事實
LLM 工程 · 來源查證 · AI 人工智慧 · 軟體工程 · 名詞解析數位時代 · 2026 年 7 月 28 日
來源檢視 · 五個名詞，逐一查證
畫得比說得篤定
《數位時代》用一張圖和一篇文章介紹五種「AI 工程」：提示、情境、駕馭、迴圈、圖結構。兩份文件的說法一致：這五個不是新的取代舊的，而是一層包一層，舊的變成新的零件。但兩份文件的把握程度不一樣。圖給每一層都標了年代，也把層次畫得清清楚楚；文章只標了兩個年份，然後直說一句：這幾層誰包住誰，業界還沒有共識。只看圖的人不會知道這件事。本站能連上並讀到原文的來源只有兩個 —— 其餘全被本次連線的代理封鎖，包括原文網頁本身。哪些站得住、哪些站不住，下面逐項標出來。
五個名詞，一層包一層 每一層都是為了補上一層的極限才出現的。
- 5個名詞，從 2022 年的提示工程到 2026 下半的圖結構工程
- 2本站真正讀到原始出處的來源；其餘全被連線代理封鎖
- ~100autoresearch 自述一夜可跑的實驗數，每次固定 5 分鐘
- 12一份公開清單列出的 harness 設計元件數
1 · 約 2022 年
提示工程 Prompt Engineering
- 起因很單純：同一個問題換個問法，答案品質天差地遠。
- 做不好的樣子：答非所問，格式也亂掉。
- 沒有被淘汰。它從主角變成零件，在每個步驟裡都還用得上。
2 · 2025 年年中
情境工程 Context Engineering
- 起因：真正的應用不是一句話問得完的，模型得先看過對的文件和前面的對話。
- Shopify 執行長 Tobi Lütke 與 Andrej Karpathy 先後在 X 上改用這個說法，這個詞很快取代了提示工程的位置。
- 做不好的樣子：漏看關鍵檔案，或被雜訊淹沒。
3 · 約 2026 年初
駕馭工程 Harness Engineering
- 起因：光給對資料，AI 還是不會真的動手把事做完。
- 文章給的一句話是 Agent = Model + Harness，引自 Databricks 的技術部落格。本站沒有讀到那篇原文。
- 做不好的樣子：AI 越權亂改檔案，違反團隊規矩。
4 · 約 2026 年中
迴圈工程 Loop Engineering
- 起因：就算工具齊全，還是得有人一直盯著、一步步下指令。
- 代表作是 Karpathy 的 autoresearch。這是本頁少數讀到原始出處的東西之一，細節見下方。
- 極限也很清楚：一次只能做一件事、一出錯就全部重來、記憶會被後來的內容擠掉。
5 · 約 2026 下半
圖結構工程 Graph Engineering
- 整張圖只有三個東西：一個個只做一件事的步驟、步驟之間的交棒關係、一份完整的進度紀錄。
- 換來四件事：沒有先後的步驟可以一起跑、出錯能當場挽回、任務可以隨時喊停、換一個模型也能接手。
- 做不好的樣子：無法平行、無法暫停，事後也無法追查。
每一項站得多穩 已證實、他處已證實但本站未能查核、未經證實、推測，以及兩件根本連不上的東西。
| 確信程度 | 內容 | 依據 |
|---|---|---|
| 已證實 | autoresearch 的迴圈：改程式碼、訓練 5 分鐘、看有沒有變好、留下或丟掉、重複。每次固定 5 分鐘，約每小時 12 次、一夜約 100 次。 | 該專案 README，本站於 2026-08-15 直接讀取 |
| 已證實 | AI 只能改 train.py，不准碰 prepare.py（資料準備與評分工具）。這道分隔是在防它把考題改簡單，而不是把模型改好。 | 同上 |
| 已證實 | 駕馭工程的定義：圍繞 AI agent 的那一整套鷹架 —— 情境輸送、工具介面、計畫產物、驗證迴圈、記憶系統、沙箱。清單把它拆成 12 個設計元件。 | 公開清單 awesome-harness-engineering，本站直接讀取 |
| 他處已證實，本站未能查核 | 2025 年年中，Lütke 與 Karpathy 先後在 X 上改用「情境工程」這個說法。 | 《數位時代》如此報導。X 對本次連線封鎖，兩則貼文都沒有讀到。 |
| 他處已證實，本站未能查核 | 提示工程與情境工程其實都住在駕馭工程「裡面」；Agent = Model + Harness。 | 文章引 Databricks 技術部落格 —— 這是整篇文章為「一層包一層」提出的唯一權威，而本站沒能讀到它。 |
| 未經證實 | autoresearch「找出人類沒注意到的設定」。 | 文章這樣寫，但該專案的 README 沒有這句話，也沒有任何成績數字。 |
| 未經證實 | 「提示工程師」一度被當成當紅的新職稱。 | 文章未給出處。廣為流傳，但沒有可查的依據。 |
| 推測 | 駕馭約在 2026 年初、迴圈約在年中、圖結構約在下半年出現。 | 這三個年代只出現在圖裡，文章沒有。原圖每個都寫「約」，而且沒有出處。 |
| 無法取得 | 原文網頁本身。 | bnext.com.tw 對本次連線的代理回絕。全文由 djTratoh 於 2026-08-15 貼入，那是本站唯一的副本。 |
| 無法取得 | Josh C. Simmons 是誰。 | 文章的來源欄只寫「X、Josh C. Simmons」，沒有連結、沒有日期、沒有標題。本站查不到這個人。 |
時序
這個故事裡有日期的部分 只有五個。五層裡有三層沒有任何可查的日期 —— 那本身就是重點。
- 2022 年ChatGPT 問世。兩份文件都把這裡當成整串的起點，也是提示工程的起點。
- 2025 年年中Shopify 執行長 Tobi Lütke 與 Andrej Karpathy 先後在 X 上改用「情境工程」。文章只寫「年中」，沒有更細的日期。
- 2026-07-27《數位時代》編輯部完成那張觀念圖，把五層畫成一個包一個，並替後三層各標了一個「約」開頭的年代。
- 2026-07-28文章刊出，作者陳建鈞。文末兩行揭露：資料來源是 X 與 Josh C. Simmons，初稿由 AI 編撰。
- 2026-08-15兩份文件貼入本專案。bnext.com.tw 回絕本次連線，因此原文是貼進來的，不是抓下來的。
論點
文章主張什麼 不是誰取代誰，而是層層相依 —— 以及它自己對這個主張留了多少餘地。
文章的主張只有一句：這五個工程不是一代淘汰一代，而是一層包住一層，每一層補上前一層的極限。它舉的例子是 Databricks 的說法 —— 提示和情境其實都住在駕馭工程「裡面」，駕馭指的是模型外圍的整套系統，提示和情境只是這套系統裡的零件；迴圈是把駕馭那套外圍再自動跑起來，圖則是把很多個繞圈的 AI 再組織起來。所以提示工程還有用，只是從主角變成零件。但文章接著自己踩了煞車：這幾層誰上誰下、誰包住誰，還沒有業界共識；有人認為迴圈在駕馭之上，也有人直接不談駕馭工程。原文的用詞是「目前還沒有定論」。值得一提的是，文末兩行揭露它的資料來源是「X、Josh C. Simmons」，而且初稿由 AI 編撰，再由記者整理編輯。一篇講怎麼監督 AI 產出的文章，本身的初稿是 AI 寫的 —— 這不是什麼把柄，但讀者應該知道。
- 0業界對這幾層怎麼排的共識 —— 文章自己說的
- 2文末列出的資料來源數：一個平台，一個沒有連結的人名
- AI初稿的作者。整理與編輯是記者陳建鈞
補充
五個名詞，逐一對照 左邊是文章的說法，右邊是本站真的讀到原始出處後能補上的東西。
| 名詞 | 文章怎麼說 | 讀到原始出處後能補上什麼 |
|---|---|---|
| 提示工程 | 控制單次回答的指令。 | 沒有補充。這一層本站找不到可直接讀取的原始定義，文章的說法也沒有爭議。 |
| 情境工程 | 控制模型當下能看到的資訊與記憶。Karpathy 的定義：在模型一次能看的內容裡，剛好放進下一步需要的資訊。 | 沒有補充，而且要提醒：這是對一則沒讀到的英文貼文的中文轉述。X 對本次連線封鎖。 |
| 駕馭工程 | 為模型搭建防護欄、工具調用介面與監控環境。Agent = Model + Harness。 | 一份公開清單把它拆得更細，並說明了為什麼要拆：「這裡每一個元件的存在，都是因為模型自己做不到。」十二個元件見下段。 |
| 迴圈工程 | 讓 AI 自主進行「觀察–執行–檢查–重試」的循環，如 Karpathy 的 autoresearch。 | 該專案 README 自己的句子是：改程式碼、訓練 5 分鐘、看有沒有變好、留下或丟掉、重複。還有一道文章沒提、但關鍵的分隔 —— 見下段。 |
| 圖結構工程 | 把多個 Agent 或 Loop 組織成一張有向圖／狀態機。圖上只有三個東西：步驟、交棒、進度紀錄。 | 沒有補充。文章這一節寫得最實在，而且附了三條實作原則 —— 見下段。 |
怎麼把工作畫成圖 —— 三條原則 文章說這是綜合開發者社群的實作心得，沒有再往下註明出處。
- 1每個步驟只做一件事每一步最好只做一件事、可以單獨測試、可以整個換掉而不影響別的步驟。如果一個步驟塞了五件事，那它其實就跟過去的作法沒兩樣。
- 2把判斷放在交棒的地方交棒有兩種：死規則（「測試通過就自動上線」）和 AI 判斷（「這張客訴單該轉給帳務還是檢舉部門」）。開發者的工作是界定哪些用哪種 —— 而需要 AI 判斷的地方，正是它以後最容易出錯的地方。
- 3記下進度，並設好花費上限每做完一步就把進度和產出存進一份獨立、格式固定的紀錄。出錯時只重做壞掉那一步，不必整批重來；任務也可以停在中間等人核可三天而不停擺。如果你沒辦法在費用碰到上限時把 AI 停下來，那它就不算能自己運作的系統，只是在燒錢。
兩件文章沒寫、但值得知道的細節。駕馭工程被一份公開清單拆成十二個設計元件：代理迴圈、規劃與任務拆解、情境輸送與壓縮、工具設計、技能與 MCP、權限與授權、記憶與狀態、任務執行器與編排、驗證與 CI 整合、可觀測性與追蹤、除錯與開發者體驗、以及人在迴圈中。這份清單開宗明義說：這裡每一個元件的存在，都是因為模型自己做不到。值得注意的是，其中「代理迴圈」是清單裡的一個元件 —— 而在《數位時代》的排法裡，迴圈是包在駕馭外面的上一層。這正是文章說「還沒有定論」的那種分歧。迴圈工程方面，autoresearch 最關鍵的設計文章沒有提：AI 只准改 train.py，不准碰 prepare.py —— 資料準備和評分工具都在後者。這道分隔擋住的是一個很具體的失敗：一個能改考題的 AI，會把考題改簡單，而不是把模型改好。它的訓練預算固定在 5 分鐘，評分用 val_bpb，官方說法是每小時約 12 次實驗、一夜約 100 次。
- 12駕馭工程的設計元件，其中一個就叫「代理迴圈」
- 1autoresearch 裡 AI 唯一能改的檔案：train.py
- 5 min每次實驗的固定訓練預算，換算約每小時 12 次
結論
該帶走什麼 三件事，第一件是關於那張圖的。
圖比文章篤定，而文章才是對的
那張圖把五層畫成一個穩固的階層，還替後三層各標了年代。文章沒有那些年代，而且明講「這幾層誰包住誰，目前還沒有定論」。一份公開的 harness 清單就把「代理迴圈」列為 harness 的元件之一，跟圖裡迴圈包住駕馭的排法剛好相反。把那張圖當成一目了然的答案，會錯過它所要說明的那篇文章自己說的話。
三個年代都是「約」，而且只出現在圖裡
約 2026 年初、約 2026 年中、約 2026 下半 —— 原圖每一個都寫了「約」，都沒有出處，而且文章一個也沒有提。可查的日期只有兩個：2022 年 ChatGPT 問世，2025 年年中Lütke 與 Karpathy 在 X 上換了說法。其餘三層沒有任何可查的日期。
最實在的部分是那三條原則
撇開名詞之爭，第三條是可以直接拿去用的檢驗：如果你沒辦法在費用碰到上限時把 AI 停下來，那它就不算能自己運作的系統，只是在燒錢。這句話不需要任何一層工程的名字成立，也不需要業界對排序有共識。另外兩條同樣如此：一步只做一件事，判斷放在交棒的地方 —— 而需要判斷的地方，就是以後最會出錯的地方。