任你选择
课程背景
研发团队对 Agent 开发理解薄弱，常⻅做法是将开发文档直接丢进提示词让 AI 自行生成，导致边界模糊、输出不稳定、无法调试迭代。
本课程以 Prompt Engineering → Context Engineering → Harness Engineering 三层工程模型为核心框架，结合 Agent 设计模式，帮助团队建正确的设计思维，学会判断何时需要 Agent、如何选择设计模式、如何设计高质量 Agent、如何测试 Agent。
课程目标
判断什么场景需要 Agent，什么场景不需要
掌握 Agent 设计模式的分类与选择
理解 Prompt、Context、Harness 三层⼯程的设计要点
理解 Agent 测试与传统测试的本质区别
能够从需求出发，选择合适的设计模式，设计⾼质量 Agent
课程基础
有一定编程基础的研发团队（Python 推荐）
了解 LLM 基本概念，有 API 调经验
正在或即将开展 Agent 开发，但缺乏系统化设计方法论
课程框架
Prompt Engineering — 你怎么跟 LLM 说话（指令、角色、结构）
Context Engineering — 你给 LLM 什么样的信息环境（知识、工具、记忆）
Harness Engineering — 你用什么基础设施包裹 Agent（测试、护栏、监控）
在这三层之上，Agent 设计模式决定 Agent 的"⻣架"，三层工程是⻣架的"质量保障"。
课程大纲
上午
模块一：认知重建 — Agent 开发的正确打开⽅式（1h）
什么时候该⽤ Agent？
l Agent ≠ Chatbot，也 ≠ "加了个 LLM 的 API"
l 决策矩阵：固定映射⽤传统 API，语义理解单步骤用 LLM 调用，多步推理+动态决策+工具调人才需要 Agent
l Agent 开发的常见误区
l 把全量文档丢进 system prompt，让 AI "看着办"
l 什么都想用 Agent，过度工程化
l 一个 Agent 包打天下，不拆分职责、不用设计模式
l 把 Agent 当传统软件对待，不做评估体系
Agent 开发全景图
l Agent 设计模式：五大类模式（工作流、认知、知识、协作、工程）
l 三层工程：设计模式的"质量保障"
l 课程路线图：认知 → Prompt → 设计模式 → Context → Harness
模块⼆：Prompt Engineering — 指令设计（1h）
Prompt 的核⼼原则
l 清晰具体 > 模糊宽泛；指令优于约束；动词驱动
l 结构化 Prompt 设计
l 系统提示框架：角色设定 → 能用边界 → 人为规则 → 示例
l 对比演示：无结构提示词 vs 结构化提示词
l 示例驱动的指令技术
l 零样本 / 单样本 / 少样本提示
推理引导技术
l 思维链（CoT）、自我一致性、后退提示、ReAct
模块三：Agent 设计模式 — 从需求到模式（1.5h）
Agent 设计模式全景
模式类别 | 核心问题 | 代表模式 |
⼯作流模式 | 如何组织执⾏流程 | 路由、提示链、并⾏化、⼈机协同 |
认知模式 | 如何增强思维能⼒ | 推理技术（CoT/ToT/ReAct）、规划、反思 |
知识模式 | 如何获取和使⽤知识 | RAG、记忆管理 |
协作模式 | 如何多 Agent 协同 | 多智能体协作、智能体间通信 |
⼯程模式 | 如何保障系统质量 | 安全护栏、评估与监控 |
本模块聚焦⼯作流模式，其他类别在课程其他模块中展开。
路由模式（Routing） — 先分类再处理，不同请求走不同路径（如客服系统按意图分发）
提示链模式（Prompt Chaining） — 复杂任务分步执行，前一步输出作为后⼀步输⼊（如报告⽣成流⽔线）
并行化模式（Parallelization） — 无依赖的子任务并发执行，缩短总时间
人机协同模式（Human in the Loop） — AI 处理常规部分，关键节点由人类审批
模块四：Context Engineering — 上下⽂构建（1.25h）
什么是 Context Engineering？
l Prompt 是"你说什么"，Context 是"AI 看到什么"
l LLM 收到的完整上下文：系统提示、对话历史、检索知识、工具定义、长期记忆、实时数据
知识上下文 — RAG 设计
l 三种 RAG 类型：传统 RAG（基础问答）、GraphRAG（复杂关联）、Agentic RAG（多步推理）
l 数据质量 > 检索算法 > 模型能力
⼯具上下⽂ — Tool Use 设计
l 工具设计原则：单一职责、清晰描述、合理粒度
l 从共具到技能：Tool → MCP → Skill 的架构演进
记忆上下⽂ — Memory 设计
l 短期记忆（对话历史管理）与长期记忆（用户画像、知识积累）
l 核心权衡：上下文窗⼝是稀缺资源
模块五：Harness Engineering — 基座工程（1.25h）
什么是 Harness Engineering？
l 包裹 Agent 的工程基础设施：测试、护栏、监控、编排、异常处理、成本控制
Agent 测试 — 与传统测试的本质区别
维度 | 传统应⽤测试 | Agent 测试 |
输出 | 确定性 | 概率性 |
断⾔ | 精确值匹配 | 语义/意图匹配 |
回归 | 固定⽤例 | 评估集 + LLM-as-Judge |
归因 | 代码逻辑 bug | Prompt / Context / 模型 / ⼯具 |
三个测试层次：组件测试 → ⼯作流测试 → 评估测试
安全护栏 — 输⼊过滤、输出验证、⾏为约束，独⽴于 Prompt 的⼯程层
监控与评估 — 实时监控、离线评估、A/B 测试
编排与调度 — 设计模式在 Harness 层的落地，任务队列与并发控制
异常处理与成本控制 — 重试/回退/⼈⼯介⼊，缓存、模型分层、Token 预算
