身為解決方案架構師，ChatGPT 出現後每天和客戶通靈的案件多了 10 倍：為何 AI 回答不好？為何燒這麼多 token？為什麼今天就變笨了？這場議程從「同一個 prompt、結果天差地遠」的對比開場，帶你找病根——常常不在模型智力，而在模型周圍的系統。我們會從真實踩坑案例一路走到 Harness Engineering：模型不動，改造它周圍的世界。

聽眾收穫：

沒有賣藥環節。你會帶走三樣東西：一套通靈 SOP——AI 出事時先問是模型還是 Harness 的鍋；一張對症下藥表——不穩定、燒 token、context 塞爆各有解法（routing、caching、compaction、verification gates）；還有一場真實災難 trace 的完整解剖。建議至少用過 Claude Code/OpenClaw 等 agentic 工具，會更有感。