還在學 prompt？AI 工程方法已爬到第四級

2023 年 3 月，Anthropic 一則職缺被 Fortune 等媒體瘋傳：徵「Prompt Engineer and Librarian」，年薪最高 33.5 萬美元，工作內容是研究怎麼問 AI 問題。那一年，全世界都在學怎麼寫 prompt。

三年後，2026 年 6 月上旬，Claude Code 創作者 Boris Cherny 在一場活動的舞台上說：「我已經不 prompt Claude 了。我跑著一堆迴圈，它們自己 prompt Claude、自己決定下一步。我的工作是寫迴圈。」

2026 年 6 月 7 日，OpenClaw 作者 Peter Steinberger 在 X 上補一句：「每月提醒：你不應該再自己 prompt coding agent 了。你應該設計會 prompt 你的 agent 的迴圈。」這則貼文幾天內累積數百萬次瀏覽。

從「33.5 萬美元年薪學怎麼問」到「別再自己問了」，中間隔了三年、四個名詞：prompt engineering、context engineering、harness engineering、loop engineering。差不多每半年冒一個，很多人的反應是：又來了，上一個還沒學完。

這一條要回答的就是這個焦慮。看懂這四個詞其實是同一條階梯的四階，你就不用追名詞了。

從 prompt engineering 到 loop engineering，是 2023 至 2026 年 AI 工程方法的四級階梯。第一級管你怎麼下指令，第二級管模型看到什麼資訊，第三級管 agent 在什麼環境裡工作，第四級管由誰來 prompt agent——答案是一個自動運轉的迴圈。每升一級，人就往上退一層，從寫指令的人變成設計系統的人。四層是疊加關係，沒有任何一層被淘汰。

三年四個詞，時間軸長這樣

第一級：prompt engineering（2023）——你怎麼問

ChatGPT 帶起第一波。那時的 AI 是一問一答的工具，成敗幾乎全看你把問題問得多清楚：任務是什麼、限制在哪、給幾個範例、輸出要長什麼格式。把口頭需求寫成模型能穩定執行的規格，就是這一級的全部。Anthropic 那則職缺說得直白：這個領域存在不到兩年，「這個職位有點難招」。

第二級：context engineering（2025 年 6 月）——模型看到什麼

2025 年 6 月 18 日，Shopify 執行長 Tobi Lütke 在 X 上寫：比起 prompt engineering，他更喜歡 context engineering 這個詞，因為它描述的核心技能是「提供所有讓任務有可能被 LLM 解決的上下文」的藝術。一週後的 6 月 25 日，Andrej Karpathy 公開 +1：在每一個工業級 LLM 應用裡，context engineering 是「往 context window 填進剛剛好資訊」的精緻藝術與科學。

時間點有原因。2025 年 agent 開始連工具、讀整個 repo、帶記憶，決定成敗的常常已經是模型「看到了什麼」——哪些檔案、哪些文件、哪些歷史對話——而單次指令寫得再漂亮也救不了缺資訊的模型。

第三級：harness engineering（2026 年 2 月）——agent 在什麼環境工作

2026 年 2 月 5 日，HashiCorp 共同創辦人 Mitchell Hashimoto 發表〈My AI Adoption Journey〉，描述他用 agent 的一條紀律：每次 agent 犯錯，就花時間把修正工程化進環境——寫進 AGENTS.md、做成腳本、加進測試——讓那個錯「結構上不可能再犯」。

六天後的 2 月 11 日，OpenAI 的 Ryan Lopopolo 發表〈Harness engineering〉一文，公開一個實驗：五個月、約一百萬行程式碼的內部產品，零行人手寫，全部由 Codex 產出。人做的事是打造 agent 工作的「輓具」（harness）——工具、權限、規範文件、回饋迴路。工程圈把這個階段濃縮成一條公式：agent = model + harness，模型決定上限，harness 決定實際表現。

第四級：loop engineering（2026 年 6 月）——由誰來 prompt agent

Cherny 的舞台發言被引述傳開、Steinberger 的貼文引爆討論之後，Addy Osmani 把這波整理成長文〈Loop Engineering〉（O’Reilly Radar 也刊出同題文章）：你建一個小系統，它自己找工作、派工作、驗收結果、記錄進度、決定下一件事——由這個系統去 prompt agent，人退出逐次對話，只處理例外。

四級擺在一起看：

層級	管什麼	代表實踐	出現時間	代表人物
prompt engineering	你怎麼問	清楚指令、few-shot 範例、輸出格式	2023 年爆紅	Anthropic 職缺帶起話題
context engineering	模型看到什麼	檢索、記憶、AGENTS.md、context window 管理	2025 年 6 月	Tobi Lütke、Andrej Karpathy
harness engineering	agent 在什麼環境工作	工具、權限、測試迴路、自動檢查	2026 年 2 月	Mitchell Hashimoto、Ryan Lopopolo
loop engineering	由誰來 prompt agent	排程迴圈、工作佇列、自動驗收	2026 年 6 月	Boris Cherny、Peter Steinberger、Addy Osmani

每一級，都是人往上退一層

把這四級想成帶新人的四個階段，會突然變得很好懂。

新人第一天，你站在旁邊逐句教——「先開這個檔案，然後改這一行」。這是 prompt engineering：每一步都要你講清楚。

過幾週，你改成把對的文件放到他桌上——onboarding 手冊、程式碼地圖、過去的設計決策。他自己讀、自己動手，你只在關鍵處提點。這是 context engineering：你管的是他看到什麼。

再過幾個月，你開始建制度——權限開好、危險操作有持續整合（CI）擋著、測試自動跑、犯過的錯寫成檢查規則讓下一個人犯不了。這是 harness engineering：你管的是環境會不會接住他。

最後，團隊自轉——例會節奏、工作看板、驗收標準都定好了，工作自己流動，你只看例外。這是 loop engineering：你設計的是迴圈本身。

每退一層，你直接動手的事變少，單位時間推動的工作量放大。Cherny 那句「我的工作是寫迴圈」聽起來像偷懶，實際上是槓桿點的位置移了：從寫一則好 prompt，變成設計一個會自己產生好 prompt 的系統。每半年冒一個新詞，講的是同一件事：AI 多接一層，人就往上退一層。

四級怎麼練，這週就能開始

1. 練第一級：挑一個你每週都做的任務，把口頭需求寫成規格——目標、限制、範例輸出、驗收標準各一段。同一份 prompt 讓模型跑十次，看結果穩不穩；不穩的地方就是規格漏掉的地方。
2. 練第二級：在專案根目錄寫一份 AGENTS.md 或 CLAUDE.md，內容是「新人第一天需要知道的事」——架構地圖、慣例、地雷。之後每次 agent 出錯，先問一句：它是不會，還是沒看到？缺資訊就補文件，別急著改 prompt。
3. 練第三級：採用 Hashimoto 的紀律——agent 每犯同一種錯第二次，就別再用嘴巴糾正，寫一條 lint 規則、一個測試或一個腳本，讓它結構上犯不了。累積三個月，你會有一套 agent 專屬的護欄。
4. 練第四級：挑一件低風險、可自動驗收的重複工作——例如每天掃一次 CI 失敗、定期更新依賴——寫一個排程腳本自動叫 agent 處理、自動跑測試驗收，只有失敗才通知你。跑順了再擴大範圍。

誠實邊界：階梯是敘事，四層是疊加

「四級階梯」是 2026 年多篇文章採用的敘事框架（Addy Osmani 的長文就是這樣鋪陳的），好記，但有兩件事要說清楚。

第一，沒有一級取代前一級。迴圈裡跑的每一次 agent 呼叫，仍然吃 prompt 品質、context 品質、harness 品質——下層爛，上層放大的是錯誤而已。Lopopolo 那個百萬行實驗成立的前提是 harness 夠硬；Cherny 敢讓迴圈自轉，前提是驗收機制可靠。每一級的核心技能沒有消失，它們變成了下一級的地基。

第二，你不一定需要爬到第四級。Loop engineering 到 2026 年年中最成熟的場景是 coding agent，因為任務可以機器驗收——測試過了就是過了。驗收標準模糊的工作（文案、設計判斷、策略），自動驗收會放水，這一塊還沒有好答案。一週只用幾次 AI 的人，把第一、二級練穩，收益就已經很大。

收尾：該學哪個

回到開頭的問題。順序由下往上，起點由你卡住的位置決定。判斷準則一句話：agent 表現不好時，先分辨是指令不清（第一級）、缺資訊（第二級）、環境沒接住（第三級），還是你本人成了瓶頸（第四級）——答案在哪一級，就補哪一級。

而下一個新詞出現時（大概 2026 年年底吧），先別急著焦慮，套一下這個框架：它讓人又往上退了一層嗎？退到哪裡？能回答這兩題，你就已經在階梯上，而且知道自己站在哪一階。

資料來源：Tobi Lütke X 貼文、Andrej Karpathy X 貼文、Mitchell Hashimoto 部落格、OpenAI、Addy Osmani 部落格、Peter Steinberger X 貼文、Fortune

矽基前沿 · 大百科線（編輯：廖玄同），《還在學 prompt？AI 工程方法已爬到第四級》，矽基前沿 [Si]gnals，2026-07-05。https://signals.tw/articles/prompt-to-loop-engineering-ladder/