AI實用攻略︱識用 AI =打字問問題？從 Prompt 到 Harness AI三代演化，2026年職場必備AI技能解析

　　如果你還以為「識用 AI」等於「識打字問問題」，我要老實同你講：你已經落後兩代。

 

　　過去兩年，AI 本身固然進步得好快，但真正變得更快，是「人類點同 AI 溝通」這件事。由 Prompt Engineering，到 Context Engineering，再到 2026 年最新 Harness Engineering——短短兩年間，我們跟 AI 打交道的方式，已經靜悄悄演化了三代。

 

　　你有無見過這個畫面：兩個人用同一個 AI，一個用三兩下手勢將生意變得自動化，另一個用極都覺得「都係得個咁、唔湯唔水」，不覺得效率有大提升？好多人以為分別是你用甚麼 AI，可能啱一半。但事實上，分別可能是使用者是否揀啱工具，及跟AI如何有效溝通。

 

　　講到溝通，其實好諷刺。好多人一坐於電腦前、打開個對話框，不知道輸入甚麼提示。但你叫同事幫手、叫仔女做功課、叫另一半落街買嘢，就講得頭頭是道。點解？因為你潛意識驚 AI 唔明白你講甚麼。但其實，同 AI 溝通，跟同人溝通，本質上是一模一樣。只要搞清楚這一點，你就會發現，所謂的「三代演化」，一點都不難。

 

第一代：Prompt Engineering——學識「點問」

 

　　最初大家講 Prompt Engineering，中文叫「提示工程」，說穿了就是：你點樣開口問。

 

　　一個好的prompt，跟你落一個好的指令沒有分別。你跟夥計講「幫我 book 下星期三下午同陳生開會，順手 send 個 agenda 畀佢」——這句說話，其實已經是一個完美 prompt：有任務、有時間、有對象、有格式要求。你不需要識寫程式，你的指令只要夠具體。

 

　　試比較兩句：第一句「幫我寫封 email」；第二句「幫我寫封 email 畀供應商，語氣客氣但企硬，要求佢兩日內回覆報價，控制喺一百字以內」。你認為哪一句生成出來的結果，你即刻可以用？答案好明顯。兩者分別不是AI工具，而是你有沒有講清楚。這個就是第一代Prompt Engineering的精髓——你講得愈具體，AI 愈不會靠估。

 

　　早幾年流行一個講法，話寫prompt一定要「角色代入」——即是開口第一句要打「你係一位資深營養師⋯⋯」。但今時今日，AI 已經聰明到不需要你每次這樣做。你叫AI寫一個食譜，它自然會用廚師的角度去寫，不會突然用水電工的角度。

 

　　幾時先需要角色代入？答案：當件事涉及「多角度」的時候。舉例，同一條經濟題目，你可以叫AI：一、用保險從業員角度分析；二、用股評人角度分析；三、用經濟學家角度分析。三個角度，會給你三份完全不同的答案。這個時候，角色代入就變成一個「揀立場」的開關，非常有用。

 

　　一句總結：Prompt 解決「你想 AI 做咩」。

 

第二代：Context Engineering——學識「餵料」

 

　　但好快大家就發現，識問，不一定夠。

 

　　2025 年一個新名詞開始於 AI 圈爆紅：Context Engineering（脈絡工程）。這個講法先由 Shopify 行政總裁 Tobi Lütke 提出，一個星期之後，AI 界殿堂級人物 Andrej Karpathy 力撐，指這個詞應該取代 Prompt Engineering。他的定義好精警：所謂 context engineering，就是「將正確的資訊，填入 AI 有限的注意力窗口」。

 

　　講人話：AI 答得好唔好，好多時唔係佢唔叻，而是你有冇提供足夠資料背景。

 

　　同一條問題——「幫我諗個生意計劃」——如果你只是這樣問，得到的答案一定行貨。但如果你告訴AI：「我在香港、預算十萬蚊、目標客戶是後生媽媽、我最叻整手工蛋糕」，甚至提供公司 website、產品 catalog、公司 SOP 流程、宣傳策略建議書等等資料，「餵」同一個 AI，答案即刻貼地十倍。

 

　　你「餵幾多料、餵啲乜料」、之前傾過甚麼，直接決定 AI 的表現。所以現時真正識用 AI 的人，不會急住問，反而會慢慢諗：「呢件事，我有咩背景係應該話畀佢知？」——這個轉變，就是由第一代行到第二代的關鍵。

 

　　一句總結：Context 解決「AI 需要知道甚麼背景」。

 

第三代：Harness Engineering——學識「搭台」

 

　　去到 2026 年演化去到第三代，一個更加新的名詞出現：Harness Engineering。

 

　　如果說Prompt 、Context 仍是「你問我答」的範疇，Harness Engineering 就是一個全新層次——它處理如何令 AI「自己一步一步做完成件事」。這個亦是現時所謂 AI Agent（AI 代理）背後的核心。

 

　　Harness，直譯「馬具、韁繩」，指你為 AI 搭建一套框架及環境：AI 代理有何工具用、做錯要如何檢查、是否記得之前做過的步驟、有何規矩不可以打破。

 

　　打個比喻：Prompt，是你交帶佢做一件事；Context，是你講清楚件事的背景；Harness，就是你開一間公司，設定好流程及守則，然後放手予員工（AI）自己「跑」運作。

 

　　舉個貼地例子。現時有些開源工具，如OpenClaw 這類 AI agent，你可以於自己部電腦上面「跑」，AI agent自動幫你工作。你不會只打一句「幫我跟進啲工作」就算數——你要先為AI agent架設好harness，即是先設定清楚幾件事：一，工具——容許AI agent用哪一些（睇 email、開網頁、寫檔案）；二，規矩——有何絕對不可以做（例如未經同意不可以自動回覆客戶、不可以胡亂刪減）；三，記憶——有甚麼東西AI agent要記住（例如客戶進度、哪些已經處理）；四，交代——AI agent每做完一步要留下記錄讓你檢查。你將流程及守則一次過設定好，之後AI agent 就可以自己一步一步 loop 著幫你「跑」成件事。這個「設定框架」的過程，就是 Harness Engineering。

 

　　第三代Harness Engineering為何重要？有業界分析指出，多達 65% 企業 AI 項目失敗，不是因為 AI 模型差，而是因為個 harness（框架）沒有搭好。亦有工程團隊試過完全不轉換AI模型，只是整理好 Harness的設定框架，就令AI 表現於一個公開評測入面，由第三十名跳升到第五名。

 

　　換句話說，未來衡量一個人「識唔識用 AI」，已經不是只睇佢識唔識問，而是睇佢識唔識為 AI 設計一個好的工作環境。

 

結語

 

　　由 Prompt 到 Context 到 Harness——識問、識餵料、識搭台——短短兩年，同 AI 溝通的門檻提升了三代。聽下來仿似好技術層面，但其實由頭到尾講同一件事：同 AI 溝通，就是同人溝通。

 

　　你不用識寫一行程式碼。你只要記住，當你對住 AI 講不出指令時，回想你平時如何同身邊人交帶事情——講得清楚、提供背景、放手信任——你已經贏了一半。

 

　　這個正正是我們想同大家一齊行的方向。

 

Leonard Lam

香港AI培訓學院

https://www.hkai-solve-academy.com/