AI 工程与自动化

从 Harness Engineering 到 AI Agent——构建能够思考、行动、迭代的系统

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

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。

工程能力需要商业场景才有价值

探索投资框架 →