目前找得到最早、有日期的用法。
  10. 2026 年 3 月 6 日Karpathy 建立 autoresearch 程式庫。
  11. 2026 年 3 月 9 日Karpathy 公布 autoresearch 在 nanochat 上的第一輪成果。
  12. 2026 年 3 月 10 日LangChain 的 Vivek Trivedy:「Agent = Model + Harness。」
  13. 2026 年 4 月 2 日Thoughtworks 的 Birgitta Böckeler 在 martinfowler.com 發表給程式代理使用者的駕馭工程。
  14. 2026 年 4 月 13 日arXiv 上一篇立場論文把代理迴圈描述為一次只有一個可執行單元的排程器。
  15. 2026 年 6 月 7 日Peter Steinberger 發文說開發者應該設計迴圈、而不是下提示;Addy Osmani 同日發表〈Loop Engineering〉。
  16. 2026 年 6 月 17 日Databricks 解說代理駕馭,並把提示工程與情境工程放在其中。
  17. 2026 年 6 月 30 日Claude Code 團隊發表迴圈分類:回合式、目標式、定時式與主動式。
  18. 2026 年 7 月 4 日Josh C. Simmons 發表〈We Are Entering the Graph Engineering Phase〉。
  19. 2026 年 7 月 28 日《數位時代》刊出陳建鈞署名的五個名詞解說文。

解說文主張什麼 不是取代,而是包覆——接著又替自己的說法踩了煞車。

《數位時代》這篇由陳建鈞署名、並在文末揭露初稿由 AI 撰寫後經他整理編輯的文章,只提出一個主張:這五者不是一代取代一代,而是一層包住一層,各自補強前一層的侷限。它的依據是 Databricks,後者 2026 年 6 月 17 日的指南明白寫著提示工程與情境工程都住在駕馭工程裡面。迴圈再把駕馭自動跑起來,圖則把許多迴圈組織起來。接著文章替自己的主張踩了煞車:這幾層誰上誰下、誰包住誰,業界沒有共識——有人認為迴圈在駕馭之上,也有人直接排除駕馭不談——用它自己的話說,目前還沒有定論。這兩種沒點名的立場其實都點得出名字。把迴圈放在駕馭之上,是 Addy Osmani 的說法;把駕馭排除在外,是 Josh C. Simmons 的階梯,而 Simmons 正是這篇文章列出的兩個資料來源之一。

  • 0業界對層次疊法的共識,依文章自己的說法
  • 2個列在資料來源的項目:X 平台,以及 Josh C. Simmons
  • AI撰寫了初稿,依文章自己的註記

誰把什麼放進什麼裡 七個具名來源。順著右欄往下讀,這個疊法始終站不穩。

來源它怎麼擺
Databricks,2026 年 6 月提示與情境在駕馭之內——它自己的表格還把迴圈列為駕馭工程要設計的東西之一。
awesome-harness-engineering,一份公開清單代理迴圈是駕馭之內十二項設計基元的第一項。
Birgitta Böckeler,2026 年 4 月對程式代理的使用者而言正好相反:打造使用者自己的駕馭,「是情境工程的一種特定形式」。
Addy Osmani,2026 年 6 月「迴圈工程位在駕馭之上一層樓。」
Josh C. Simmons,2026 年 7 月提示、情境、迴圈、圖,依序往上。駕馭不是其中一級,而迴圈「沒有死,只是被降級了」——它在圖的每個節點裡面繼續跑。
Andrej Karpathy,2025 年 6 月在後來的名詞出現之前:情境工程只是把模型呼叫組成應用程式的那一大層軟體中的「一小塊」。
《數位時代》,2026 年 7 月五者層層包覆,提示在最內層——接著說:目前還沒有定論。

三個畫圖原則從哪裡來

《數位時代》把它「把工作畫成圖」的三個原則,說成是綜合開發者社群的實作心得。兩相對照,它們緊貼 Simmons 7 月 4 日那篇文章,連例子都一樣:一個步驟塞了五件事,就跟過去的作法沒兩樣;交棒由死規則(「測試通過就上線」)或由模型(轉帳務還是轉檢舉?)決定;把進度記下來,讓任務能停下來等人核可三天;以及花費上限,少了它系統只是在燒錢。Simmons 列了七項做法;文章把其中四項濃縮成三項,並在資料來源中列出他。

五個名詞,逐一來看 每個定義都用作者本人的話。

名詞找得到最早的定義
提示Reynolds 與 McDonell,2021 年 2 月 15 日;2023 年 3 月已有職缺撰寫與組織大型語言模型指令以求最佳結果的方法——Anthropic。
情境Lütke,2025 年 6 月 19 日在視窗裡填入下一步剛好需要的資訊。太少,模型缺乏所需;太多,則「成本可能上升、表現可能下降」——Karpathy。
駕馭OpenAI,2026 年 2 月 11 日「凡不是模型本身的程式碼、設定與執行邏輯,都是」——Trivedy。一份公開清單補上原因:「這裡的每個元件之所以存在,都是因為模型無法獨力完成。」
迴圈Steinberger 與 Osmani,2026 年 6 月 7 日「代理反覆進行工作循環,直到滿足停止條件」——依 Claude Code 團隊的分類,分為回合式、目標式、定時式與主動式。
圖Simmons,2026 年 7 月 4 日用明確的圖取代隱含的迴圈:平凡的節點、承載判斷的邊、每次跨越都存檔的狀態。「迴圈工程是一個上下文視窗之內的手藝;圖結構工程是視窗與視窗之間的手藝。」

Simmons 認為圖結構工程該怎麼做 七項做法,依他的順序。《數位時代》的三個原則濃縮自第二、三、四、六項。

  1. 1先畫出狀態在寫提示之前,先寫下系統在執行過程每一點知道什麼。「如果你寫不出系統在每一點知道什麼,你手上只是個展示品。」
  2. 2節點要平凡各做一件事、可單獨測試、可整個替換。「做五件事的節點,只是多了幾步的迴圈。」
  3. 3把判斷放在邊上有些交棒是死規則,有些由模型決定;負擔得起的地方就預設用規則。由模型決定的邊,正是系統會出錯的地方,要盯緊。
  4. 4每次跨越都存檔這樣出錯時只需重試一個節點,而不是整趟重來;任務也能停下來等人核可三天。
  5. 5把人當成節點審批也有進來的邊與出去的邊,和其他步驟一樣設計——而不是事後當成例外硬加上去。
  6. 6把預算寫進狀態token、金錢與實際耗時都寫在狀態裡,並在邊上強制執行。如果代理無法在花費達到門檻時停下,它就不是在自己運作——只是在累積帳單。
  7. 7評估路徑,不只看結果結果檢查只說明任務結束得好;軌跡檢查才說明它是否走了合理的路、花了合理的成本。

迴圈與駕馭,實際上長什麼樣 兩個由打造者自己公布數據的專案。

autoresearch 是《數位時代》為迴圈工程舉的例子,它的 README 把設計寫得很具體。代理只能改一個檔案 train.py;不得動 prepare.py,裡面是資料準備與評分——因此它無法把考題改簡單、而不是把模型改好。每次固定訓練五分鐘,每小時約 12 次實驗、一夜約 100 次,以 val_bpb 評分,數值越低越好。2026 年 3 月 9 日,Karpathy 公布第一輪:大約兩天內約 700 次修改,其中約 20 項改善了驗證損失、並能沿用到更大的模型,使 nanochat 的「Time to GPT-2」由 2.02 小時降到 1.80 小時,約 11%。他寫道,這些調整他先前自己並沒有找到,而這也還稱不上新穎、突破性的研究。駕馭工程在這裡找得到最早的文件,是 OpenAI 描述用五個月打造一項產品的經過;據它說,沒有一行程式碼是人寫的:三名工程師、約一百萬行程式碼、約 1,500 個合併請求,平均每人每天 3.5 個。兩組數字都出自打造者本人,也沒有找到任何一方的獨立量測。

  • 1 個檔案autoresearch 代理能改的檔案:train.py
  • 5 分鐘每次實驗固定的訓練時間
  • ~11%第一輪後「Time to GPT-2」加快的幅度,依 Karpathy 自己的量測

重點 名詞有日期可考;疊法沒有。

每個名詞都有可以打開查看的、有日期的出處

提示工程在 2021 年 2 月,情境工程在 2025 年 6 月,駕馭工程最晚在 2026 年 2 月,迴圈工程在 2026 年 6 月,圖結構工程在 2026 年 7 月——每一個都讀得到公開提出者本人的原話。《數位時代》排列的順序,就是它們出現的順序。

疊法只是各個作者自己的畫法

Databricks 把迴圈放在駕馭之內,Osmani 放在駕馭之上,Simmons 則放進圖的每個節點、根本沒有駕馭這一級;Böckeler 又把駕馭當成情境工程的一種形式。任何一張五層圖,都該當作那位作者自己的看法來讀——包括《數位時代》那張,它自己也這麼說。

不靠任何名詞也成立的

停止條件貫穿 Claude Code 團隊的迴圈指南,審批關卡貫穿 Databricks 的駕馭,花費上限與存檔的狀態貫穿 Simmons 的圖。如果系統在費用碰到上限時停不下來,它就不算是自己在運作,不管那一層叫什麼名字。

無法查證的部分

傳言——在受調查的 70 個開源代理專案中,有 60% 仍在跑單純的迴圈。Josh C. Simmons 把這個數字歸於一篇 2026 年 4 月的論文;該論文摘要提到調查了 70 個系統,但沒有這個百分比。

核心要點與來源

  • 陳建鈞,《數位時代》(2026 年 7 月 28 日)
  • Tobi Lütke 於 X(2025 年 6 月 19 日)
  • Andrej Karpathy 於 X(2025 年 6 月 25 日與 2026 年 3 月 9 日)
  • Rajasekaran、Dixon、Ryan 與 Hadfield,Anthropic(2025 年 9 月 29 日)
  • Laria Reynolds 與 Kyle McDonell,arXiv 2102.07350(2021 年 2 月 15 日)
  • OpenAI,〈Introducing ChatGPT〉(2022 年 11 月 30 日)
  • David Ramel,《Virtualization Review》(2023 年 3 月 13 日)
  • Geoffrey Huntley(2025 年 7 月 14 日)
  • LangChain,LangGraph 1.0(2025 年 10 月 22 日)
  • Ryan Lopopolo,OpenAI(2026 年 2 月 11 日)
  • GitHub 上的 karpathy/autoresearch(2026 年 3 月)
  • Vivek Trivedy,LangChain(2026 年 3 月 10 日)
  • Birgitta Böckeler,martinfowler.com(2026 年 4 月 2 日)
  • Hu Wei,arXiv 2604.11378(2026 年 4 月 13 日)
  • Peter Steinberger 於 X(2026 年 6 月 7 日)
  • Addy Osmani(2026 年 6 月 7 日)
  • Databricks(2026 年 6 月 17 日)
  • Delba de Oliveira 與 Michael Segner,Claude(2026 年 6 月 30 日)
  • Josh C. Simmons(2026 年 7 月 4 日)
  • GitHub 上的 ai-boost/awesome-harness-engineering。這五個名詞各有專文逐一介紹,並在常設主題 LLM 工程 中並列比較。

版本

本文內容需要更動時即改寫為新版本,每個版本都保留在自己的網址。

  1. v0003 目前
  2. v0002 已被取代
  3. v0001 已被取代

目前版本也位於 latest/。