没有工具的模型，只能靠提示词获得额外信息。提示词工程在那个阶段几乎是唯一杠杆：把背景写清楚，把例子给够，把格式约束好，让模型在已有上下文里尽量选对路径。

一旦模型拥有主动提取外部数据的能力，问题就变了。智能不再只取决于模型内部能处理多少信息，也取决于它能不能从环境里拿到正确的信息。

Prompt 是喂信息，工具是取信息

prompt-only 系统的工作方式像开卷考试，但试卷、教材和草稿纸都必须提前塞进同一个信封。用户没塞进去的信息，模型默认看不见。它可以猜，可以泛化，可以从训练数据里补常识，但无法可靠知道当前项目、当前日志、当前数据库、当前 API 文档发生了什么。

工具调用改变了边界。ReAct 把 reasoning 和 acting 交织起来，让模型一边推理，一边对外部知识库或环境采取动作获取观察结果。Toolformer 进一步证明，语言模型可以学习在合适时机调用 API，并把结果纳入后续预测。SWE-agent 的核心贡献也不是“又写了一个 coding prompt”，而是强调 Agent-Computer Interface：给 agent 一个适合读文件、改文件、跑测试、导航仓库的接口，能力会明显变强。

这说明“会想”和“会查”不能分开评价。一个模型如果不知道该查什么、在哪里查、查完怎么用，内部推理再强也会在错误事实上精细加工。

环境可供性决定取数上限

环境可供性指的是：外部世界是否以模型能发现、能理解、能调用、能验证的方式呈现。

对人类来说，一个按钮是不是显眼、一个文档是不是有目录、一个命令是不是有 --help，都会改变工作效率。对 Agent 也一样。一个 repo 如果有清晰的 AGENTS.md、稳定启动脚本、可运行测试、类型定义、错误日志、决策记录，模型就能主动取得关键证据。反过来，知识散在 Slack、口头约定、过时 wiki 和人脑里，再强的模型也只能靠猜。

flowchart LR
    A[用户意图] --> B{模型能主动取数吗}
    B -->|不能| C[Prompt Engineering]
    C --> D[把信息预先塞进上下文]
    B -->|能| E[Environment Engineering]
    E --> F[文件 / 搜索 / API / 日志 / 测试 / 数据库]
    F --> G[按需提取正确证据]
    G --> H[更大工作范围]

这里有一个反直觉点：准备好环境，常常能扩大模型工作范围，却不成比例增加模型工作负荷。原因很简单。模型不需要一次读完整个世界，只需要在正确接口上查到下一步最相关的信息。

这就是 Context7、MCP、repo map、代码搜索、语言服务器、测试框架、日志查询对 AI 编程的重要性。它们本质上都在把外部世界改造成模型可检索、可观察、可调用的环境。

信息获取能力是智能维度

评价模型时，常见指标会看数学、代码、推理、写作、知识问答。这些指标主要衡量内部处理能力。但在真实任务里，获取正确信息本身就是智能的一部分。

一个优秀工程师强，不只是因为脑子里装了更多算法，还因为他知道什么时候看日志、什么时候读源码、什么时候查 issue、什么时候跑最小复现。Agent 也是如此。它的智能水平由两部分相乘：处理信息的能力，获取信息的能力。

后者高度依赖环境假设。一个 API 如果没有机器可读文档，模型只能从旧训练数据里猜；一个项目如果没有测试，模型无法快速判断改动是否正确；一个业务系统如果没有可查询审计日志，模型无法定位状态错在哪里。内部能力无法凭空替代外部可观察性。

这也是 Harness 会长期存在的原因。模型可以越来越强，但“让正确数据以正确形式出现在模型面前”始终是环境工程问题。只要真实世界不是一个天然为模型整理好的文本数组，Harness 就很难消失。

好环境减少随机探索

环境设计的目标不是把所有信息都喂给模型，而是减少无意义探索。

环境缺陷 模型表现 环境修复
文档不可检索 编造过时 API 提供版本化文档检索
启动方式不稳定 反复试命令 固定 init / dev / test 脚本
错误不可观测 只能猜原因 结构化日志和错误栈
验收不可执行 输出看起来对 单测、E2E、schema、截图
规则只在人脑里 破坏隐性约束 AGENTS.md、spec、decision log

这些修复看起来不像“智能”，却会直接提高智能体可用性。模型少猜一次，就多一份预算用于有效推理。模型少读一堆无关上下文，就多一份注意力给当前证据。

Harness 是环境的语法

Prompt engineering 关心一句话怎么写。Context engineering 关心这次调用里放什么。Harness engineering 更进一步，关心整个环境怎样被模型反复读取、修改、验证和继承。

OpenAI 的 Harness Engineering 文章有一句很关键的意思：把更多系统拉进 agent 可以 inspect、validate、modify 的形式，会提高杠杆。这里的 inspect、validate、modify 正好对应环境可供性的三个层次。先看得见，再验得出，最后改得动。

未来模型会继续变强，但更强模型不会消灭环境工程。更强模型只会把环境设计做得更重要。因为一旦模型真的能主动探索，它会探索什么、看见什么、相信什么、被什么约束，就成了系统上限。

相关文章

参考资料