AI 工程與自動化

從 Harness Engineering 到兩層界面原則——操作走對話，界面退居觀景

Harness Engineering

多模型編排與工程化 AI 系統

AI Agent 開發

自主感知、決策與行動的智能系統

Prompt Engineering

設計輸入以獲得可靠輸出的技藝

AI 驅動的自動化

將 AI 接入真實工作流

説話就是操作

兩層界面原則：對話層承載操作，界面退居觀景，文檔治理 AI

Harness Engineering

多模型編排與工程化 AI 系統

  • 多模型編排：根據各模型的能力特長，將子任務路由到最合適的模型。
  • 上下文管理：在模型切換時分段和總結上下文，維護長時間對話的連貫性。
  • 降級與重試：在 AI 工作流中內置容錯機制，單個模型失敗不會導致整個流程中斷。
  • 性能監控：追蹤各模型的 Token 消耗、延遲和輸出質量，優化成本與速度。

AI Agent 開發

自主感知、決策與行動的智能系統

  • 瀏覽器自動化 Agent：從 Selenium 遷移到 Playwright，展示 Agent 如何導航複雜網頁界面。
  • 自定義 Agent 流水線：構建結合 LLM 推理與 API 調用、文件 I/O、結構化數據處理的 Agent。
  • 工具調用模式：設計 Agent 在決策過程中調用外部工具的能力。

Prompt Engineering

設計輸入以獲得可靠輸出的技藝

  • 結構化提示：使用系統提示詞、角色定義和輸出格式約束來規範模型行為。
  • 思維鏈推理：將複雜任務分解為逐步推理鏈，提高準確性和可解釋性。
  • 少樣本與零樣本模式：選擇合適的範例或編寫精確指令，在不浪費 Token 的情況下獲得最佳結果。
  • 迭代優化：系統化測試提示詞變體、衡量輸出質量、收斂到最佳表述。

AI 驅動的自動化

將 AI 接入真實工作流

  • 工作流集成：通過 API 和 Webhook 將 AI 流水線連接到郵件、日曆、CRM 等日常工具。
  • 數據處理流水線：使用 AI 從非結構化來源中提取、轉換和分析數據。
  • 人在迴路模式：設計自動化知道何時需要人工審批的機制。

操作走對話，界面退居觀景

兩層界面原則：AI 時代的軟件交互架構

  • 對話層承載操作：增刪改查、流程觸發、異常處置全部走自然語言與 Skill，AI 夠得着每一個操作。
  • 觀景層只讀：圖形界面為"不參與操作的人"存在——確認狀態、驗收結果、對外演示，不開發寫操作。
  • 文檔層治理 AI：規則、目標、賬本、日誌以文檔為唯一真源，AI 逐字執行，文檔成為面向 AI 的第三個界面。
  • 本地優先：真理源恆為本地文件，交互產出納入可備份管道，客戶端只持有副本與視圖。

工程能力需要商業場景才有價值

探索投資框架 →