Nel febbraio 2026, un piccolo team di OpenAI ha rilasciato 1 milione di righe di codice in produzione.
Non ne hanno scritta una singola riga a mano.
Gli agenti AI l'hanno scritto.
Gli umani hanno progettato il sistema che ha reso gli agenti affidabili.
Questo sistema ha ora un nome.
Ingegneria dell'Harness.
Nel giro di poche settimane, Anthropic ha pubblicato 3 articoli sull'argomento.
ThoughtWorks ha formalizzato un framework.
Philipp Schmid di Hugging Face l'ha definita "la disciplina più importante del 2026."
Una nuova disciplina ingegneristica si è materializzata in 90 giorni.
E quasi nessuno al di fuori dei team di infrastruttura AI la capisce ancora.
Questo articolo spiega tutto.
Niente fronzoli. Nessun gergo accademico. Solo i modelli mentali di cui hai bisogno per usarla davvero.
Salva questo articolo. Lo leggerai due volte.
PARTE 1: COS'È REALMENTE UN HARNESS (Il concetto che cambia il tuo modo di pensare all'AI)
1. La Definizione di Harness
La definizione più semplice arriva da ThoughtWorks:
→ Agente = Modello + Harness
L'harness è tutto ciò che non è il modello.
I vincoli che tengono l'agente in carreggiata. I cicli di feedback che catturano gli errori. La documentazione che dice all'agente dove si trova. Gli strumenti che ha il permesso di usare.
Rimuovi l'harness → modello linguistico grezzo che naviga a tentativi nella tua codebase.
Aggiungi l'harness giusto → sistema che rilascia codice in produzione.
Il nome deriva dall'equitazione.
Un'imbracatura è le redini, la sella e il morso che incanalano un animale potente ma imprevedibile in una direzione utile.
Non rendi il cavallo più intelligente. Progetti l'attrezzatura che rende utile la sua forza.
2. L'Analogia con il Sistema Operativo
Philipp Schmid ha fornito la migliore inquadratura tecnica:
Pensala come a un computer.
→ Modello = CPU (potenza di elaborazione grezza)
→ Finestra di contesto = RAM (memoria di lavoro limitata e volatile)
→ Harness = Sistema Operativo (gestisce cosa vede la CPU e quando)
→ Agente = L'Applicazione che gira sopra
Il tuo modello è potente.
Ma senza un Sistema Operativo che gestisca la memoria, pianifichi i compiti e applichi le regole — è solo silicio.
La maggior parte delle persone usa app senza sistema operativo.
Ecco perché i loro agenti falliscono in produzione.
3. Cosa è Cambiato nel 2026
LangChain ha eseguito lo stesso modello su Terminal Bench 2.0 due volte.
Stesso modello. Harness diverso.
→ Vecchio harness: punteggio 52,8%
→ Nuovo harness: punteggio 66,5%
Vercel è andata nella direzione opposta.
Hanno rimosso l'80% degli strumenti del loro agente.
Risultato? Prestazioni migliori.
Non peggiori.
La scomoda verità del 2026:
→ L'agente non è mai stato la parte difficile.
→ L'harness lo è.
Se il 2025 è stato l'anno in cui gli agenti AI hanno dimostrato di saper scrivere codice…
il 2026 è l'anno in cui abbiamo scoperto che l'ambiente conta più del modello.
PARTE 2: I 5 ARTEFATTI DELL'HARNESS (Come si presenta un harness nella pratica)
4. File AGENT.md / CLAUDE.md
L'artefatto dell'harness più universale.
File Markdown distribuiti in tutta la tua codebase.
L'agente li legge all'inizio di ogni sessione — come i documenti di onboarding per un nuovo ingegnere che si unisce al team.
Cosa contengono:
→ Contesto del progetto
→ Convenzioni di codifica
→ Decisioni architetturali
→ Guida "Come facciamo le cose qui"
→ Cosa è attualmente in corso
OpenAI li chiama AGENT.md.
Anthropic li chiama CLAUDE.md.
Cursor usa .cursorrules.
Nomi diversi. Stesso principio.
Un file per ogni modulo principale. Aggiornato man mano che il progetto evolve.
Senza di essi: l'agente inizia ogni sessione alla cieca. Con essi: l'agente inizia ogni sessione informato.
5. Liste di Funzionalità JSON (Il Tracciatore di Progresso)
Quando un agente costruisce un'intera app in più sessioni, inizia ogni sessione con una finestra di contesto vuota.
Come fa a sapere cosa è già stato fatto?
Un file JSON.
Ogni voce definisce:
→ Una funzionalità
→ Come verificare che funzioni
→ Stato Superato / Non Superato
L'agente legge questo all'inizio della sessione. Sceglie la funzionalità non superata con la priorità più alta. La implementa. La segna come superata. Fa il commit. Ripete.
Perché JSON e non Markdown?
Anthropic ha scoperto che gli agenti hanno meno probabilità di sovrascrivere accidentalmente JSON rispetto a Markdown.
Piccolo dettaglio. Conta molto in esecuzioni autonome di 6 ore.
6. Routine di Inizializzazione della Sessione
Ogni sessione inizia allo stesso modo.
Ogni. Singola. Volta.
La sequenza di avvio in 7 passi di Anthropic:
- Confermare la directory di lavoro
- Leggere i log git e i file di avanzamento
- Controllare la lista delle funzionalità per l'elemento incompleto con priorità più alta
- Avviare il server di sviluppo
- Eseguire una verifica end-to-end di base
- Implementare una funzionalità
- Fare il commit con un messaggio descrittivo + aggiornare l'avanzamento
Senza questa:
L'agente spreca i primi 20 minuti per capire cosa esiste già.
Ogni sessione reinventa la ruota.
Con questa:
L'agente inizia immediatamente informato e passa direttamente al lavoro.
7. Contratti di Sprint
Prima che l'agente scriva una singola riga di codice:
Due agenti negoziano.
L'agente generatore propone:
→ Cosa costruirà
→ Come verrà verificato il successo
L'agente valutatore esamina:
→ La proposta è completa?
→ I criteri di successo sono chiari?
Solo dopo che entrambi sono d'accordo, inizia l'implementazione.
È una revisione di progettazione.
Tranne che entrambi i partecipanti sono AI.
Perché è importante?
Gli agenti che pianificano ed eseguono nello stesso passaggio producono output inaffidabili.
Il passaggio di pianificazione — anche se fatto dall'AI — migliora drasticamente la qualità dell'output.
8. Template di Attività Strutturati
Prima di qualsiasi codifica:
L'harness analizza la codebase reale.
Produce una mappa d'impatto fondata:
→ Percorsi di file reali (non allucinati)
→ Nomi di simboli reali che esistono effettivamente
→ Pattern esistenti da seguire
→ Criteri di accettazione concreti
Poi inizia l'implementazione.
Sembra ovvio.
Ma la maggior parte dei team lo salta.
L'agente indovina le strutture dei file. Inventa endpoint API che non esistono. Costruisce qualcosa che non si adatta alla codebase.
Contesto fondato prima dell'esecuzione → output enormemente migliore.
PARTE 3: I TRE SCHIERAMENTI (Tre team hanno colpito lo stesso muro — e hanno costruito tre scale diverse)
9. OpenAI: Ambiente al Primo Posto
Il team Codex di OpenAI aveva un problema assurdo.
1 milione di righe di codice in produzione. Zero scritte a mano.
A quella scala, non puoi fare code-review su ogni riga.
Quindi non l'hanno fatto.
Invece:
Hanno progettato l'ambiente in modo così completo che gli agenti producevano output revisionabile fin dall'inizio.
Il loro approccio:
→ Flussi di dipendenza rigorosi (Tipi → Config → Repo → Servizio → Runtime → UI)
→ File AGENT.md in tutta la codebase
→ Agenti collegati direttamente alle pipeline CI/CD
La filosofia: Progetta l'ambiente. Poi lascia libero l'agente.
La prova: App Sora Android. 4 ingegneri. 28 giorni. #1 sul Play Store. 99,9% senza crash.
Codex ha gestito il 70% delle richieste pull interne settimanalmente.
10. Anthropic: Separa Chi Fa da Chi Giudica
Anthropic aveva un problema diverso.
Quando chiedevano all'agente di valutare il proprio output:
Lodava con sicurezza il lavoro.
Anche quando, a un osservatore umano, la qualità era ovviamente mediocre.
L'autovalutazione non funziona.
L'agente era sia lo studente che l'insegnante.
E si stava dando tutti 10.
La loro soluzione: Tre agenti specializzati.
→ Pianificatore — trasforma un prompt di 2 frasi in una specifica completa del prodotto
→ Generatore — implementa le funzionalità uno sprint alla volta
→ Valutatore — usa l'automazione del browser per testare l'app in esecuzione come un vero utente
L'intuizione: rendere scettico un valutatore indipendente è molto più facile che rendere un generatore critico del proprio lavoro.
Risultato: Agente singolo (senza harness): $9, 20 minuti
→ app rotta Harness completo: $200, 6 ore
→ software funzionante con UI rifinita
11. ThoughtWorks: Il Framework 2×2
ThoughtWorks è arrivato da un'angolazione diversa.
Non stavano costruendo un prodotto.
Stavano guardando 50+ team di ingegneria fallire sulle stesse cose.
La loro intuizione: classificare ogni controllo dell'harness lungo due assi.
Asse 1: Quando viene eseguito?
→ Feedforward = prima che l'agente agisca (guide)
→ Feedback = dopo che l'agente agisce (sensori)
Asse 2: Come funziona?
→ Computazionale = deterministico, millisecondi (linter, type checker, suite di test)
→ Inferenziale = usa un LLM, secondi (agente di code review, analisi semantica)
La matrice 2×2:
→ Feedforward Computazionale: sistemi di tipo, linter, regole architetturali
→ Feedback Computazionale: suite di test, analisi di copertura, mutation testing
→ Feedforward Inferenziale: documenti di specifica, descrizioni di vincoli
→ Feedback Inferenziale: revisori di codice LLM, validatori di comportamento
Né il solo feedforward né il solo feedback funzionano.
Servono entrambi.
PARTE 4: I 5 PRINCIPI SU CUI TUTTI GLI SCHIERAMENTI CONCORDANO (Tre team non si sono mai coordinati. Sono arrivati qui indipendentemente.)
12. Principio 1: Il Contesto Batte le Istruzioni
OpenAI: "Dai una mappa, non un manuale di 1.000 pagine."
Anthropic: Liste di funzionalità JSON e file di avanzamento così gli agenti sanno sempre dove sono.
Red Hat: Analizza la codebase reale prima di generare qualsiasi attività.
ThoughtWorks: "Feedforward."
Parole diverse. Stessa scoperta.
Mostrare all'agente lo stato attuale del mondo supera costantemente dirgli cosa fare in modo astratto.
→ Fondato su percorsi di file reali
→ codice che si adatta alla codebase
→ Lavorare da una descrizione vaga
→ percorsi di file allucinati e API inventate
La lezione: Prima che l'agente scriva qualcosa, assicurati che sappia esattamente dove si trova.
13. Principio 2: Pianificazione ed Esecuzione Devono Essere Separate
OpenAI: gli umani progettano l'ambiente, gli agenti eseguono.
Anthropic: l'agente Pianificatore dedicato viene eseguito prima che il Generatore tocchi qualsiasi codice.
ThoughtWorks: checkpoint di revisione umana obbligatorio tra pianificazione e implementazione.
Red Hat: Fase 1 (mappa d'impatto) e Fase 2 (implementazione) con un gate rigido tra di esse.
Ogni schieramento l'ha scoperto indipendentemente:
Permettere a un agente di pianificare ed eseguire nello stesso passaggio produce output inaffidabili.
Il passaggio di pianificazione non deve essere fatto da un umano.
Ma deve essere un passaggio separato, con il suo output revisionato prima che inizi l'implementazione.
14. Principio 3: I Cicli di Feedback Sono Non Negoziabili
OpenAI: agenti collegati a sistemi CI/CD e di osservabilità.
Anthropic: agente Valutatore dedicato che usa l'automazione del browser.
ThoughtWorks: formalizzato come "sensori." Avvertito che gli approcci solo feedforward non confermano mai se le guide funzionano effettivamente.
Tre approcci allo stesso principio:
→ OpenAI usa test automatizzati e CI
→ Anthropic usa un altro LLM
→ ThoughtWorks dice di usarli entrambi, a strati
Non sono d'accordo su chi fornisce il feedback.
Non sono in disaccordo sul fatto che tu ne abbia bisogno.
Un harness senza feedback è solo un prompt con passaggi extra.
15. Principio 4: Una Cosa per Volta
OpenAI: suddivide gli obiettivi in blocchi di costruzione più piccoli, lavora in profondità.
Anthropic: impone una funzionalità per sprint con un commit dopo ciascuna.
ThoughtWorks: ciclo di vita a fasi (pre-integrazione → post-integrazione → monitoraggio continuo).
Gli agenti che cercano di fare troppo in una volta:
→ Esauriscono il contesto
→ Perdono coerenza
→ Abbandonano silenziosamente i requisiti
La routine di Anthropic:
Leggi l'avanzamento → Scegli UNA funzionalità → Implementa → Committa → Ripeti
L'incrementalismo forzato è universale in ogni harness di successo.
16. Principio 5: La Codebase È la Documentazione
OpenAI: incorpora i file AGENT.md nel repository.
Anthropic: memorizza le liste di funzionalità, i file di avanzamento e la cronologia git come meccanismo di continuità dell'agente.
ThoughtWorks: misura la "harnessabilità" — quanto la codebase è leggibile per gli agenti.
Nessuno mantiene una knowledge base separata per l'agente.
Il repository è l'unica fonte di verità.
Se una convenzione, un vincolo o una decisione architetturale non è nella codebase — l'agente non lo saprà.
Implicazione pratica:
→ I team che investono nell'organizzazione del codice ottengono prestazioni migliori dell'agente gratuitamente.
→ Repository disordinati + agenti AI = caos, ma su larga scala.
PARTE 5: IL PARADOSSO — COSTRUIRE PER CANCELLARE (La verità più controintuitiva nell'ingegneria dell'harness)
17. Il Decadimento dell'Harness È Reale
Quando Anthropic è passato da Opus 4.5 a Opus 4.6:
La scomposizione degli sprint — che era stata essenziale — è diventata zavorra.
La migliore pianificazione del modello l'ha resa ridondante.
Un componente dell'harness che era portante a marzo era un costo inutile ad aprile.
Poi è arrivato Opus 4.7.
Il modello ha iniziato a verificare i propri output.
La descrizione del lavoro dell'agente Valutatore ha iniziato a ridursi.
Questo è il decadimento dell'harness.
Ogni componente in un harness codifica un'ipotesi su ciò che il modello non può fare.
Man mano che i modelli migliorano → quelle ipotesi scadono → il componente diventa un costo inutile.
Opus 4.5: scomposizione degli sprint + valutazione per sprint
Opus 4.6: nessuna scomposizione degli sprint + valutazione a passaggio singolo (risparmia il 38% dei costi)
Opus 4.7: il modello inizia ad auto-verificarsi → il ruolo del valutatore si riduce ulteriormente
18. Costruire per Cancellare
Il consiglio di Philipp Schmid:
"Costruisci per cancellare."
Progetta ogni componente dell'harness in modo che sia rimovibile.
Testa ogni componente periodicamente disattivandolo e misurando se la qualità dell'output cambia.
Se non cambia: cancellalo.
Manus ha rifattorizzato il suo harness 5 volte in 6 mesi. LangChain lo ha ristrutturato 3 volte in 1 anno. Vercel ha rimosso l'80% degli strumenti → ha ottenuto prestazioni migliori.
Questi non sono segni di cattiva ingegneria.
Sono la conseguenza naturale del costruire sopra modelli in rapido miglioramento.
Trasportare componenti di harness morti costa token in ogni singola esecuzione. Zero qualità extra. Puro spreco.
19. La Realtà dei Costi
I numeri onesti dal test A/B di Anthropic:
→ Agente singolo (senza harness): $9, 20 minuti
→ UI funzionante, funzionalità principali rotte
→ Harness completo (Opus 4.5): $200, 6 ore
→ software funzionante, UI rifinita, fisica corretta
Questo è un aumento dei costi di 22 volte.
Per un prodotto funzionante contro una demo che sembra a posto solo negli screenshot.
Che sia costoso o economico dipende interamente da quanto costa al tuo team un rilascio difettoso.
Ma ecco cosa nessuno dice:
La combinazione harness + modello evolve.
L'harness da $200 è diventato $124 con un aggiornamento del modello.
La linea di tendenza:
→ Modello migliore = harness più semplice = esecuzione più economica = output più veloce
Gli ingegneri che stanno vincendo nel 2026 non stanno scrivendo il codice migliore.
Stanno progettando i vincoli migliori.
E poi sono disposti a buttare via quei vincoli nel momento in cui smettono di guadagnarsi il loro posto.
CONCLUSIONE
Tutto ciò che hai appena imparato:
Cos'è un harness:
→ 1. Agente = Modello + Harness
→ 2. Modello = CPU. Harness = Sistema Operativo.
→ 3. Stesso modello, harness migliore = +13% di prestazioni
I 5 artefatti dell'harness:
→ 4. CLAUDE.md / AGENT.md — documenti di onboarding per agenti
→ 5. Liste di funzionalità JSON — tracciatore di progresso + suite di test in uno
→ 6. Routine di inizializzazione della sessione — stessa sequenza di 7 passi ogni volta
→ 7. Contratti di sprint — gli agenti negoziano prima di codificare
→ 8. Template di attività strutturati — percorsi di file reali, pattern reali
I tre schieramenti:
→ 9. OpenAI: progetta l'ambiente, lascia libero l'agente
→ 10. Anthropic: separa chi fa da chi giudica
→ 11. ThoughtWorks: framework 2×2 feedforward/feedback
I 5 principi universali:
→ 12. Il contesto batte le istruzioni
→ 13. Pianificazione ed esecuzione devono essere separate
→ 14. I cicli di feedback sono non negoziabili
→ 15. Una cosa per volta
→ 16. La codebase è la documentazione
Il paradosso:
→ 17. Decadimento dell'harness — ciò che funzionava il mese scorso danneggia questo mese
→ 18. Costruire per cancellare — testa e rimuovi i componenti morti
→ 19. La realtà dei costi — modello migliore = harness più semplice = esecuzione più economica
Gli ingegneri che stanno vincendo nel 2026 non stanno scrivendo il codice migliore.
Stanno progettando i vincoli migliori.
Ed essere disposti a buttare via quei vincoli nel momento in cui smettono di guadagnarsi il loro posto.
Se questo è stato utile:
→ Ripubblica per raggiungere i costruttori nella tua rete
→ Segui @sairahul1 per altri contenuti come questo ogni settimana
→ Aggiungilo ai segnalibri — lo consulterai quando i tuoi agenti inizieranno a comportarsi male
Scrivo di AI, costruzione di prodotti e cosa sta funzionando davvero nel 2026.
