AI 工程与自动化

从 Harness Engineering 到两层界面原则——操作走对话，界面退居观景

Harness Engineering

多模型编排与工程化 AI 系统

AI Agent 开发

自主感知、决策与行动的智能系统

Prompt Engineering

设计输入以获得可靠输出的技艺

AI 驱动的自动化

将 AI 接入真实工作流

说话就是操作

两层界面原则：对话层承载操作，界面退居观景，文档治理 AI

Harness Engineering

多模型编排与工程化 AI 系统

  • 多模型编排：根据各模型的能力特长，将子任务路由到最合适的模型。
  • 上下文管理：在模型切换时分段和总结上下文，维护长时间对话的连贯性。
  • 降级与重试：在 AI 工作流中内置容错机制，单个模型失败不会导致整个流程中断。
  • 性能监控：追踪各模型的 Token 消耗、延迟和输出质量，优化成本与速度。

AI Agent 开发

自主感知、决策与行动的智能系统

  • 浏览器自动化 Agent：从 Selenium 迁移到 Playwright，展示 Agent 如何导航复杂网页界面。
  • 自定义 Agent 流水线：构建结合 LLM 推理与 API 调用、文件 I/O、结构化数据处理的 Agent。
  • 工具调用模式：设计 Agent 在决策过程中调用外部工具的能力。

Prompt Engineering

设计输入以获得可靠输出的技艺

  • 结构化提示：使用系统提示词、角色定义和输出格式约束来规范模型行为。
  • 思维链推理：将复杂任务分解为逐步推理链，提高准确性和可解释性。
  • 少样本与零样本模式：选择合适的范例或编写精确指令，在不浪费 Token 的情况下获得最佳结果。
  • 迭代优化：系统化测试提示词变体、衡量输出质量、收敛到最佳表述。

AI 驱动的自动化

将 AI 接入真实工作流

  • 工作流集成：通过 API 和 Webhook 将 AI 流水线连接到邮件、日历、CRM 等日常工具。
  • 数据处理流水线：使用 AI 从非结构化来源中提取、转换和分析数据。
  • 人在回路模式：设计自动化知道何时需要人工审批的机制。

操作走对话，界面退居观景

两层界面原则：AI 时代的软件交互架构

  • 对话层承载操作：增删改查、流程触发、异常处置全部走自然语言与 Skill，AI 够得着每一个操作。
  • 观景层只读：图形界面为"不参与操作的人"存在——确认状态、验收结果、对外演示，不开发写操作。
  • 文档层治理 AI：规则、目标、账本、日志以文档为唯一真源，AI 逐字执行，文档成为面向 AI 的第三个界面。
  • 本地优先：真理源恒为本地文件，交互产出纳入可备份管道，客户端只持有副本与视图。

工程能力需要商业场景才有价值

探索投资框架 →