Harness Engineering：讓 Agent 系統自動變好

問題不在 Agent，在 Harness

大多數人遇到 Agent 成果不理想，第一個反應是：

「模型不夠強。」「Prompt 寫得不夠好。」

這個診斷，在 2026 年已經過時了。

研究發現，65% 的企業 AI Agent 部署失敗，根本原因不是模型不夠強——

而是 Harness 出了問題。

三種最常見的 Harness 失敗：

Context Drift（上下文漂移）
→ Agent 在長對話中「忘記」原本的目標，跑偏了

Schema Misalignment（架構不對齊）
→ Agent 不知道可以用哪些工具、規則是什麼，亂猜

State Degradation（狀態退化）
→ Agent 跑到一半，上一步的成果沒被正確傳遞到下一步

問題不在 Agent，在 Harness。

---

AI 應用工程的三代演進

到 2026 年，讓 AI 做出好成果，已經走過三個世代：

第一代：Prompt Engineering（2022–2024） → 重點：你說什麼、怎麼說 → 限制：優化了這次，下次新對話又回原點

第二代：Context Engineering（2025） → 重點：你給 AI 知道什麼 → IDOL Wiki、品牌語氣文件——這些都是 Context Engineering

第三代：Harness Engineering（2026 當下） → 重點：你設計什麼樣的系統，讓 Agent 持續輸出好成果 → 不只是這次好，而是整個系統越跑越好

---

Harness Engineering 的核心原則

Mitchell Hashimoto 黃金法則：

設計 Harness，讓 Agent 永遠不重複同樣的錯誤。

這句話的意義：當 Agent 犯了一個錯，你不只是修正這次的輸出，你要改善系統，讓它下次不會再犯同樣的錯。

Agent 輸出語氣不像你？
→ 不是這次手動改語氣
→ 是把你的語氣範例加進 IDOL Wiki（語氣範例頁）

Agent 生成的 SEO 文章沒有 CTA？
→ 不是這次補 CTA
→ 是在工作流的 harness 加上「CTA 合規」驗證步驟

Agent 的 Landing Page 故事不夠真實？
→ 不是這次手動改故事
→ 是把更多真實案例加進 IDOL Wiki（故事庫）

改一次系統，受益所有未來的輸出。這就是 Harness Engineering 的複利效果。

---