駕馭工程
Harness Engineering
「有時候語言模型不是不夠聰明，只是沒有人類好好引導。」
如果你走過馬群， 就看過每個模型化身為一匹馬——體型代表參數、頭部代表上下文、品種代表能力。 一匹馬是模型本身的樣貌；但故事還有另一半：人類如何駕馭它。這就是馬具。
模型訓練決定了它的上限。你能走多接近那個上限，幾乎完全取決於你替它配備的馬具—— 系統提示、工具、範例、約束、評估機制。當你讀完這篇，你早已熟悉的那些技巧， 都會顯現為同一門技藝的不同部位：駕馭工程。
值得一看的課程
駕馭工程（Harness Engineering）這個說法，來自 李宏毅 教授近期的一場課程。李宏毅是國立臺灣大學電機系教授，他的中文機器學習課程 影響了一整個世代的學生。這段課程的前提樸實而誠實：我們讀到的「模型失敗」， 多半其實是「人類沒有好好引導」。看完這場，你會最快地進入這個視角。
駕馭技藝簡史
你聽過的每一項提示技巧，都是因為上一項撞到了自己的極限而出現的。 模型變大，馬具也跟著長大。
- 原生提示（GPT-3 時代）。 只有一個輸入框與一絲希望。實務工作者發現措辭改變結果， 半開玩笑地稱之為 prompt engineering——後來發現那不是玩笑。 Reynolds & McDonell，2021 ↗
- 系統訊息（ChatGPT，2022）。 一個在對話開始前設定模型立場的正式位置。模型從此有了角色，不只是問題。 OpenAI API 文件 ↗
- 少樣本與情境內學習。 給模型兩三個範例。它會模仿那個模式，而不是用猜的。 Brown 等，2020 ↗
- 思維鏈（Jason Wei 等，2022）。 讓模型一步一步想。提示塑造的是過程，而不只是目標。 arXiv 2201.11903 ↗
- 工具使用（2023–2024 函式呼叫）。 模型不再憑空猜答案——它可以呼叫計算機、搜尋、資料庫，把真答案讀回來。 OpenAI，2023 年 6 月 ↗
- 結構化輸出。 JSON schema 與 response format 讓下游系統真的能消化模型產生的內容。 OpenAI，2024 年 8 月 ↗
- 代理迴圈。 行動、觀察、再行動。一個馬具框架，讓每一步的輸出成為下一步的輸入。 Yao 等，2022（ReAct）↗
- 評估機制作為回饋。 測試不再只是檢查表，而是教馬具本身的訊號。 OpenAI Evals ↗
每個階段都解決了前一階段的極限。它們都沒有讓模型變得更聰明； 它們讓模型變得更有用。
馬具解剖
四個馬具部件，對應四種技巧——每個部件在馬的世界所做的， 正是那項技巧在提示世界所做的事。
其他一切都坐在它上面。始終在場，在對話開始前就已經定好立場。
範例：「你是一位謹慎的技術審查者，在建議前先說明取捨。」
含在嘴裡，塑造從口中出來的東西。schema 以同樣的方式限定輸出形狀。
範例：一個 JSON schema 或 response_format，輸出必須符合。
縮窄視野。眼罩縮窄的是視覺，護欄縮窄的是動作範圍——都只讓它看得見、做得到該做的。
範例：「不要捏造沒出現在 API 文件裡的函式名稱。」
馬帶著走的東西。檢索到的文件、先前對話、使用者偏好。
範例：知識庫的 RAG；對話歷史；每次會話載入的使用者檔案。
還有三項技巧一樣重要，但不太能對應到任何一個馬具部件：
- 少樣本提示——不是在限制形式，而是透過模式教導：給兩三個範例，模型自己跟上那個樣子。
- 工具使用——不是轉向，而是擴展。模型取得了原本沒有的感官與觸手：搜尋、計算機、對真實系統的 API 呼叫。
- 評估機制——根本不是馬具。評估機制是繞在馬具外面的回饋迴圈：跑模型、打分、迭代。
為什麼駕馭工程重要
這裡有一個會改變你讀所有 AI 新聞方式的重構視角：當你聽到「AI 在 X 上失敗了」， 真正失敗的通常是馬具，不是模型。同一個 GPT-4，在某個產品裡看起來聰明， 在另一個產品裡看起來笨——因為前者替那個任務打造了馬具，後者沒有。
能力是上限，由訓練決定，而不是使用決定。實際效能是馬具允許你觸及的高度。 一個驚豔的 demo 和一個真正上線的產品之間的距離，幾乎全是馬具工作： 反覆調整了幾週的系統提示、五個可呼叫的工具、讓輸出可解析的 schema、 抓住回歸錯誤的評估機制。
關於範圍的一點說明：這篇文章把駕馭工程當作一種框架視角來使用—— 模型 / 馬具的分割。在更廣的業界用法中，駕馭工程是 上下文工程 底下的一個子集——後者涵蓋了管理「模型所知一切」的整門技藝。 這個視角仍然值得它的位置：它是看清「我們到底能修什麼」最銳利的工具。
馬群與馬具的相遇
這篇入門文只是一半。另一半——一個互動體驗，讓你從馬群裡挑一匹馬、 替牠穿上馬具、開跑——正在路上。
重點摘要
- 能力決定上限。駕馭工程決定你能多接近那個上限。
- 提示、工具、評估機制是同一門技藝。你已經在用的每項技巧，都是同一副馬具的一部分。
- 上線的 AI，大多是駕馭工程。產品裡看起來像智慧的那些部分，通常是引導，不是生成。
