> ## Documentation Index > Fetch the complete documentation index at: https://docs.dropcv.work/llms.txt > Use this file to discover all available pages before exploring further. # 什么是 Harness Engineering > 了解 AI 圈最火的新概念——驾驭工程，怎么让 AI Agent 按你的意图工作。 最近 AI 圈有一个很火的概念：Harness Engineering（驾驭工程）。它解决的问题是：**AI Agent 很强大，但怎么让它按你的意图稳定地工作？** ## Harness Engineering 是什么 **Harness Engineering = 驾驭 AI Agent 的工程方法论。** 大模型很聪明，但它有几个问题： * 同样的输入，可能给出不同的输出 * 执行复杂任务时容易跑偏 * 工具调用顺序可能出错 * 遇到边界情况会"幻觉" Harness Engineering 就是解决这些问题的系统方法——怎么给 Agent 设定上下文、管理工具调用、控制执行流程、保证输出质量。 ## 为什么需要 Harness Engineering 打个比方： | | 没有 Harness | 有 Harness | | -- | ----------------- | ------------------ | | 类比 | 给一个聪明但没经验的实习生布置任务 | 给一个有 SOP 的熟练员工布置任务 | | 结果 | 可能做对，也可能做偏 | 稳定按预期执行 | | 质量 | 每次不一样 | 每次都一致 | | 效率 | 经常需要返工 | 一次到位 | ## Harness Engineering 的核心要素 ```mermaid theme={null} flowchart TB A[Harness Engineering] --> B[上下文管理] A --> C[工具编排] A --> D[执行控制] A --> E[质量保证] B --> B1[系统提示词设计] B --> B2[对话历史管理] B --> B3[动态上下文注入] C --> C1[工具调用顺序] C --> C2[参数校验] C --> C3[错误处理] D --> D1[执行流程控制] D --> D2[超时和重试] D --> D3[人工审核节点] E --> E1[输出格式校验] E --> E2[事实核查] E --> E3[一致性检查] style A fill:#10b981,color:#fff ``` ### 1. 上下文管理 AI Agent 的表现很大程度上取决于你给它的上下文： * **系统提示词**：告诉 Agent 它是谁、该做什么、不该做什么 * **对话历史**：管理 Agent 记住了什么、忘记了什么 * **动态注入**：在执行过程中实时补充信息（比如从人才库查到的数据） **猎头场景举例：** ``` 系统提示词： 你是一个资深猎头顾问，擅长候选人评估和推荐。 你的工作原则： - 推荐语必须有具体数据支撑，不能泛泛而谈 - 匹配分析要从技能、经验、行业三个维度展开 - 不确定的信息要标注"待确认" - 保护候选人隐私，不要在输出中包含手机号 ``` ### 2. 工具编排 Agent 需要调用多个工具完成任务，Harness Engineering 负责管理： * **调用顺序**：先搜索 → 再分析 → 最后生成报告 * **参数校验**：确保传给工具的参数是正确的 * **错误处理**：工具调用失败时怎么回退或重试 **猎头场景举例：** ``` 任务：为 JD#23 匹配候选人并生成报告 Harness 编排的执行流程： 1. 调用 JD 解析工具 → 提取关键要求 2. 调用候选人搜索工具 → 找到匹配的候选人 3. 对每个候选人调用详情工具 → 获取完整档案 4. 调用对比工具 → 分析优劣势 5. 调用报告生成工具 → 输出匹配报告 6. 校验报告格式 → 确保完整 ``` ### 3. 执行控制 Agent 执行过程中可能出现各种问题，需要控制： * **超时控制**：任务执行太久自动停止 * **重试机制**：工具调用失败自动重试 * **人工审核**：关键节点让人确认再继续 ### 4. 质量保证 Agent 的输出需要校验： * **格式校验**：输出是否符合预期格式 * **事实核查**：数据是否准确 * **一致性检查**：前后是否矛盾 ## DropCV 怎么用 Harness Engineering DropCV 内置了 Harness Engineering 的实践： | 要素 | DropCV 的实现 | | ----- | ------------------------ | | 上下文管理 | Prompt Builder 自动构建系统提示词 | | 工具编排 | Tool Catalog 管理工具调用顺序 | | 执行控制 | Guardrails 控制超时、轮次、Token | | 质量保证 | 输出格式校验、版本化存储 | 你不需要自己实现这些——DropCV 已经帮你做好了。你只需要在 AI 工具里配置好 MCP，Agent 就能稳定地执行任务。 ## 你需要学 Harness Engineering 吗 | 你的情况 | 需要吗 | | ----------- | --------------- | | 猎头/HR 用户 | 不需要，用 DropCV 就行 | | 想自己搭建 AI 应用 | 建议了解 | | AI 工程师/开发者 | 必须掌握 | ## 下一步 了解能自主完成任务的 AI。 了解 AI 的工具系统。