第 8 章 · 全书的"落地章"（最贴近你的工作）
网页对话，还是搭工程（harness engineering）？
这一章回答你问题清单里最实操的一个：什么情况直接跟大模型网页版对话，什么情况需要搭工程？先给你一套判断框架，再拆开"工程"到底是什么（提示词、工具调用、RAG、Agent、评估、护栏），最后用三个电力场景案例走一遍完整决策。
8.1 先定义：harness 到底是什么
Anthropic（Claude 的开发公司）在官方工程指南里明确过一个观点：模型能力再强，也只是"引擎"；真正决定应用好不好用的是引擎外面那套"马具"（harness）——提示词、工具、记忆、护栏、评估等一切围绕模型的编排[1]。所以"harness engineering"不是玄学，就是：不训练模型、不改模型，而是精心设计模型"外面"的一切，让引擎发挥最大价值。
模型 = 发动机。网页版对话 = 你直接坐进裸引擎座舱，手动挂挡。harness 工程 = 把发动机装进整车：接上仪表盘（记忆）、方向盘（提示词）、货斗（工具/数据库）、刹车与安全带（护栏）、年检（评估）。你不会因为发动机好就直接开着裸引擎上高速——工作里的 AI 应用同理。
为什么"改外面"而不是"改模型"？因为改模型（微调/训练）贵、慢、易退化，而外面这层可以快速迭代、随时调整、完全由你控制。行业共识：先榨干 harness 的价值，再考虑要不要碰模型本身。
8.2 判断框架：问 5 个问题
接到一个"想用 AI 干的事"，先别急着打开网页版，按顺序问自己：
| 问题 | 答"是" → 倾向 | 答"否" → 倾向 |
|---|---|---|
| ① 是一次性的，还是要反复做？ | 要反复做 → 值得搭工程（一次投入，长期复用） | 一次性的 → 网页版直接问 |
| ② 需要实时/私有/结构化数据吗？ | 需要 → 工程（RAG / 工具调用把数据接进来） | 纯靠模型常识 → 网页版 |
| ③ 输出要稳定格式（表格/JSON/固定模板）吗？ | 要 → 工程（提示词约束 + 输出解析校验） | 自由文本 → 网页版 |
| ④ 要接系统/多人使用/无人值守吗？ | 要 → 工程（API + 流程自动化 + 权限） | 自己用、有人盯着 → 网页版 |
| ⑤ 结果要可审计、零容错吗？ | 要 → 工程（评估 + 护栏 + 人工复核流程） | 参考性内容 → 网页版 |
五问的任何一问答"是"，都值得至少考虑搭工程；五问全否，就用网页版。第 8.6 节会把它变成一张决策矩阵。
8.3 网页版对话：什么时候直接用、怎么用得更好
适合直接网页版对话的典型场景：学习与解释、头脑风暴、起草初稿、翻译润色、把模糊想法理清、快速评估一个主意值不值得做（比如"帮我想想月度经营分析报告怎么搭框架"）。
把网页版用得更好的四个技巧（这是零成本的第一步工程）：
- 给背景、给角色、给约束：不要说"分析一下违章数据"，要说"你是电力安全分析专家，以下是某单位 Q3 违章数据的统计口径说明……请从 3 个角度分析，每个结论注明依据"。
- 让它反问再回答：在提示词末尾加"如果信息不足，先问我 3 个澄清问题再开始"。
- 让它写代码/表格公式，而不是直接算：要统计就让它"给出 Python/SQL 代码"，你跑完把结果贴回去——避免它凭空算数（第 5 章弱推理）。
- 要求"逐条给证据 + 不确定就明说"：告诉它"不确定的部分必须标注'不确定'，不许编造"——降低幻觉污染。
公共网页版大模型会把你的输入用于训练/存储。含员工姓名、身份证号、内部合同金额、未公开事故信息的数据，绝不能直接粘贴进公共网页版。敏感数据的处理只有两条路：脱敏后再用，或走企业内部合规的大模型（私有化/企业版 API）。这条在你做业财数据、违章明细分析时是硬约束。
8.4 harness 的六大构件
| 构件 | 人话解释 | 解决 |
|---|---|---|
| 提示词工程 （system prompt） |
给模型写"岗位说明书"：你是谁、目标、格式、禁忌。升级版：few-shot（给 2–3 个示范例子）、思维链（让它分步想） | 角色、风格、格式、稳定性的 70% 靠它 |
| 工具调用 （function calling） |
模型可以"申请"调用你提供的函数/API：查数据库、跑 Python、算 Excel。模型负责决定调哪个、传什么参，结果拿回来继续生成 | 算数、查实时数据、接系统——补上模型"弱计算、知识截止"两大硬伤 |
| 检索增强 RAG | 回答前先从"外部资料库"里检索相关段落，拼进提示词再让模型回答（8.5 详解） | 知识截止、幻觉、企业私有文档问答 |
| 记忆 / 上下文管理 | 把对话历史、用户偏好、中间结果组织好，决定"什么该留在窗口里、什么该存到外部" | 长对话丢开头、窗口爆掉、个性化 |
| 评估（eval） | 准备一批"标准答案集"，每次改完提示词/流程，跑一遍看正确率有没有掉——AI 版的回归测试 | 改动一个 prompt 导致全线变差，不评估根本发现不了 |
| 护栏（guardrails） | 输入/输出两侧的检查规则：输入过滤（禁涉密内容）、输出校验（格式对不对、有没有幻觉高危表述）、降级策略（超时/失败怎么办） | 合规、稳定性、可控性——监控岗最看重的那部分 |
8.5 两种核心模式：RAG 与 Agent
8.5.1 RAG：开卷考试
普通大模型 = 闭卷考生：全凭脑内记忆答题，记错就编（幻觉）。RAG = 开卷考生：带一本官方教材进场，答题时先翻到对应页，照着念、再组织语言。答案来自教材，模型只负责"组织"——准确率和可追溯性立刻上一个大台阶。
图 8-1 RAG 三步：资料切片入库 → 提问时检索相关片段 → 模型"照着片段"作答。答案可溯源（引用了哪份资料哪一段）
为什么它有效？因为大模型最擅长的就是"给定上下文，把话说好"——RAG 恰好给它提供了可信的上下文。你的规程库、历史报告、指标定义，都可以这样变成"开卷教材"。
8.5.2 Agent：自动跑腿的助理
普通大模型 = 只会"回答"的顾问；Agent = 接了任务会自己分步干活的助理：查资料（RAG/搜索）、算数据（工具）、写文档、发现问题再回来问你要不要调整——直到任务完成。它干活的方式遵循一个经典循环，叫 ReAct：
想（Thought）：下一步该做什么？→ 做（Action）：调一个工具 → 看（Observation）：看结果 → 再想……直到任务完成。
图 8-2 ReAct 循环：想 → 做（调工具）→ 看（看结果）→ 再想，直到完成。Agent = 大模型 + 工具 + 循环控制
Agent 很强大，但它会"自作主张"——可能调错工具、可能绕远路、可能中途卡死。生产环境里的 Agent 必须套上护栏：限定工具白名单、限制循环次数、关键步骤人工确认（human-in-the-loop）。第 8.7 的案例 B 会演示"怎么给 Agent 装刹车"。
8.6 决策矩阵：场景 × 方案
| 场景画像（五问的答案组合） | 推荐方案 | 工程成本 |
|---|---|---|
| 一次性 + 纯知识 + 自由输出 + 自用 | 网页版对话 | 0（会问问题就行） |
| 一次性 + 需要算数/查数据 | 网页版 + 让它写代码，自己跑 | 低（会用 Python/SQL 跑一下） |
| 反复做 + 资料固定（规程问答、制度咨询） | RAG（资料切片入库，开卷问答） | 中（一次搭建，长期复用） |
| 反复做 + 数据在系统里 + 要固定格式 | API + 提示词模板 + 工具调用（自动拉数→生成→校验） | 中 |
| 多步任务 + 多工具 + 无人值守 | Agent + 护栏 | 中高（需要设计循环和兜底） |
| 要进正式报告、零容错、可审计 | 以上任一 + 评估集 + 人工复核环节 | 必须加，不能省 |
8.7 案例走查：三个电力场景从判断到落地
案例 A：违章行为数据分析（月度）
需求：每月从违章记录里找出高风险作业类型、时段规律、趋势变化，出一页分析。
五问过一遍：① 反复做（是）；② 要真实数据（是）；③ 输出要固定格式（是）；④ 自己用（否）；⑤ 要可审计（是）。→ 应搭工程，但不必上 Agent。
落地方案（阶梯式）：
- 第一步（当天能上）：数据脱敏 → 用 Python 脚本（本书 code/03 就是示例）跑出统计表和图表 → 把统计结果贴给网页版大模型，让它写"分析文字"，注明"只准基于我给的数据写，不许补充不存在的事实"；
- 第二步（一周内）：把"统计脚本 + 提示词模板"固化成一个半自动流程（或简单的 API 调用），每月只改数据文件路径；
- 第三步（有预算后）：接入企业大模型 API，脚本自动完成"拉数→统计→生成→人工复核"。
数据计算和文字生成分离：让代码算数（可靠），让大模型写字（擅长）。这是所有数据类 AI 应用的第一原则——第 5 章的"弱计算"硬伤在这里被工程化解于无形。
案例 B：光伏发电运行日报（无人值守）
需求：每天早上 8 点自动生成前一日的运行日报：出力曲线摘要、异常电站告警、与预测值对比、原因初判。
五问：反复做（是）；实时数据（是）；固定格式（是）；无人值守（是）；要进报告（是）。→ Agent + 护栏。
落地方案：
- 定时触发（cron）→ Agent 醒来，按流程：调"SCADA 数据接口"工具拿出力数据 → 调"预测库"工具拿预测值 → 调"统计分析"工具算偏差 → 调"异常检测"工具标记异常电站；
- 护栏：工具白名单（只允许这 4 个）、最多 10 步循环、关键数据校验（出力非负、总和合理）；
- 输出两版：初稿自动发群，终版必须人工确认后才可归档（监控岗红线：告警类结论必须人来签字）。
案例 C：业财数据对账与解释
需求：两套系统（业务系统 vs 财务系统）的月度数据对不上时，快速定位差异原因。
五问：反复做（是）；私有敏感数据（是）；要可审计（是）；零容错（是）。→ 高风险区，工程 + 强护栏 + 强人工。
落地方案：
- 绝对不上公共网页版（数据合规）；用企业内网 API 或本地小模型；
- 核心逻辑用确定性代码做（对账规则是人写的 if-else / SQL，不用模型判断），大模型只负责"把差异解释成人话"和"生成排查建议清单"；
- 输出必须带"依据行号/凭证号"引用，且每次解释都要有人复核签字。
涉及钱、安全、合规的任务，判断交给规则和代码，大模型只做文字表达。这不是保守，这是行业标准做法——你的岗位职责决定了你必须守住这条线。
8.8 什么时候不值得搭工程
工程有成本：搭建时间、维护、数据准备、评估、护栏。以下情况别搭：
- 一次性任务：做一次就完了，网页版花 10 分钟搞定，何必花两周搭流水线；
- 需求还没想清楚：连"要什么输出"都模糊时，先用网页版试错把需求聊清楚，再决定要不要工程化（先验证价值，再投入成本）；
- 频率太低：一年用三次的流程，维护成本比收益还高；
- 效果没有评估基准：没评估就跑生产，等于没装仪表就开飞机——先做小范围评估。
网页版 = 打车（按次付费，灵活）；搭工程 = 买车（一次性投入，日常通勤才划算）。先打车跑通路线，确认天天要通勤了，再买车。这是最理性的 AI 落地节奏。
8.9 本章小结
- harness = 模型外的一切编排（提示词、工具、记忆、护栏、评估）；改外面比改模型划算得多；
- 五问判断：重复？要数据？要格式？要系统？要审计？——任一"是"就考虑工程；
- 网页版技巧：给角色背景、让它先反问、让它写代码代替算数、要求标注不确定；
- 核心模式：RAG（开卷考试，治幻觉+知识截止）、工具调用（治弱计算）、Agent（自动跑腿，必须上护栏）；
- 落地节奏：先打车后买车；敏感场景让大模型当"文书员"，判断交给代码与规则。
我刚学完"网页对话 vs harness 工程"，请： 1. 用五问框架，帮我评估 3 个我工作中的真实需求（我给你描述，你逐个过五问并给方案）； 2. 解释 RAG 为什么能减少幻觉，它的局限是什么； 3. 设计一个"作业风险周报"的最小 Agent（工具白名单、循环上限、人工确认点）； 4. 出 2 道场景判断题考我（一道该用网页版、一道该搭 RAG），先别给答案。
自测题：配套《自测题与思考题》第 8 章 Q8.1–Q8.6（场景决策题是重点）。
8.10 本节配套视频（B 站，已验证）
以下是第 0 章视频清单中与本章直接对应的部分（2026-09 已验证可访问）。建议读完 8.4–8.5 后观看，边看边对照"六大构件"。
AI 大模型教程：提示词工程 + RAG + LangChain + Agent（保姆级）
覆盖本章全部核心概念：提示词、RAG 工作流、向量检索、Agent 设计模式。看到"LangChain"这类框架名不用慌——它只是把本章讲的构件打包成了工具库。
看完后配合 code/05_调用大模型API.py（含最小 RAG 实现）动手跑一遍，本章就真正落地了。