AI 工程的術語正在以驚人的速度換代，從 Prompt Engineering 到 Context Engineering，再到今年 2 月才誕生的 Harness Engineering，而 Graph Engineering 在這個週末由社群推文引爆。這串工程詞是不是一場技術假象？
（前情提要：為什麼你必須學 Harness Engineering？5 個產物、3 個學派、5 條普世原則全解析）
（背景補充：Google 工程師教你什麼是 Loop Engineering？五個積木＋外部記憶，2026 的 AI 必修課）
重點摘要
- Harness Engineering 由 Mitchell Hashimoto 在 2026 年 2 月提出，Graph Engineering 本週末才被推文引爆
- LangChain 有篇文章叫〈3 Years of Graph Engineering with LangGraph〉，技術早在，新的是名字
- Prompt Engineer 職缺 2024 到 2025 掉 40%，但該技能出現在 78% 的 AI 職缺要求中
為什麼你必須學 Harness Engineering？那是上個月的事了。
這個週末 X 上的推文帶起了一個新詞，叫 Graph Engineering。它現在正在被寫成教學、被做成路線圖、被放進「2026 你必須掌握的技能」清單裡。
— Codez (@0xCodez) July 20, 2026
而 Harness Engineering 這個詞，是今年 2 月才出現的，5 月才紅的，這個月就多了一個新詞彙。
五個月換一個工程詞
Harness Engineering 的起點很具體。Mitchell Hashimoto 在 2026 年 2 月寫了一篇部落格，說他養成一個習慣，每次 AI agent 犯錯，他就在環境裡工程化一個永久性的修正，他把這件事叫做「engineering the harness」。
幾個星期後，OpenAI 和 Anthropic 各自發文擴充這個概念，Martin Fowler 給出了正式的分類法，「Agent = Model + Harness」變成公式。動區在 4 月 4 日寫了入門篇，5 月 14 日拆解七大模組，6 月 9 日寫了那篇「為什麼你必須學」。
四個月，Harness Engineering 從 blog 變成 AI 學習者的必修課。
然後再過五個月，出現了 Graph Engineering。它處理的是更外面一層的東西，多個 agent 之間的訊息路由、節點失效隔離、狀態一致性、動態生成節點、整張圖的可觀測性。
如果你 6 月才開始學 Harness，你大概還沒學完。
但 LangGraph 已經做三年了
這裡有一個很少人知道的細節。
LangChain 有一篇官方文章，標題叫〈3 Years of Graph Engineering with LangGraph〉，三年的圖工程經驗。
換句話說，這件事早就有人在做，做了三年，只是它那三年不叫 Graph Engineering，它叫「用 LangGraph 寫東西」。
技術不是這個週末誕生的，名字才是。
這大概就是「技術假象」這個懷疑最準確的落點。假象不在技術本身，那些東西都是真的，多 agent 協作真的需要狀態管理，agent 真的需要外部環境約束。然後有人提出一個新的 prompt 管理方式，其實是工程界很多人用了很久的方法。
AI 技能（的名詞）在不斷翻新
要判斷這些詞的價值，可以看看他們的曾曾祖父。
Prompt Engineering 曾經是最風光的那一個，2023 年有公司開出六位數美元年薪招募 Prompt Engineer，網路上到處是「不用寫程式也能進 AI 產業」的說法。
然後以「Prompt Engineer」為職稱的職缺，2024 到 2025 年之間掉了 40%，在許多市場已經趨近於零。
但同一段時間，prompt engineering 作為一項「技能要求」出現在 78% 的 AI 相關職缺裡，2024 年初這個數字還不到 20%。LinkedIn 上標記這項技能的貼文成長了大約 250%。
這組數字說明的是技能迭代。
一個 AI 操作技巧會經歷三個階段，剛出現時它是職稱，可以拿來談薪水。普及之後它變成基本功，寫在職缺要求的第三行。最後它連提都不用提，因為預設你會，有人不會用鍵盤嗎？
Prompt Engineering 的職稱之所以消失，是因為 2024 年底之後的模型已經聽得懂人話，反覆試錯的「工程」變得不必要。不是騙局被拆穿，是被模型追上了。
每個詞都離模型更遠一點
把這串詞排在一起看，會看到模型進化的過程。
- Prompt: 你寫給模型的那句話
- Context: 你放進視窗裡的那些東西
- Harness: 模型周圍的那個環境
- Graph: 那些環境彼此怎麼接
每次多了一個名字，人類工作的位置就越往外移動，而模型本身在討論裡越來越不用被提起。
2023 年我們研究怎麼跟它說話，2026 年我們研究怎麼安排一群 agent 連結在一個網路。
這也是為什麼追這些詞不會有終點。你學會的每一層，都在等模型長到那裡，等等黨永遠都贏。
下一個詞出現的時候，我們就離模型越遠了。
常見問題
Graph Engineering 和 Harness Engineering 差在哪裡？
Harness 管的是單一 agent 的環境，包括提示輸入、上下文視窗、token 預算、重試邏輯。Graph 管的是多個 agent 之間怎麼協作，包括訊息路由、節點失效隔離、狀態一致性與整張圖的可觀測性。
這些 AI 工程術語是炒作嗎？
技術是真的，命名節奏才是問題。LangChain 有篇文章叫〈3 Years of Graph Engineering with LangGraph〉，代表這件事已做三年。以 Prompt Engineer 為例，職稱掉了 40%，但該技能仍出現在 78% 的 AI 職缺要求中。
📍相關報導📍
為什麼你必須學 Harness Engineering？5 個產物、3 個學派、5 條普世原則全解析
Google 工程師教你什麼是 Loop Engineering？五個積木＋外部記憶，2026 的 AI 必修課
