AI agent 生成程式碼的品質，無法只靠「選更好的模型」解決。Thoughtworks 的 Birgitta Böckeler 在 2026 年初發展出兩個互補的概念：Context Engineering（事前設計 agent 能看到的）和 Harness Engineering（事後把 agent 框住）——合起來才是在企業規模維持 AI 編碼品質的完整架構。
Context Engineering：給 Agent 看什麼，比怎麼提示更關鍵
來源：Birgitta Böckeler（Thoughtworks），Context Engineering for Coding Agents，2026-02-05
Böckeler 把 Context Engineering 定義為「策劃模型能看到什麼，以取得更好的結果」。
兩種 Prompt 類型
| 類型 | 定義 | 範例 |
|---|---|---|
| Instructions | 直接指令，告訴 agent 做什麼 | 「按照這個 pattern 寫 E2E 測試」 |
| Guidance | 通則與護欄，告訴 agent 怎麼做事 | 「測試必須互相獨立」 |
三種 Context 介面類型
- Tools：內建能力（bash 執行、file search）
- MCP Servers：提供結構化 API 存取的自訂程式
- Skills：依需求載入的任務特定資源（Agent Skills）
決策授權模型（這是架構決策，不是技術細節）
| 控制權屬 | 機制 | 說明 |
|---|---|---|
| LLM 控制 | Skills | 何時 / 是否載入由模型決定；靈活但不可預期 |
| 人類控制 | Slash commands | 自動化降低，但控制更強 |
| 軟體觸發 | Hooks | 在生命週期事件確定性地載入 |
關鍵警告：Context 視窗越大不等於越好。過度填充的 context 會降低效果、增加成本。「防止幻覺」這種說法是誤導性的——語言模型仍是機率系統，任何 context 設計只能降低機率，不能保證結果。
Claude Code（January 2026）具體機制對照：
| 機制 | 類型 | 用途 |
|---|---|---|
| CLAUDE.md | Guidance | 全專案通則 |
| Rules | Guidance | 路徑範圍的指引（如 *.ts 檔案） |
| Skills | Instructions / Guidance | 惰性載入任務特定資源 |
| Subagents | Full config | 需要獨立 context 的複雜任務 |
| MCP Servers | Data / Action | 結構化 API 整合 |
| Hooks | Scripts | 確定性檔案 / 指令自動化 |
Harness Engineering：把 Agent 的弱點框住
來源：Birgitta Böckeler（Thoughtworks），Harness Engineering - first thoughts，2026-02-17
Harness 的定義：包含「引導（guides）」和「感測器（sensors）」的框架，兩者可以是計算式（程式碼）或推論式（LLM）的。
Böckeler 識別三個類別：
類別一：Context Engineering（脈絡工程）
- 加入可觀測性資料的知識庫
- 動態脈絡（含瀏覽器導航能力）
- 這一項與 Context Engineering 直接對應——Harness 的第一層就是確保 context 品質
類別二：架構約束（Architectural Constraints）
- 自訂 linter 搭配 AI agent 監測（確定性 + 推論式的組合）
- 結構性測試框架（ArchUnit）
- Pre-commit hooks
- 模組邊界強制執行
類別三：熵管理（Entropy Management）
- 定期執行的 agent，偵測文件不一致和架構違規
- 類似「垃圾回收」，防止 AI 生成的技術債悄悄堆積
- 被 Böckeler 稱為「Garbage Collection」
核心原則：「Agent 卡住的地方，是訊號——找出缺少了什麼工具、護欄或文件，把解法餵回程式碼庫。」這種迭代讓 harness 本身成為自我改進的系統。
長期預測：Böckeler 認為 harness 可能演化成「AI-first 開發的 service template」，推動技術棧和架構拓撲走向標準化——以可維護性而非自然語言靈活性為優化目標。
Technology Radar Vol.34 對應 Blip
Adopt（立即採用）：
- Context engineering：把 context 視窗當設計面，從靜態 prompt 進化到 progressive context disclosure；已成為 AI 編碼的核心紀律
- Curated shared instructions（CLAUDE.md / AGENTS.md 等）：把 AI 引導固化進 service template；讓 AI 輔助在整個團隊一致和高品質
Trial（值得試）：
- Agent Skills：開放標準，把 instructions / scripts / 資源打包成模組；減少 token 消耗，防指令膨脹
- Feedback sensors for coding agents：把 compiler / linter / tests 接進 agentic workflow，讓失敗觸發自我修正，而非只在最後報錯
- Progressive context disclosure：讓 agent 先輕量探索再選需要的資訊，而非一次前置所有 context
Caution（要注意的）：
- Agent instruction bloat：指令隨時間堆積、互相衝突；模型對深埋內容的注意力會下降；手寫版本通常優於 LLM 生成版本
主張 vs 可佐證
- 可佐證：Context engineering 和 Harness Engineering 是 Böckeler 在 Thoughtworks 實際交付中觀察到的實踐；Tech Radar Adopt 代表 Thoughtworks 已在多個客戶案例中驗證。Agent instruction bloat 的 Caution 評等有工程觀察支持（模型注意力下降在研究中有文獻）。
- 主張：「Harness 可能成為 AI-first 開發的 service template 標準」是 Böckeler 的預測，尚無廣泛實證；Context 過度填充降低效果有工程直覺支撐，但缺乏公開的系統性量測數據；三分類框架是 Böckeler 對 OpenAI 案例的觀察整理，樣本有限。
- 收斂結論：Context Engineering（事前設計）和 Harness Engineering（事後框住）是同一枚硬幣的兩面。 只做 context 設計而不做 harness，AI 生成的混亂會悄悄累積；只做 harness 而不投資 context 設計，agent 效能無法最大化。兩者合起來，才是工程師 on-the-loop 時能維持系統品質的基礎設施。
來源：
- Context Engineering for Coding Agents — Birgitta Böckeler (Thoughtworks), 2026-02-05
- Harness Engineering - first thoughts — Birgitta Böckeler (Thoughtworks), 2026-02-17
- Technology Radar Vol.34 — Thoughtworks, 2026-04（Context engineering: Adopt；Agent Skills: Trial；Feedback sensors: Trial）