「AIエンジニアリングの4つの主要プロジェクト（プロンプト、コンテキスト、ハーネス、ループ）の詳細な解説」（PDFファイル）

《Prompt /コンテキスト/ハーネス/ループビッグフォーAI「エンジニアリングの詳細」は、Zhiwang TechnologyのModel Spaceが発表した55ページにわたる詳細なレポートで、体系的に提案されています...Prompt主要な4つの構成要素は、コンテキスト、ハーネス、ループである。AIこのエンジニアリングシステムは、意図の表現、情報の提供、安全な実行から自律的なループに至るまでのチェーン全体を網羅しています。本レポートでは、以下のことを提案しています。AIこのプロジェクトは、単一の質疑応答セッションから、相乗効果を発揮し、かつ互いに代替不可能な機能を持つ4つの階層からなる機能群が連携して動作する、クローズドループ実行モデルへと進化しています。各階層は不可欠な要素です。構造化されたアプローチの詳細な説明も提供します。Promptテンプレート、RAG検索機能強化、Agent砂場での安全対策自動ワークフローの最適化やスキル蓄積といった、エンジニアリングにおける実装手法。

QRコードをスキャンして公式WeChatアカウントをフォローし、以下のコードを返信してください。20260619，無料PDFレポートを入手する

基本的なインタラクションから自律的なループまで—AIエンジニアリングの進化

• AIプロジェクトの焦点は、正確な解答を生成することから、クローズドループ実行へと移行した。
• 当初は単一の質疑応答モデルでしたが、現在では、理解、情報検索、行動、検証、フィードバックからなる実行チェーンが必要となっています。
• 4層構造の進化アーキテクチャを提案する。：Prompt エンジニアリング（表現）、コンテキストエンジニアリング（情報）、ハーネスエンジニアリング（実行）、ループエンジニアリング（閉ループ）。
• これら4つの層は既存のものを置き換えるものではなく、むしろ協力して追加していくものである。：Promptタスクを定義し、コンテキストが証拠を提供し、ハーネスがそれを安全に実行し、ループがフィードバックを読み取る。
• 反例からの警告：のみPrompt事実が欠如しており、行動を伴わない文脈のみがあり、目標のないハーネスのみがあり、アイドル状態になりやすいループのみがある。

Prompt 工学――意図の正確な表現

• 主要目標漠然とした意図を実行可能なタスクに変換し、入力構造、タスク指示、コンテキスト境界、例、および出力プロトコルを通じてモデルの動作を制御する。
• 5つの主要要素: アイデンティティ（限定された視点）、タスク（明確な目的）、コンテキスト（背景情報）、制約（境界を定義する）、出力（フォーマットを指定する）。
• ヒント1 – 少額の買い物t: いくつかの例を使用して、暗黙のビジネス標準、出力形式、境界ケースを具体化します。これは、すべてのルールを記述するのが難しいタスクに適しています。
• ヒント2 – CoTと自己一貫性CoTは複雑なタスクを導出のためのステップに分解し、自己一貫性はマルチパス推論投票によって単一項目バイアスを低減します。
• 制御条件と出力構造同じタスクでも、役割（アーキテクト／カスタマーサービス／プロダクトマネージャー）、対象者（技術チーム／一般ユーザー／経営陣）、シナリオ（障害レビュー／顧客通知／意思決定報告）に応じて、異なる構造で出力することができます。
• エンジニアリング実装[以下]を達成するために、テンプレートライブラリ、サンプルライブラリ、バージョン管理システム、および障害サンプルライブラリを確立する。Promptバージョン管理が可能で、測定可能で、ロールバックも可能です。

コンテキストエンジニアリング ― 知識と記憶への窓

• 主要目標モデルが適切な情報を適切なタイミングで参照できるようにするために、コンテキストパッケージは、取得、フィルタリング、ソート、圧縮、権限フィルタリング、および参照バインディングを通じて生成されます。
• コンテキストウィンドウ管理The original documents, historical conversations, and tool returns are organized into six major blocks according to priority: system instructions, current tasks, key evidence, recent conversations, tool results, and work status.
• RAGシステムオフラインインデックス作成では、文書の収集、クリーニング、セグメンテーション、ベクトル化、およびインデックス構築が完了します。オンライン推論では、クエリ書き換え、再現率、再ランキング、コンテキストアセンブリ、モデル生成、および参照出力を通じて回答生成が完了します。
• Agentic RAGの進化今回のアップグレードは、単一のデータ取得から、クエリの書き換え、サブクエリへの分割、または継続的なデータ取得が必要かどうかを事前に判断するモデルへの移行を意味します。
• コンテキストアセンブラこの関数は、入力された資料の優先順位付け、重複排除、競合の検出、権限のフィルタリング、およびフォーマットを行い、使用可能なコンテキストパッケージを出力します。
• 長文文書処理重複排除とトリミング、要約の圧縮、証拠の特定、重要な断片の抽出に加え、要約の作成と証拠の検索を組み合わせることで、長時間の作業をサポートします。
• マルチモーダル対処するテキスト、画像、表、コード、ログ、ウェブページのスクリーンショットの処理を統合し、領域位置特定、表構造化、コード意味解析、ログ集約、スクリーンショット認識を経て、統一されたコンテキストパッケージを生成します。

ハーネスエンジニアリング – システム安全バリア

• 背景2025Agent爆発的なパワーは持っているものの、信頼性に欠け、無限ループ、記憶喪失、ルール無視、基本的なエラーといった問題を抱えている。
• システム類推このモデルはCPUのように機能し、計算能力を提供します。コンテキストはメモリのように機能し、情報を格納します。そしてHarnessはオペレーティングシステムのように機能し、スケジューリングを担当します。Agentまるでアプリケーションがタスクを完了したかのようだ。
• ETCLOVGフレームワーク実行環境（E）、ツールインターフェース（T）、コンテキストとメモリ（C）、ライフサイクルとオーケストレーション（L）、可観測性（O）、検証と評価（V）、ガバナンスとセキュリティ（G）。
• 実行環境サンドボックス化による安全な隔離（コード／コマンド／ネットワーク制限）と再現性の実現ワンクリックリセット（初期状態との整合性）と自律性の向上（手動承認の削減）。

• ツールインターフェース: MCP (モデルコンテキストプロトコル) および A2A (Agent-to-Agent標準化されたプロトコルは、モデルがソフトウェアのインターフェース、API、またはコマンドラインを直接操作できないという問題に対処するために使用されます。
• メモリ管理3層システムを構築する：短期コンテキスト（ワーキングメモリ）、中期セッションメモリ（セッションレベルキャッシュ）、長期永続メモリ（ベクトル／グラフデータベース）。
• ライフサイクルオーケストレーション：1つ知的体サイクル（ReAct：考える-行動する-観察する-振り返る）、複数知的体オーケストレーション（計画担当者、実行担当者、レビュー担当者間の分業）、およびパイプライン全体（GitHub Issue → 開発 → テスト → PR）。
• 可観測性リンク追跡（モデル／ツール／コンテキストの変更）、コストおよびパフォーマンス監視（トークン消費量、推論遅延）、障害対応および保守（循環呼び出し、環境異常、推論失敗）。
• 検証と評価プロセスは、最終スコアのみに焦点を当てることから、タスク定義、実行前検証、データ収集、多次元評価（結果／ツールの合理性／効率性／コンプライアンス）、および回帰反復を含む包括的な品質管理へとアップグレードされました。
• ガバナンスとセキュリティアクセス制御（ファイル、ネットワーク、ツールに対するきめ細かな認可）、実行フック（チェックポイントの前後、違反の傍受）、コンポーネントの強化（サンドボックスからの脱出防止、インジェクションプロンプトの防止）、監査およびコンプライアンス。
• トリレンマ品質、スピード、コストは反比例の関係にあり、具体的な状況に応じてトレードオフを行う必要がある。

ループエンジニアリング – ループの設計と自律実行

• コア変革人間による継続的な手動運転から知的体人間の設計サイクルへの進化、サイクル自動ドライブ知的体。
• 外部循環と内部循環外側のループは次のラウンドを開始するかどうかを決定し、内側のループはこのラウンドで何を行うかを決定する役割を担います。
• 6つの主要構成要素：
  • Automationsスケジュールされたトリガー、ステータススキャン、および障害概要。
  • Worktrees並列タスクを分離して多重化を回避する知的体ファイルの上書きとコードの競合。
  • SkillsSKILL.md を通じてプロジェクトに関する知識（標準、プロセス、落とし穴など）を蓄積し、一度設定すれば継続的に再利用できます。
  • Plugins & ConnectorsMCPを介して、チケットシステム、データベース、Slack、CI、APIなどの実世界の環境に接続できます。
  • Sub-Agents役割分担（探索、開発、レビュー、検証）は、自己レビューの盲点を解消し、相互検証を可能にする。
  • Memory外部の永続メモリ（Markdown、タスクボード、ステータスファイルなど）を使用することで、再起動後に内容を忘れてしまうという問題を解決し、ループ間でのシームレスな継続が可能になります。
  • 4つの主要プロジェクトを1文で要約すると：Prompt解決策は質問の仕方にある。文脈が解決の助けとなる。AIハーネスは何かを見つけると、それを解決する。AIループは動作環境を決定します。AI1つのステップを完了したら、次に何をすべきでしょうか？
  • 3段階の進化ステージ1指示駆動（Prompt Engineering，単純フェーズ1：情報駆動型（コンテキスト＋ハーネス、複数ラウンドの対話／ツール呼び出し、手動による介入が必要）→ フェーズ2：システム駆動型（ループエンジニアリング、長期サイクル／複数ステップ／自律的反復）。
  • 自然モデルへの指示書の作成から、モデルへの情報と環境の提供、そして自律的に動作するシステムの構築まで。

  QRコードをスキャンして公式WeChatアカウントをフォローし、以下のコードを返信してください。20260619，無料PDFレポートを入手する