提示词工程会消失，目标工程的第一关是方便人类挑错

LangChain的Harrison Chase和Actively AI的mgarimella写了一篇关于goal engineering的文章。原文链接放这里：Goal Engineering: How to Design Goals。核心判断很直接：设计agent目标时，先看人类能不能轻松给出高质量反馈。反馈是对齐agent和人类心智模型最难提取的东西，也是最容易被目标设计忽略的东西。

agent出错，常见原因是缺上下文。文档、API这类上下文好补。难补的是专家脑子里那套判断：广告文案什么调性、品牌能多大胆、一封outbound邮件该多激进。这些没写在任何地方，只能靠人审、人改，再喂回给agent。所以目标scope和review UX要一起设计。原文说，如果一个agent的scope能让人类高频给出高质量反馈，这个agent就更容易可靠地追长周期目标。

Actively AI的案例很具体。第一版按account切，一个agent负责一个潜在客户，产出动作让销售批。听起来合理。实际用起来，销售同时能审的东西少，得在多个agent之间来回切。更麻烦的是，某个账户里学到的outbound经验，很难迁移到其他账户。第二版改成按motion切。motion是一类工作，比如outbound、早期deal推进。一个motion跨多个账户，同类任务能批量审，反馈也天然复用。账户上下文仍然重要，只是交给后台agent去收集。

图源：Harrison Chase推文。

回复里有人补了几刀。John Rood说，目标里真正约束agent的是它不能做什么；只给一个目标，agent会字面优化，最后技术上完成。Kawai说，模糊目标最快烧token。Amir说，多数agent目标像新年决心，很有雄心，二月就放弃。Victor说，motions像销售团队本来就有的分工，很多goal engineering最后在抄组织架构。这些话不客气，但都指向同一件事：目标要能被人审、被人改、被人复用。

原文甚至给了个很重的判断：prompt engineering和context engineering会消失，goal engineering会留下。这个判断可以继续争，但它点出一个现实。agent接开放目标后，人类反馈接口就是系统的一部分。目标要成为人类挑错的入口，别写成给agent看的漂亮话。

相关链接：
Harrison Chase的推文
原始素材推文