Agent开发-幻觉是不是AI时代的魔咒-新词Harness Engineering

项目中有一个参数cpeModel ，是固定的枚举项，希望在大模型询问参数时，给出固定的选项，在 Tool 参数上，描述一下：

@ToolParam(description = "必须让用户确认选择cpeModel，可选值只能是CPE2;CPE6;CPE6CF9;CPE15;CPE15CF4;CPE19其中一个") @NotNull String cpeModel

这样就达到了效果，从没有出现幻觉现象。

最近在项目中引入skill，系统提示词大幅减小，却出现了幻觉

模型输出类似：

• CD65_CPE_Standard

• CD65_CPE_Advanced

• CD65_CPE_Quality

• CPEv2

• CPEv3

• CPE-AI

从当前项目代码和 skill 契约来看，这些都不是正式允许值，因此属于幻觉式扩展。

这就奇怪，现在的Tool定义上也有，而且在SKILL.md文件中也特意说明

如果用户尚未提供 `cpeModel`，你必须只展示正式允许值列表，并要求用户从中选择。
禁止补充任何额外示例、行业常见名、产品名、历史名、猜测值，禁止使用“常见模型包括”“例如”“或者其他模型名称”这类会诱导扩展的表达。

固定回答格式：

请从以下正式 cpeModel 中选择一个：
- CPE2
- CPE6
- CPE6CF9
- CPE15
- CPE15CF4
- CPE19

虽然这样写了，但有时还是会幻觉，特地还写了一个tool，强制输出枚举项

在SKILL.md里面写上当需要枚举参数确认时，调用这个tool来确认

可过两天测试又正常了，不再需要这个参数确认的tool

最近又有一个新词叫：Harness Engineering

Prompt Engineering管的是「说什么」，Context Engineering管的是「知道什么」，Harness Engineering管的是「在什么环境里做事」

技术上来说，Harness 是包裹在 AI Agent 外面的那层基础设施，负责管理：

• 工具调用（Tool Use）

• 上下文记忆（Context / Memory）

• 错误重试（Retry）

• 人工审批节点（Human-in-the-loop）

• 架构约束和代码规范检查

主要就是来应对模型的幻觉和执行的漂移

模型的幻觉 指模型生成内容时，编造出看似合理但事实上错误、无依据的信息。

• 根源：大模型本质是概率生成器，它在“续写”时没有内置的事实核查机制；训练数据中的偏差、知识截止后的新事实、过度自信的生成都会导致幻觉。

• 表现：在事实性问答、代码生成、逻辑推理中常见，尤其在模型不确定时反而会“自信地胡说”。

执行的漂移 指在复杂任务（尤其是多步、长周期、与环境交互的任务）中，模型逐渐偏离原始目标、违反约束或进入无效状态。

• 根源：自回归误差累积、缺乏全局规划、对中间反馈的误判。

• 表现：例如Agent在调用API时循环调用、智能体在完成多步任务时忘记最初指令、模型输出逐渐超出安全边界等。