Em fevereiro de 2026, uma pequena equipe da OpenAI enviou 1 milhão de linhas de código de produção.
Eles não escreveram uma única linha manualmente.
Os agentes de IA escreveram.
Os humanos projetaram o sistema que tornou os agentes confiáveis.
Esse sistema tem um nome agora.
Engenharia de Harness.
Em questão de semanas, a Anthropic publicou 3 artigos sobre o assunto.
A ThoughtWorks formalizou um framework.
Philipp Schmid, da Hugging Face, chamou-a de "a disciplina mais importante de 2026."
Uma nova disciplina de engenharia se materializou em 90 dias.
E quase ninguém fora das equipes de infraestrutura de IA a entende ainda.
Este artigo explica tudo.
Sem enrolação. Sem jargão acadêmico. Apenas os modelos mentais que você precisa para realmente usar isso.
Salve isto. Você vai ler duas vezes.
PARTE 1: O QUE É UMA HARNESS DE FATO (O conceito que muda como você pensa sobre IA)
1. A Definição de Harness
A definição mais simples vem da ThoughtWorks:
→ Agente = Modelo + Harness
A harness é tudo que não é o modelo.
As restrições que mantêm o agente no caminho certo. Os loops de feedback que capturam erros. A documentação que diz ao agente onde ele está. As ferramentas que ele tem permissão para usar.
Remova a harness → modelo de linguagem bruto tentando adivinhar o caminho pelo seu código.
Adicione a harness certa → sistema que envia código de produção.
O nome vem dos arreios de cavalo.
Uma harness é as rédeas, a sela e o freio que canalizam um animal poderoso, mas imprevisível, em uma direção útil.
Você não torna o cavalo mais inteligente. Você projeta o equipamento que torna sua força útil.
2. A Analogia com o SO
Philipp Schmid deu o melhor enquadramento técnico:
Pense como um computador.
→ Modelo = CPU (poder de processamento bruto)
→ Janela de contexto = RAM (memória de trabalho limitada e volátil)
→ Harness = Sistema Operacional (gerencia o que a CPU vê e quando)
→ Agente = O Aplicativo rodando em cima
Seu modelo é poderoso.
Mas sem um SO gerenciando memória, agendando tarefas e impondo regras — é apenas silício.
A maioria das pessoas está rodando aplicativos sem sistema operacional.
É por isso que seus agentes falham em produção.
3. O Que Mudou em 2026
A LangChain rodou o mesmo modelo no Terminal Bench 2.0 duas vezes.
Mesmo modelo. Harness diferente.
→ Harness antiga: 52,8% de pontuação
→ Nova harness: 66,5% de pontuação
A Vercel foi na direção oposta.
Eles removeram 80% das ferramentas do agente.
Resultado? Melhor desempenho.
Não pior.
A verdade desconfortável de 2026:
→ O agente nunca foi a parte difícil.
→ A harness é.
Se 2025 foi o ano em que os agentes de IA provaram que podiam escrever código…
2026 é o ano em que descobrimos que o ambiente importa mais que o modelo.
PARTE 2: OS 5 ARTEFATOS DA HARNESS (Como é uma harness na prática)
4. Arquivos AGENT.md / CLAUDE.md
O artefato de harness mais universal.
Arquivos Markdown distribuídos por todo o seu código.
O agente os lê no início de cada sessão — como documentos de integração para um novo engenheiro entrando no time.
O que colocar neles:
→ Contexto do projeto
→ Convenções de código
→ Decisões de arquitetura
→ Orientações de "como fazemos as coisas aqui"
→ O que está em andamento no momento
A OpenAI chama de AGENT.md.
A Anthropic chama de CLAUDE.md.
O Cursor usa .cursorrules.
Nomes diferentes. Mesmo princípio.
Um arquivo por módulo principal. Atualizado conforme o projeto evolui.
Sem eles: o agente começa cada sessão cego. Com eles: o agente começa cada sessão informado.
5. Listas de Funcionalidades em JSON (O Rastreador de Progresso)
Quando um agente constrói um aplicativo inteiro em várias sessões, ele começa cada sessão com uma janela de contexto em branco.
Como ele sabe o que já foi feito?
Um arquivo JSON.
Cada entrada define:
→ Uma funcionalidade
→ Como verificar se funciona
→ Status Aprovado / Reprovado
O agente lê isso no início da sessão. Escolhe a funcionalidade reprovada de maior prioridade. Implementa. Marca como aprovada. Commita. Repete.
Por que JSON e não Markdown?
A Anthropic descobriu que agentes têm menos probabilidade de sobrescrever JSON acidentalmente do que Markdown.
Detalhe pequeno. Importa muito em execuções autônomas de 6 horas.
6. Rotinas de Inicialização de Sessão
Toda sessão começa da mesma forma.
Toda. Única. Vez.
Sequência de inicialização de 7 passos da Anthropic:
- Confirmar diretório de trabalho
- Ler logs do git e arquivos de progresso
- Verificar lista de funcionalidades para o item incompleto de maior prioridade
- Iniciar o servidor de desenvolvimento
- Executar verificação básica de ponta a ponta
- Implementar uma funcionalidade
- Commitar com mensagem descritiva + atualizar progresso
Sem isso:
O agente desperdiça seus primeiros 20 minutos tentando descobrir o que já existe.
Toda sessão é reinventar a roda.
Com isso:
O agente começa instantaneamente informado e vai direto ao trabalho.
7. Contratos de Sprint
Antes do agente escrever uma única linha de código:
Dois agentes negociam.
Agente Gerador propõe:
→ O que será construído
→ Como o sucesso será verificado
Agente Avaliador revisa:
→ A proposta está completa?
→ Os critérios de sucesso são claros?
Só depois que ambos concordam é que a implementação começa.
É uma revisão de design.
Exceto que ambos os participantes são IA.
Por que isso importa?
Agentes que planejam e executam na mesma passada produzem resultados não confiáveis.
A etapa de planejamento — mesmo quando feita por IA — melhora drasticamente a qualidade da saída.
8. Modelos de Tarefas Estruturadas
Antes de qualquer codificação:
A harness analisa o código real.
Ela produz um mapa de impacto fundamentado:
→ Caminhos de arquivo reais (não alucinados)
→ Nomes de símbolos reais que realmente existem
→ Padrões existentes a seguir
→ Critérios de aceitação concretos
Então a implementação começa.
Isso parece óbvio.
Mas a maioria das equipes pula isso.
O agente adivinha estruturas de arquivos. Inventa endpoints de API que não existem. Constrói algo que não se encaixa no código.
Contexto fundamentado antes da execução → saída massivamente melhor.
PARTE 3: OS TRÊS CAMPOS (Três equipes bateram na mesma parede — e construíram três escadas diferentes)
9. OpenAI: Ambiente-Primeiro
A equipe Codex da OpenAI tinha um problema absurdo.
1 milhão de linhas de código de produção. Zero escritas à mão.
Nessa escala, você não pode revisar cada linha de código.
Então eles não revisaram.
Em vez disso:
Eles projetaram o ambiente tão minuciosamente que os agentes produziam saída revisável em primeiro lugar.
Sua abordagem:
→ Fluxos de dependência estritos (Tipos → Config → Repo → Serviço → Runtime → UI)
→ Arquivos AGENT.md por todo o código
→ Agentes conectados diretamente aos pipelines de CI/CD
A filosofia: Projete o ambiente. Depois solte o agente.
A prova: App Sora Android. 4 engenheiros. 28 dias. #1 na Play Store. 99,9% sem crashes.
O Codex lidava com 70% dos pull requests internos semanalmente.
10. Anthropic: Separe o Executor do Juiz
A Anthropic tinha um problema diferente.
Quando pediam ao agente para avaliar sua própria saída:
Ele elogiava o trabalho com confiança.
Mesmo quando, para um observador humano, a qualidade era obviamente medíocre.
Autoavaliação não funciona.
O agente era tanto o aluno quanto o professor.
E estava se dando notas máximas.
A solução deles: Três agentes especializados.
→ Planejador — transforma um prompt de 2 frases em uma especificação completa do produto
→ Gerador — implementa funcionalidades um sprint de cada vez
→ Avaliador — usa automação de navegador para testar o aplicativo em execução como um usuário real
A percepção: tornar um avaliador independente cético é muito mais fácil do que tornar um gerador crítico do seu próprio trabalho.
Resultado: Agente solo (sem harness): $9, 20 min
→ app quebrado Harness completa: $200, 6 horas
→ software funcional com UI polida
11. ThoughtWorks: O Framework 2×2
A ThoughtWorks chegou de um ângulo diferente.
Eles não estavam construindo um produto.
Eles estavam observando 50+ equipes de engenharia falhando nas mesmas coisas.
A percepção deles: classificar cada controle da harness em dois eixos.
Eixo 1: Quando ele é executado?
→ Feedforward = antes do agente agir (guias)
→ Feedback = depois do agente agir (sensores)
Eixo 2: Como ele funciona?
→ Computacional = determinístico, milissegundos (linters, verificadores de tipo, suites de teste)
→ Inferencial = usa um LLM, segundos (agente de revisão de código, análise semântica)
O 2×2:
→ Feedforward Computacional: sistemas de tipo, linters, regras arquiteturais
→ Feedback Computacional: suites de teste, análise de cobertura, teste de mutação
→ Feedforward Inferencial: documentos de especificação, descrições de restrições
→ Feedback Inferencial: revisores de código LLM, validadores de comportamento
Nem feedforward nem feedback funcionam sozinhos.
Você precisa de ambos.
PARTE 4: OS 5 PRINCÍPIOS EM QUE TODOS OS CAMPOS CONCORDAM (Três equipes nunca se coordenaram. Chegaram aqui de forma independente.)
12. Princípio 1: Contexto Vence Instruções
OpenAI: "Dê um mapa, não um manual de 1.000 páginas."
Anthropic: Listas de funcionalidades em JSON e arquivos de progresso para que os agentes sempre saibam onde estão.
Red Hat: Analise o código real antes de gerar qualquer tarefa.
ThoughtWorks: "Feedforward."
Palavras diferentes. Mesma descoberta.
Mostrar ao agente o estado atual do mundo supera consistentemente dizer a ele o que fazer abstratamente.
→ Fundamentado em caminhos de arquivo reais
→ código que se encaixa no código
→ Trabalhando a partir de uma descrição vaga
→ caminhos de arquivo alucinados e APIs inventadas
A lição: Antes do agente digitar qualquer coisa, certifique-se de que ele sabe exatamente onde está.
13. Princípio 2: Planejamento e Execução Devem Ser Separados
OpenAI: humanos projetam o ambiente, agentes executam.
Anthropic: Agente Planejador dedicado é executado antes do Gerador tocar em qualquer código.
ThoughtWorks: ponto de verificação de revisão humana obrigatório entre planejamento e implementação.
Red Hat: Fase 1 (mapa de impacto) e Fase 2 (implementação) com uma barreira rígida entre elas.
Cada campo descobriu isso independentemente:
Deixar um agente planejar e executar na mesma passada produz resultados não confiáveis.
A etapa de planejamento não precisa ser feita por um humano.
Mas tem que ser uma etapa separada, com sua saída revisada antes do início da implementação.
14. Princípio 3: Loops de Feedback São Inegociáveis
OpenAI: agentes conectados a sistemas de CI/CD e observabilidade.
Anthropic: Agente Avaliador dedicado usando automação de navegador.
ThoughtWorks: formalizado como "sensores." Alertou que abordagens apenas com feedforward nunca confirmam se os guias realmente funcionam.
Três abordagens para o mesmo princípio:
→ OpenAI usa testes automatizados e CI
→ Anthropic usa outro LLM
→ ThoughtWorks diz para usar ambos, em camadas
Eles discordam sobre quem fornece o feedback.
Eles não discordam sobre se você precisa dele.
Uma harness sem feedback é apenas um prompt com etapas extras.
15. Princípio 4: Uma Coisa de Cada Vez
OpenAI: divide metas em blocos de construção menores, trabalha em profundidade.
Anthropic: impõe uma funcionalidade por sprint com um commit após cada uma.
ThoughtWorks: ciclo de vida em fases (pré-integração → pós-integração → monitoramento contínuo).
Agentes que tentam fazer demais de uma vez:
→ Ficam sem contexto
→ Perdem coerência
→ Descartam requisitos silenciosamente
A rotina da Anthropic:
Ler progresso → Escolher UMA funcionalidade → Implementar → Commitar → Repetir
Incrementalismo forçado é universal em toda harness de sucesso.
16. Princípio 5: O Código É a Documentação
OpenAI: incorpora arquivos AGENT.md no repositório.
Anthropic: armazena listas de funcionalidades, arquivos de progresso e histórico do git como o mecanismo de continuidade do agente.
ThoughtWorks: mede a "capacidade de harness" — quão legível o código é para agentes.
Ninguém mantém uma base de conhecimento separada para o agente.
O repositório é a fonte única da verdade.
Se uma convenção, restrição ou decisão arquitetural não estiver no código — o agente não saberá sobre ela.
Implicação prática:
→ Equipes que investem em organização de código obtêm melhor desempenho do agente de graça.
→ Repositórios bagunçados + agentes de IA = caos, mas em escala.
PARTE 5: O PARADOXO — CONSTRUIR PARA DELETAR (A verdade mais contraintuitiva na engenharia de harness)
17. A Decadência da Harness É Real
Quando a Anthropic atualizou do Opus 4.5 para o Opus 4.6:
A decomposição de sprint — que havia sido essencial — tornou-se peso morto.
O planejamento aprimorado do modelo a tornou redundante.
Um componente da harness que era estrutural em março era custo extra em abril.
Então o Opus 4.7 chegou.
O modelo começou a verificar suas próprias saídas.
A descrição do trabalho do Agente Avaliador começou a encolher.
Isso é a decadência da harness.
Cada componente em uma harness codifica uma suposição sobre o que o modelo não pode fazer.
Conforme os modelos melhoram → essas suposições expiram → o componente se torna custo extra.
Opus 4.5: decomposição de sprint + avaliação por sprint
Opus 4.6: sem decomposição de sprint + avaliação em passagem única (economiza 38% de custo)
Opus 4.7: modelo começa a autoverificar → papel do avaliador encolhe ainda mais
18. Construir para Deletar
O conselho de Philipp Schmid:
"Construa para deletar."
Projete cada componente da harness para ser removível.
Teste cada componente periodicamente desligando-o e medindo se a qualidade da saída muda.
Se não mudar: delete-o.
A Manus refatorou sua harness 5 vezes em 6 meses. A LangChain reestruturou 3 vezes em 1 ano. A Vercel removeu 80% das ferramentas → obteve melhor desempenho.
Esses não são sinais de má engenharia.
São a consequência natural de construir sobre modelos que melhoram rapidamente.
Carregar componentes de harness mortos custa tokens em toda execução. Zero qualidade extra. Puro desperdício.
19. A Realidade dos Custos
Os números honestos do teste A/B da Anthropic:
→ Agente solo (sem harness): $9, 20 minutos
→ UI funcional, funcionalidade principal quebrada
→ Harness completa (Opus 4.5): $200, 6 horas
→ software funcional, UI polida, física correta
Isso é um aumento de custo de 22x.
Por um produto funcional vs uma demo que só parece certa em capturas de tela.
Se isso é caro ou barato depende inteiramente de quanto custa um lançamento quebrado para sua equipe.
Mas aqui está o que ninguém fala:
A combinação harness + modelo evolui.
A harness de $200 se tornou $124 com uma atualização de modelo.
A linha de tendência:
→ Modelo melhor = harness mais simples = execução mais barata = saída mais rápida
Os engenheiros vencendo em 2026 não estão escrevendo o melhor código.
Eles estão projetando as melhores restrições.
E então estando dispostos a jogar essas restrições fora no momento em que elas param de valer a pena.
ENCERRAMENTO
Tudo que você acabou de aprender:
O que é uma harness:
→ 1. Agente = Modelo + Harness
→ 2. Modelo = CPU. Harness = Sistema Operacional.
→ 3. Mesmo modelo, harness melhor = +13% de desempenho
Os 5 artefatos da harness:
→ 4. CLAUDE.md / AGENT.md — documentos de integração para agentes
→ 5. Listas de funcionalidades em JSON — rastreador de progresso + suite de teste em um
→ 6. Rotinas de inicialização de sessão — mesma sequência de 7 passos toda vez
→ 7. Contratos de sprint — agentes negociam antes de codificar
→ 8. Modelos de tarefas estruturadas — caminhos de arquivo reais, padrões reais
Os três campos:
→ 9. OpenAI: projete o ambiente, solte o agente
→ 10. Anthropic: separe o executor do juiz
→ 11. ThoughtWorks: framework 2×2 de feedforward/feedback
Os 5 princípios universais:
→ 12. Contexto vence instruções
→ 13. Planejamento e execução devem ser separados
→ 14. Loops de feedback são inegociáveis
→ 15. Uma coisa de cada vez
→ 16. O código é a documentação
O paradoxo:
→ 17. Decadência da harness — o que funcionou no mês passado atrapalha este mês
→ 18. Construir para deletar — teste e remova componentes mortos
→ 19. A realidade dos custos — modelo melhor = harness mais simples = execução mais barata
Os engenheiros vencendo em 2026 não estão escrevendo o melhor código.
Eles estão projetando as melhores restrições.
E estando dispostos a jogar essas restrições fora no momento em que elas param de valer a pena.
Se isso foi útil:
→ Compartilhe para alcançar construtores em sua rede
→ Siga @sairahul1 para mais conteúdo como este toda semana
→ Salve nos favoritos — você vai consultar quando seus agentes começarem a se comportar mal
Eu escrevo sobre IA, construção de produtos e o que está realmente funcionando em 2026.
