Prompt 权重从 ~90% 降到 <30%
本条目是「认知升级：四层模型」的第 5 部分，对应学习清单条目 1.2.1。
前置依赖：四层模型整体认知
为以下铺垫：后续所有方法论学习
一、核心观点
Prompt 权重从约 90% 降到 <30%：剩下 70% 是 Context + Harness + Loop。
这是本系列的中央论点——不是否定 Prompt，而是重新分配注意力。
二、为什么是 90% → 30%
| 时代 | Prompt 权重 | 其他权重 | 原因 |
|---|---|---|---|
| 2022–2024 | ~90% | ~10% | 只有 Prompt Engineering，没有其他层 |
| 2025 | ~50% | ~50% | Context Engineering 兴起 |
| 2026 初 | ~30% | ~70% | Harness + Loop 加入 |
「权重」指三层含义：重要性、工作量、对最终效果的贡献。
三、含义
3.1 Prompt 仍重要，但不再是「全部」
-
每次 LLM 调用仍需要好的 Prompt
-
单靠 Prompt 无法解决系统性问题（信息缺失、环境限制、自动化）
-
定位：
Prompt 是 Context 的子集
3.2 高杠杆在 Context / Harness / Loop
| 层 | 解决的问题 | 杠杆效应 |
|---|---|---|
| Context | 模型看到什么 | 信息缺失 → 回答不准确 |
| Harness | 在什么环境跑 | 无法生产部署 |
| Loop | 谁去 prompt Agent | 无法自动化 |
四、类比
| 角色 | 关注点 | 类比 |
|---|---|---|
| 厨师 | 怎么炒菜 | Prompt Engineering |
| 餐厅经营者 | 菜单 + 采购 + 厨房 + 供应链 | Context + Harness + Loop |
厨师手艺仍重要，但餐厅成败取决于整个系统。
| 角色 | 关注点 | 类比 |
|---|---|---|
| 程序员 | 怎么写代码 | Prompt Engineering |
| 架构师 | 系统设计 + 模块 + 部署运维 | Context + Harness + Loop |
五、实践中的应用
5.1 不要「只写 Prompt」
-
❌ 花 80% 时间优化 Prompt，忽略 Context / Harness / Loop
-
✅ 约 30% 写 Prompt + 30% 设计 Context + 20% 搭 Harness + 20% 设计 Loop
5.2 项目中的体现
ai-resume-analyzer 项目：
-
Prompt：简历分析指令设计
-
Context：RAG 检索 + 混合搜索 + Rerank
-
Harness：MCP + 限流 + JWT
-
Loop：LangGraph + Reflexion
cr-agent 项目：
-
Prompt：代码审查指令设计
-
Context：代码库 + 评审规则
-
Harness：Git 操作 + 工具调用
-
Loop：多 Agent 协作 + 质量检查
六、支撑该论点的行业数据（2024–2026）
-
Gartner（2026-05）：40% 企业应用将在 2026 年底内置任务型 AI Agent（年初 <5%）；AI Agent 软件支出 2026 年预计 $206.5B，2027 年 $376.3B（+82%）。
-
Stanford HAI（2026-04）：已部署 AI 企业在软件开发获 26% 生产率提升、客服 14–15%、营销产出 +73%——这些收益来自系统化而非单点 Prompt。
-
生产落差警示：turion.ai（2026）称 88% 的 AI Agent 未能进入生产；进入生产的 12% 平均 ROI 171%。说明「会写 Prompt」离「能交付」差距巨大，必须靠 Harness/Loop 补完。
七、学习资源
-
Anthropic《Effective context engineering for AI agents》(2025-09)
-
Gartner AI Agent 市场预测 (2026-05)
-
Stanford HAI AI Index (2026-04)
-
进阶：设计 Agent 思考框架 · 四层嵌套关系
参考来源（一手链接 · 可溯源深挖）
-
Gartner (2026-05) AI Agent 支出 376.3B、40% 企业应用内置 Agent：AI Agents Statistics 2026（汇总 Gartner 原始发布）
-
Stanford HAI (2026-04) AI Index：软件 +26%、客服 14–15%、营销 +73%：Stanford HAI AI Index 2026
-
turion.ai (2026) 88% Agent 未进生产、12% ROI 171%——原始发布待核实（未检索到一手来源，建议谨慎引用）
-
Anthropic (2025-09)《Effective context engineering for AI agents》：anthropic.com/engineering/effective-context-engineering-for-ai-agents
速记卡（面试闪卡）
Q1：一句话讲清「Prompt 权重从 ~90% 降到 <30%」到底是什么？
A：Prompt 权重从约 90% 降到 <30%，剩下交给 Context+Harness+Loop——不是否定 Prompt，是重新分配注意力。
Q2：为什么 90% → 30% —— 怎么理解？
A：2022–24 只有 Prompt Engineering，权重 ~90%；2025 Context Engineering 兴起降到 ~50%；2026 初 Harness+Loop 加入降到 ~30%。“权重”指重要性、工作量、对效果的贡献三重含义（weight shift over time）。
Q3：Prompt 仍是子集，但非全部 —— 怎么理解？
A：每次 LLM 调用仍要好 Prompt，但单靠它解决不了信息缺失、环境限制、自动化等系统问题。定位上 Prompt 是 Context 的子集。好比厨师手艺仍重要，但餐厅成败看整个系统（Prompt ⊂ Context）。
Q4：高杠杆在 Context/Harness/Loop —— 怎么理解？
A：Context 管”模型看到什么”（信息缺失→答不准），Harness 管”在什么环境跑”（无法生产部署），Loop 管”谁去 prompt Agent”（无法自动化）。三层才是 70% 杠杆所在（context/harness/loop leverage）。
Q5：实践分配 + 项目体现 —— 怎么理解？
A：别只写 Prompt——约 30% 写 Prompt + 30% 设计 Context + 20% 搭 Harness + 20% 设计 Loop。项目里 ai-resume 用 RAG+Context、MCP+Harness、LangGraph+Reflexion+Loop 印证（allocation, project mapping）。
Q6：核心速记主线有哪些？
-
论点：Prompt 权重 90%→<30%，余下归 Context+Harness+Loop
-
Prompt 是 Context 子集，单靠它解不了系统问题
-
三层杠杆：Context(看什么)/Harness(在哪跑)/Loop(谁驱动)
-
实践配比 ~3:3:2:2；项目以 RAG+MCP+LangGraph 印证
口诀
A：Prompt 权重逐季降，
九成落到三成旁；
三层接力补短板，
系统取胜不单枪。
相关链接
-
系列清单：Agent 方法论与产品思维学习路线图
-
上一层级：认知升级：四层模型 · 索引