懒人AI手册：AI Agent 四层架构完全教程

从看懂概念到动手搭建到诊断排错的系统教程

01. 你为啥总听到这四个词

你打开知乎、刷推特、翻公众号，想学怎么用 AI 真正干活——不是聊天解闷，是让它替你做事。

结果迎面砸过来四个词：prompt、context、harness、loop。

每个词单独看好像都认识，连起来却像天书。更让人崩溃的是，这四个词出现的时候，往往带着一股"你要是不懂这个就落伍了"的味道——"prompt 工程已经过时了""现在都讲 context engineering 了""2026 年的核心是 loop"。

听上去像是四个互相取代的新潮流，谁不知道最新那个谁就 out 了。

这是最大的一个错觉。

四个词不是四代，是四个同时干活的部件

这四个词不是"prompt 死了、context 上位、harness 接班、loop 称王"这种改朝换代。它们是任何一个 AI agent 在干活的任何一个瞬间，都必须同时具备的四个部件。

就像一个人干活，你不会说"手过时了、现在流行用脑子"——手、脑、眼、腿是同时在用的，只是不同的活更吃哪个部件而已。

四词简史

名字是新的，东西是旧的。

2020-2022：prompt 兴起，GPT-3 后 prompt engineering 成为显学
2025 年中：context 被命名。Tobi Lütke（Shopify CEO）→ Karpathy → Simon Willison，八天接力，context engineering 一词扩散
2026 上半年：harness 和 loop 雪崩式被命名。Junyang Huang 公式"Agent = Model + Harness"，Addy Osmani 命名 loop engineering
反常识：loop 机制 2022 年（ReAct 论文）就有了，名字 2026 年才来，晚了 4 年

启示：别追名词，看瓶颈往哪走。

02. 一张同心圆看懂四层

四层的关系是嵌套的同心圆：

text

LOOP 循环 —— 让它自己一圈圈转
  HARNESS 装置 —— 模型的手脚和护栏
    CONTEXT 上下文 —— 它当下看得见的全部信息
      PROMPT 提示词 —— 你写给它的那段话
        MODEL 模型（大语言模型本体）

一句话：prompt ⊂ context ⊂ harness ⊂ loop。层层嵌套，不是层层取代。

用一台电脑就能讲明白

这个比喻来自 Karpathy（前特斯拉 AI 总监、OpenAI 创始成员）：

大语言模型就是一台新型电脑的 CPU；上下文窗口是它的内存；我们这些用 AI 的人，正在扮演这台新电脑的"操作系统"。

同心圆的层	在电脑比喻里是	一句话
model 模型	CPU	干"算"这件事的核心，但光有 CPU 是台裸机
prompt 提示词	写给 CPU 的指令	你这一步具体要它算什么
context 上下文	内存（RAM）	这一步算的时候，内存里摆着哪些数据
harness 装置	设备驱动 + 权限管理	把外设接上，管好谁能动什么
loop 循环	调度器 + 看门狗	决定程序何时启动、何时停止、卡死了怎么办

越往外的层，吃的越是几十年的老工程本事，而不是什么新的 AI 魔法。这也是为什么推动 harness、loop 这些概念的，大多是资深工程师，而不是玩 prompt 玩得花的人。

怎么读这篇教程

区块	章节	你如果在问
看懂区	01-03	"这几个词到底啥意思"
动手区	04-07	"我该怎么搭"
诊断区	08-09	"搭了但跑不好怎么办"

无代码路线（扣子 Coze / Dify）和代码路线（Python + Claude API）双线并行，你选哪条都行。

03. 四个圈到底是啥

prompt：你说的那句话

prompt 就是你写给 AI 的那段话本身。写得好它就答得好，写得烂它就答得烂。

好的 prompt 示例（小红书文案）：

text

【角色】你是一个小红书爆款文案写手
【任务】请为这款防晒霜写一篇种草笔记
【步骤】1.抓痛点（防晒闷痘）2.讲卖点（轻薄透气）3.给场景（夏天通勤）
【约束】字数300以内，口语化，结尾加互动引导
【样例】输入：防晒霜 → 输出：姐妹们！这个防晒我真的会谢...

context：工作台 / 内存

context 是模型这一步"看得见"的全部信息。不只有你刚写的那句话，还包括之前聊过的、刚查到的资料、上一步的结果。

context 有两个物理限制：

会满：上下文窗口有上限（如 200K token）
会腐烂：东西堆多了 AI 会"变笨"，这叫 context rot，大约 3 万 token 开始明显退化

管好 context 的核心不是往里加，而是精准地减。

harness：手脚和护栏

模型本质是个"缸中之脑"——没手脚、没记忆、还会高估自己。harness 就是给它配的鞍具缰绳，包含五大件：

工具（Tools）：让它能读文件、搜网页、调 API
记忆（Memory）：跨轮次记住关键信息
权限（Permissions）：谁能动什么、哪些操作要人工确认
沙箱（Sandbox）：限制它的活动范围，防止误删
护栏（Guardrails）：输入输出过滤，防止越界

有句话很锋利："如果你不是那个模型，那你就是 harness。"

loop：自己转的发条

loop 是让 agent 自己一圈圈转的自治循环：取信息 → 想一步 → 做一步 → 看结果 → 再来一圈，直到达成目标或被叫停。

loop 最要命的不是怎么转，而是何时停。

业界真实案例：4 个 agent 没设停止条件，连转 11 天，烧掉 4.7 万美元。

一次干活四层同时在场

text

你输入："帮我查下今天的竞品价格，整理到表格里"

【loop 启动第1轮】
  → harness 调用浏览器工具，打开竞品网站
    → context 装入：你的指令 + 上一步获取的网页内容
      → prompt 生效："提取价格信息，整理成表格"
        → model 计算：解析网页，提取价格
      ← prompt 输出结果
    ← context 更新：加入提取结果
  ← harness 工具执行完毕，返回数据
← loop 判断：是否完成？是 → 停止

四层在这一圈内全部参与了。

两组判别测试

prompt vs context：纠结"这句话怎么写才更清楚"是 prompt 的事；纠结"这一步该让它看到哪些信息"是 context 的事。一个管措辞，一个管信息流。

harness vs loop：关掉电脑它还在跑吗？关机就停 → 最多到 harness；关机后云端还在接着转 → 才进 loop。

一句话：关掉电脑还在跑的，是 loop。

04. 日常四层操作

prompt 三个写法

结构化：用标签组织（【角色】【任务】【步骤】【约束】【样例】）
给角色：让模型扮演特定身份（"你是一个资深数据分析师"）
给例子：少样本提示，但别给多——3-5个够了，多了反而过拟合

context 三个动作

只喂相关：跟这步无关的信息不要放进来
压缩可还原：长文档先摘要，保留可追溯的原文链接
防 context rot：关键信息放两头（开头和结尾），中间放支撑材料

harness 三件事

配工具：给它能干活的工具，定义好工具的 schema（参数、返回值）
设权限：哪些操作它可以自己做，哪些必须人工确认
加可观测：每一步都记日志，出问题能回溯

loop 三道闸

目标闸：明确什么算"完成"
停止条件闸（三道硬停）：
- 最大轮次上限（max iteration）
- 无进展自动停（no-progress，看状态变化不是数步数）
- 花费/token 上限
预算上限闸：烧到 X 美元强制停

四层联调

无代码路线（Coze / Dify）：

在 Coze 中创建 Bot → 配置 prompt → 上传知识库（context）→ 添加插件（harness）→ 设置工作流循环条件和终止规则（loop）。

代码路线（Python + Claude API）：

python

import anthropic

client = anthropic.Anthropic()

# prompt
system_prompt = """你是一个资料整理助手。
步骤：1.读取文件 2.提取关键信息 3.整理成表格
约束：只输出表格，不要解释。"""

# loop 骨架
max_iterations = 10
no_progress_limit = 3
budget_limit = 1.0  # 美元

for i in range(max_iterations):
    # harness: 调用工具
    result = client.messages.create(
        model="claude-sonnet-4-20250514",
        max_tokens=4096,
        system=system_prompt,  # prompt 层
        messages=current_context,  # context 层
        tools=tool_definitions,  # harness 层
    )
    
    # loop: 检查停止条件
    if is_task_complete(result):
        break
    if cost_so_far > budget_limit:
        break
    if not has_progress(result, last_state):
        no_progress_count += 1
        if no_progress_count >= no_progress_limit:
            break

05. 从零搭建一个 Agent

开工 checklist

决策项	选项	建议
路线	无代码 / 代码	第一次做选无代码（Coze），需要灵活控制选代码
模型	Claude / GPT / DeepSeek	工具调用首选 Claude，性价比选 DeepSeek
工具	读文件 / 搜网页 / 调 API	按任务需要配，别一上来全配
停止条件	三道硬停	一个都不能少

按四层依次搭建

第1层 prompt：写好系统提示词，明确角色、任务、步骤、约束、输出格式。

第2层 context：设计信息流——每一步该让模型看到什么。做减法比做加法重要。

第3层 harness：配工具（定义 schema）、设权限（哪些自动执行、哪些要确认）、加日志。

第4层 loop：装三道硬刹车——最大轮次、无进展检测、预算上限。

错层修复诊断

你观察到的症状	病灶层	对症处方
理解错任务 / 格式跑偏 / 答非所问	prompt	把意图/角色/步骤/约束写明，关键规则放结尾
答得对但用错信息 / 一长就变笨 / 忘了前文	context	做减法、压缩、剪枝，关键信息放头尾
编造参数 / 读不到文件 / 越权乱删 / 失忆	harness	查工具 schema、权限、沙箱、日志——别改 prompt
停不下来 / 烧钱 / 原地打转 / 假装完成	loop	装三道硬刹车，"完成"保留人工审查

一条铁律：改 prompt 改了三次还不见好，停手，往外一圈查。

完整失败案例：死循环烧 $2,847

一个开发者做了个"自动修 bug"的 agent，完成条件定义成"所有测试通过"。但代码库里有个测试因环境问题永远不可能通过。

没装最大迭代 → 跑了 4 小时没装无进展检测 → agent 反复改同一处代码没装预算上限 → 烧掉 $2,847

三道闸任何一道单独存在都能把 $2,847 的灾难缩小成一次小麻烦。

06. 三个真实案例

案例一：自动整理资料的 Agent（成功）

任务：每天自动读取 10 个行业新闻源，提取关键信息，整理成日报。

层	配置	要点
prompt	"你是行业分析师，提取关键信息整理成结构化日报"	明确输出格式
context	当天新闻原文 + 历史日报模板	只放当天 + 模板，不放历史新闻
harness	网页抓取工具 + 文件写入工具 + 日志	写入需人工确认
loop	最大3轮、预算$0.5/天	跑完即停

结果：稳定运行 3 个月，日均成本 $0.3，人工只做最终审阅（约2分钟）。

案例二：自动改 Bug 的编码 Agent（翻车 → 修复）

初始配置：完成条件 = "所有测试通过"。

翻车：有个测试因环境问题永远过不了。agent 反复修改代码，越改越乱，4小时烧 $2,847。

修复：

完成条件改为"核心测试通过 + 非核心测试跳过"
加最大迭代 15 轮
加无进展检测：连续 3 轮代码没变化就停
加预算上限 $5
改完后日均 $0.8，成功率 85%

案例三：一人公司内容流水线 Agent

任务：自动完成"选题→研究→初稿→配图→排版"全链路。

层	配置
prompt	每个环节独立 prompt（选题 prompt / 研究 prompt / 初稿 prompt）
context	选题库 + 风格参考 + 品牌指南
harness	搜索工具 + 图片生成工具 + 飞书文档写入
loop	5 步固定流程，每步独立 loop，完成后人工审阅再进下一步

关键设计：不是一个大 loop 跑完全程，而是拆成 5 个小 loop，每步完成都暂停等人工确认。控制可以外包，判断不能外包。

三案例共性

每个成功的 agent 都有明确的停止条件
每个翻车的案例都死在 loop 没装刹车
人工审阅是最后一道关——不省

07. 搭你的 AI 知识库（RAG 实战）

知识库 = context 工程的极致

RAG（检索增强生成）的本质就是：在 context 层做工程——把海量信息存到外面，每一步只把相关的片段喂给模型。

RAG 完整流程

text

准备资料 → 清洗/切块 → 嵌入向量 → 存入向量库
                                        ↓
用户提问 → 查询向量库 → 取回相关片段 → 塞进 context → model 生成回答

第一步：准备资料

收集：PDF、网页、视频字幕、内部文档
清洗：去掉页眉页脚、重复内容、格式噪音
切块：按语义切（不是按字数），每块 200-500 字为宜

切块的黄金法则：一块讲清一件事。别为了凑字数把两个主题拼一块。

第二步：建检索

嵌入（Embedding）：把文本块转成向量（一串数字），语义相近的文本向量也相近
向量库：存入向量，支持相似度搜索
查询：用户提问也转成向量，在库里找最相似的文本块

第三步：接进 context

把检索回来的文本块塞进 context，让模型基于这些信息回答。

关键问题：

喂多少：3-5 个最相关片段，不要贪多（防 context rot）
怎么喂：放在 prompt 之后、问题之前，用标签包裹
防噪声：检索回来的不一定都相关，可以让模型自己判断

第四步：加 Agent 层（进阶）

让 agent 自己决定查不查、查什么、查几次：

text

用户提问 → agent 判断是否需要查知识库
  → 需要：生成查询 → 检索 → 看结果够不够
    → 不够：换个关键词再查（loop）
    → 够了：整理回答
  → 不需要：直接回答

工具选型对比

工具	类型	费用	适合场景
Dify	开源平台	免费/付费	快速搭建 RAG，可视化
Coze	平台	免费	零代码快速验证
LangChain	代码框架	免费	灵活控制，需要编程
LlamaIndex	代码框架	免费	专注 RAG，文档丰富
自建	代码	免费	最大灵活度，维护成本高

RAG 翻车三件套

症状	原因	修复
检索不准	切块太粗/嵌入模型差	调切块策略、换嵌入模型
context 塞爆	取回太多片段	限制 top-k（3-5个），加相似度阈值
答非所问	检索回来的是噪声	加 rerank（重排序），让模型自己判断相关性

番外：Agent Skills 入门

Skill 是"跨 prompt + context + harness 的打包模块"——把一套完整的工具使用流程封装好，可以跨 agent 复用。

比如"搜索网页并总结"可以封装成一个 Skill，多个 agent 都能调用。这是 agent 工程的模块化方向。

08. 诊断与避坑总表

症状 → 层 → 处方总诊断表

症状	病灶层	处方
理解错任务 / 格式跑偏 / 答非所问	prompt	把意图/角色/步骤/约束写明，关键规则放结尾
答得对但用错信息 / 一长就变笨 / 忘了前文	context	做减法、压缩、剪枝，关键信息放头尾
编造参数 / 读不到文件 / 越权乱删 / 失忆	harness	查 schema、权限、沙箱、日志——别改 prompt
停不下来 / 烧钱 / 原地打转 / 假装完成	loop	三道硬停，"完成"保留人工审查

四层避坑总清单（12 个坑）

prompt 层（3 个坑）：

没写输出格式 → 模型自由发挥，每次都不一样
关键规则放中间 → 被"遗忘"效应吃掉，放结尾
给太多例子 → 过拟合，3-5 个够

context 层（3 个坑）： 4. 全塞进去 → context rot，变笨 5. 不做压缩 → token 浪费、变慢、变贵 6. 关键信息放中间 → 头尾效应，放两头

harness 层（3 个坑）： 7. 工具 schema 模糊 → 模型编参数 8. 没设权限 → 越权操作（删文件、发邮件） 9. 没有日志 → 出问题无法回溯

loop 层（3 个坑）： 10. 没装最大迭代 → 死循环 11. 完成条件定义不清 → 假完成或永不完成 12. 没装预算上限 → 烧钱

三层嵌套 loop 调试法

agent 出问题时，先判断是哪个层级的 loop 出了问题：

层级	是什么	典型症状
L1 工具调用环	单次工具调用→结果→下一步	工具调用失败、参数错误
L2 任务环	完整任务的多步执行	原地打转、跳步、重复
L3 编排环	多个 agent 之间的协作	死锁、互相等待、无限传递

修复原则：从 L1 往上查。L1 没问题再查 L2，L2 没问题再查 L3。

什么时候不用全四层（可裁剪）

你要做的东西	需要点亮的层	为什么
纯问答 / 单次生成	prompt + context	没有动手也没有循环
会调工具的助手	+ harness	需要手脚和安全边界
长时间自主跑的系统	+ loop	需要自己转和刹车

不是每个任务都需要全四层。简单任务用两层就够了，别过度工程。

09. 持续精进

四层之外的新词归位

新词	归到哪	一句话
memory 记忆	context 的时间延伸	让模型跨轮次记住关键信息
eval 评估	横切四层的质量维	衡量每层做得好不好
tool 工具	harness 的零件	给模型配的某个具体外设
RAG 检索增强	context 的装填手段	从外部知识库取信息塞进 context
skill 技能	跨 prompt+context+harness 的打包模块	可复用的完整工具使用流程
fine-tuning 微调	四层之外的另一条路	改模型本身，不是四层架构内的事

模型变强四层怎么变

模型越强，内两层（prompt + context）的技巧占比会变薄——因为模型自己理解能力更强了，不需要你把每句话都写得那么精确。

但外两层（harness + loop）的安全部分会加固——因为模型能做的事更多了，风险也更大了，约束和刹车更不能省。

给一人公司的真心话

控制可以外包，判断不能外包。

你可以把"按下一步"外包给循环，把"动手干活"外包给装置和模型，把"怎么说"外包给越来越强的模型。

但"该不该按下一步""这活干对了没""该信任什么""该在哪儿叫停"——这些判断，外包不出去。

继续学资源地图

Anthropic 工程博客 — Agent 工程的一手实践
Building Effective AI Agents — Anthropic 官方 Agent 指南
Effective context engineering — 上下文工程深度文章
Addy Osmani: Loop Engineering — Loop 概念命名者原文
Simon Willison on context engineering — Context engineering 早期推动者
Karpathy: Software 3.0 — 模型=CPU 比喻的出处
ReAct 论文 — Loop 机制的学术源头（2022 年）

附录：术语小词典

术语	英文	一句话本质
提示词	prompt	你写给模型的那段话
上下文	context	模型这一步看得见的全部信息
装置/挽具	harness	模型之外的一切：工具、记忆、权限、护栏
循环	loop	让 agent 自己一圈圈转的自治循环
上下文窗口	context window	模型一次能看多少 token
上下文腐烂	context rot	信息太多导致模型变笨
检索增强生成	RAG	从外部知识库取信息塞进 context
嵌入	embedding	把文本转成向量，用于相似度搜索
向量库	vector store	存向量的数据库，支持相似度搜索
工具	tool	给模型配的具体外设（搜索、读写文件等）
技能	skill	跨 prompt+context+harness 的打包模块
记忆	memory	让模型跨轮次记住关键信息
评估	eval	衡量每层做得好不好的方法
微调	fine-tuning	改模型本身的参数，不在四层架构内
最大迭代	max iteration	loop 的第一道硬刹车
无进展检测	no-progress detection	loop 的第二道硬刹车
预算上限	budget limit	loop 的第三道硬刹车
沙箱	sandbox	限制模型活动范围的隔离环境
护栏	guardrails	输入输出过滤，防止越界
编排	orchestration	多个 agent 之间的协调管理

最终心法：别追名词，去补瓶颈，守住判断。

懒人AI手册：AI Agent 四层架构完全教程 ​

目录 ​

01. 你为啥总听到这四个词 ​

四个词不是四代，是四个同时干活的部件 ​

四词简史 ​

02. 一张同心圆看懂四层 ​

用一台电脑就能讲明白 ​

怎么读这篇教程 ​

03. 四个圈到底是啥 ​

prompt：你说的那句话 ​

context：工作台 / 内存 ​

harness：手脚和护栏 ​

loop：自己转的发条 ​

一次干活四层同时在场 ​

两组判别测试 ​

04. 日常四层操作 ​

prompt 三个写法 ​

context 三个动作 ​

harness 三件事 ​

loop 三道闸 ​

四层联调 ​

05. 从零搭建一个 Agent ​

开工 checklist ​

按四层依次搭建 ​

错层修复诊断 ​

完整失败案例：死循环烧 $2,847 ​

06. 三个真实案例 ​

案例一：自动整理资料的 Agent（成功） ​

案例二：自动改 Bug 的编码 Agent（翻车 → 修复） ​

案例三：一人公司内容流水线 Agent ​

三案例共性 ​

07. 搭你的 AI 知识库（RAG 实战） ​

知识库 = context 工程的极致 ​

RAG 完整流程 ​

第一步：准备资料 ​

第二步：建检索 ​

第三步：接进 context ​

第四步：加 Agent 层（进阶） ​

工具选型对比 ​

RAG 翻车三件套 ​

番外：Agent Skills 入门 ​

08. 诊断与避坑总表 ​

症状 → 层 → 处方总诊断表 ​

四层避坑总清单（12 个坑） ​

三层嵌套 loop 调试法 ​

什么时候不用全四层（可裁剪） ​

09. 持续精进 ​

四层之外的新词归位 ​

模型变强四层怎么变 ​

给一人公司的真心话 ​

继续学资源地图 ​

附录：术语小词典 ​

懒人AI手册：AI Agent 四层架构完全教程

目录

01. 你为啥总听到这四个词

四个词不是四代，是四个同时干活的部件

四词简史

02. 一张同心圆看懂四层

用一台电脑就能讲明白

怎么读这篇教程

03. 四个圈到底是啥

prompt：你说的那句话

context：工作台 / 内存

harness：手脚和护栏

loop：自己转的发条

一次干活四层同时在场

两组判别测试

04. 日常四层操作

prompt 三个写法

context 三个动作

harness 三件事

loop 三道闸

四层联调

05. 从零搭建一个 Agent

开工 checklist

按四层依次搭建

错层修复诊断

完整失败案例：死循环烧 $2,847

06. 三个真实案例

案例一：自动整理资料的 Agent（成功）

案例二：自动改 Bug 的编码 Agent（翻车 → 修复）

案例三：一人公司内容流水线 Agent

三案例共性

07. 搭你的 AI 知识库（RAG 实战）

知识库 = context 工程的极致

RAG 完整流程

第一步：准备资料

第二步：建检索

第三步：接进 context

第四步：加 Agent 层（进阶）

工具选型对比

RAG 翻车三件套

番外：Agent Skills 入门

08. 诊断与避坑总表

症状 → 层 → 处方总诊断表

四层避坑总清单（12 个坑）

三层嵌套 loop 调试法

什么时候不用全四层（可裁剪）

09. 持续精进

四层之外的新词归位

模型变强四层怎么变

给一人公司的真心话

继续学资源地图

附录：术语小词典