Harness 核心
模型周围的 Harness
理解上下文、Prompt、工具、检索、输出格式和安全检查如何把模型变成一个能工作的系统。把 Harness 当成产品架构，而不是 Prompt 技巧的集合。
Harness 核心61篇札记
本页解决的问题
先给结论「模型周围的 Harness」AI 学习路径适合解决什么问题？
理解上下文、Prompt、工具、检索、输出格式和安全检查如何把模型变成一个能工作的系统。把 Harness 当成产品架构，而不是 Prompt 技巧的集合。 路线包含 61 篇免费札记，每篇聚焦一个可以独立搜索、理解和验证的问题。
判断标准
核心主题包括：上下文工程、Prompt 工程、Prompt 安全、Agent 工程。
下一步
从「上下文窗口：AI 的工作记忆」开始，再按当前任务选择下一篇。
常见误区
不要为了完成目录而跳过实践；能用自己的例子解释一个取舍，比读完更多标题更重要。
这条路径会练什么
从第一篇打开
每个章节都围绕一类真实决策展开。可以顺着走，也可以从正在处理的工作切入。
01上下文窗口：AI 的工作记忆窗口构成可视化，拖动模拟溢出效果，主流模型容量对比↗02上下文溢出：三种处理策略直接截断 / 摘要压缩 / 选择性保留，可视化对比每种策略的利弊↗03为什么大模型选择 Markdown纯文本模型 + 排版需求 = MD 成为首选，逐步推演 HTML/Word/LaTeX 为何不行↗04Markdown 语法与渲染 Pipeline常用语法速查 + 实时编辑器 + marked.js / markdown-it 渲染方案↗05你说什么，它就变什么五种角色实时切换，输出格式控制，System Prompt 核心原理↗06Prompt 进阶技巧Few-Shot / CoT / 约束条件 / 任务拆解，好坏对比交互演示↗07输出格式取舍纯文本 / JSON / Markdown / YAML / XML，场景适配度对比与权衡↗08流式返回与格式配合JSON 全文才能解析 / MD 逐字显示 / XML 捕获标签即渲染，动态演示↗09Prompt Injection：为什么会被攻击SQL 注入类比 → Message List 本质 → 缺乏参数化 → 5 大攻击类型概览↗10Prompt Injection：12 个攻击案例越权指令 / 角色扮演 / Few-Shot / 结构注入 / 隐喻伪装，中招版 vs 防御版↗11Prompt 防御：三层拦截实战输入层正则 → 提示词层约束 → 输出层泄漏检测 → 二次审核，可模拟攻击全链路↗12AI 安全红线：四条底线不能做的事、做了会怎样，产品经理必须守住的四类安全边界↗13风险分级与责任：谁来管、怎么管AI 输出的风险分级模型，各角色的责任分工与治理框架↗14Agent：能干活的 AI四大能力 Plan / Tool / Memory / Act，点击查看真实案例↗15工具调用的秘密模型输出 JSON → 框架解析执行 → 结果注回，四步流程可视化↗16一次对话背后的 5 条消息拆解 Function Calling 真实链路：用户看到 1 条回复，背后是 5 条 API 消息↗17工具描述的学问同样功能，好描述 vs 坏描述成功率差 3 倍，对比实验↗18多工具编排：并发 vs 串行isConcurrencySafe 决定工具能否并行，调度策略可视化↗19MCP 协议：工具的 USB 接口stdio / SSE / Streamable HTTP 三种传输方式对比，数据流动画↗20ReAct 实战：查询天气完整链路Thought / Action / Observation 逐步演示，7 步完整 Agent 链路↗21短期记忆 = 上下文窗口消息列表可视化，每条消息的 Token 占用和角色标记↗22上下文压缩：四层防线60% 裁剪 → 75% 微压缩 → 85% 折叠 → 95% 紧急，拖动滑块看压缩过程↗23长期记忆：向量检索Embedding → 向量数据库 → 语义搜索，topK 与 minScore 的设计决策↗24从 Embedding 到 Milvus语义相似度、ANN 与向量数据库的职责边界↗25Milvus 心智模型Collection、Schema、Entity、Index、Search、Query 与 Load↗26Milvus 实操连接、建表、批量写入、索引、搜索、查询和删除↗27从检索到 RAG切分、过滤、混合检索、RRF、重排与评测↗28ReAct 循环：思考→行动→观察一个删除 console.log 的任务经历 14 轮循环，含自我纠错↗29Agent 卡死的 5 种模式参数格式错误、幻觉工具、无限递归、信息不足、API 异常↗30权限与安全5 种权限模式 + LLM 风险分级 + Human-in-the-loop 设计↗31Skill：让 Agent 少走弯路Skill = 流程说明 + 工具调用指引，用「阳台收衣服」类比好循环 vs 差循环↗32Skill 的本质好循环 vs 差循环升级版，Skill 如何改变 Agent 执行路径↗33脚手架工程：从试验品到产品模拟 Agent 查机票订酒店，无脚手架 vs 有脚手架完整对比，5 大能力详解↗345 道工程护栏迭代上限、输出截断、超时控制、中断恢复、上下文急救↗35多 Agent 协作子 Agent 调度、Worker Thread、并行 vs 串行执行策略↗36可观测性事件流可视化、Token 追踪、OpenTelemetry 集成↗37Agent 工程全景图从四大能力到工程落地，一页看清 Agent 的完整知识地图↗38多轮对话为什么越来越贵Token 累积成本可视化，拖动轮次查看费用如何指数增长↗39KV Cache：用空间换时间（和钱）类比理解 + 节省效果计算器，拖动轮次查看节省比例↗40显式缓存：实战对比cache_control 写法、缓存命中判断、价格折扣对比，真实省钱效果演示↗41动态时间戳：最贵的 System Prompt错误设计 vs 正确设计，三种时间处理方案对比切换↗42综合成本优化：从系统角度省钱5 层优化策略，成本构成可视化，节省 70-90% 的系统设计↗43图片 Token：像素也在烧钱图片计费公式、缩放机制、分辨率陷阱、按任务分级策略↗44按任务匹配分辨率高/中/低三档分辨率策略，不同场景的 Token 消耗对比与选型建议↗45语法层优化：写给机器的提示词YAML vs JSON、CSV vs 数组、压缩 JSON 输出，格式性 Token 省 10-30%↗46语义层优化：不要把上下文当垃圾桶动态 Few-Shot、LLMLingua-2 压缩、关键信息放首尾，提升信息密度↗47输出层 + KV Cache 进阶负向约束、Diff 润色、停止序列；KV Cache 的工具陷阱与滑动窗口问题↗48模型选型：能力 vs 成本主流模型能力/成本矩阵、选型决策树、不同场景的模型匹配策略↗49大道至简：坚守第一性原理AI Harness 的本质 / 做 vs 不做的取舍 / 会被时代淘汰的 Harness / 终极问题↗50人机知识边界：四象限策略什么交给 AI、什么自己来，用四象限快速判断任务分配↗51好提问 vs 坏提问上下文决定输出质量，同一个问题好坏对比演示↗52AI 说的能信吗？找出幻觉三种快速验证方法，识别 AI 自信说错的场景↗53迭代的艺术：知道何时收手从粗到精的迭代节奏，以及何时该停止追问 AI↗54场景速查：什么时候放心用高可信 / 需验证 / 慎用 / 不用，AI 适用场景四分类↗55汇总（上）· Prompt 工程 + Agent上下文溢出策略 / Prompt 六要素 / 工具调用真相 / Skill + 脚手架↗56汇总（下）· 成本优化 + PM 视角五层成本体系 / KV Cache 原理 / 图片 Token / 课程完整能力清单↗57课程总结 · 产品经理的第一节 AI 课从大模型原理到工程落地，完整课程一页回顾↗58总结（上）· 原理 + Harness大模型认知框架 / 幻觉应对 / Prompt 与 Agent 核心要点↗59总结（下）· 实战 + 成本安全防御 / 成本优化 / 用 AI 的正确姿势 / 下一步学习路径↗60让它连跑五次都能用同一输入五连跑演示；三档任务：写第一版提示词、给不稳定归类、加示例与违禁项重跑对比↗61AI Harness · 30 道灵魂拷问每题附考察意图、答题框架与加分点：上下文溢出 / Prompt 工程 / 注入防御 / 工具调用 / 成本账单 / KV Cache / 输出格式↗