今天來聊聊，從 Prompt Engineering，走到 Context Engineering，最後進入 Harness + Loop Engineering。

🧭 先搞懂：Prompt、Context、Harness 與 Loop Engineering 到底差在哪裡？
先把幾個常被混在一起的名詞拆開來看。Prompt Engineering 是把任務、角色、輸出格式與限制講清楚；Context Engineering 則是把必要的資料、 歷史紀錄、參考文件與工具補進來，讓 AI 不要只靠猜。

但如果只做到這裡，AI 還是可能像一位很熱心、可是有點脫線的實習生：你交代了事情， 他也很認真做，結果檔名、格式、權限與驗證全部自由發揮。這時候就需要 Harness Engineering，也就是幫 Agent 裝上「韁繩」。

🎯 Harness Engineering：幫 Agent 裝上韁繩
明確定義 Agent 可以做什麼、不能做什麼。
設定工具、規則、限制與成功條件。
把驗證流程納入執行過程，而不是最後才祈禱。
把重複工作整理成可重複使用的 skill 或 flow。
簡單講，Prompt 是交代任務，Context 是補足背景，Harness 則是把活動範圍畫好。 不然 Agent 一開心跑出去，最後可能連你的 production 都想順便重構，這就不是加菜，是加班了

Harness 的核心：規則、限制、驗證與可重複使用的流程

🔁 Loop Engineering：讓 Agent 不只做一次，而是反覆修正
Plan → Execute → Evaluate → Refine，這就是 Coding Agent 的迭代循環
另一個重點是 Loop Engineering。筆者自己覺得它很像管理學裡常講的 PDCA，只是換成比較符合 Agent 工作方式的節奏： Plan、Execute、Evaluate、Refine。

也就是先規劃，再執行；執行後評估結果，如果發現錯誤，就修正方法、重新執行， 一直迭代到結果可用為止。其實現在不少前沿模型裡，已經內建類似的行為： 先思考、再執行，遇到錯誤就找原因，修正後再跑一次。

🔄 Loop 的實務檢查表
Plan：先確認任務拆解與執行順序。
Execute：使用指定工具與既定規則完成工作。
Evaluate：檢查輸出是否符合測試、格式與品質要求。
Refine：失敗就修正，不要把錯誤當成「AI 風格」。

口訣可以記成：先規劃、再執行；有錯修正，反覆驗證。 這不是讓 AI 無限鬼打牆，而是讓每一輪都有清楚的檢查點。而且現在的模型通常已經具備思考、執行、找錯與修正的循環能力了

🧼 Uncle Bob 的震撼發言：他居然不看 Agent 寫的程式碼？
接下來要提到一位寫程式資歷比筆者年紀還大的傳奇人物——Uncle Bob，也就是 Robert C. Martin。熟悉 Clean Code 的朋友應該不陌生，他寫過不少影響軟體工程師的書， 如果你想把寫程式這條路走得更長，Clean Code 確實值得拿來翻一下。 只是不要只買來供在書架上，書架不會幫你 Refactor 啊~

Uncle Bob 提出：自己不直接閱讀 Agent 產生的所有程式碼
幾個月前，Uncle Bob 在 X 上提到，他現在的策略是不閱讀 Agent 寫出的每一行程式碼。 這句話一出來，社群當然炸鍋，支持與反對兩邊馬上開戰，彷彿工程師最熟悉的 code review 宗教戰爭又重新開服了。

但筆者覺得，這句話不能直接理解成「從此不用看程式碼，也不用測試」。 真正的重點是：他用非常嚴格的限制、測試與品質流程，把 Agent 圍起來， 讓程式碼必須通過一層又一層的驗證。

極端限制與多層驗證，才是這個方法能成立的關鍵
🛡️ 不看每一行程式碼，靠什麼建立信任？

Unit tests：驗證程式行為是否正確。
Gherkin tests：用具體情境驗證需求，接近 Specification by Example。
QA procedures：透過流程確保品質，而不是只看一次執行結果。
Quality metrics：用可量化指標追蹤品質。
Mutation testing：故意破壞程式，確認測試真的抓得到問題。
Test coverage：確認測試範圍沒有大洞。

這裡筆者要強調一下：不是「不看 Code」很厲害，而是「有能力不看 Code」很厲害。 前提是你的 Harness 夠完整、測試夠嚴格、驗證夠可靠。否則只是把眼睛閉起來， 然後祈禱 production 不會爆而已，這種工程方法通常叫作勇敢，台灣俗稱3好+1好=死好 😅

更多心得分享，請參考完整版影片囉

📌 本日結論
這一段最重要的結論是：Harness 與 Loop 不是兩個漂亮的新名詞，而是把工程實務重新套到 AI Agent 身上。Prompt 負責講清楚，Context 負責補足資料，Harness 負責規範行為， Loop 負責持續修正，最後再用測試與品質流程把關成果。

Agent 要跑得快，規則就要畫得好；測試做得足，晚上才睡得著啊!!!
筆者不會說從此可以完全不看程式碼，因為不同專案、不同風險等級，做法一定不一樣。 但如果我們能把規則、工具、限制、測試與驗證流程設計好，確實可以把時間從 「逐行檢查 AI 到底在寫什麼」移到「設計更可靠的工程系統」。

Prompt 講得清，Context 補得齊，Harness 管得住，Loop 修得好