Em fevereiro de 2026, uma pequena equipe da OpenAI entregou 1 milhão de linhas de código de produção.
Nenhuma linha foi escrita manualmente.
Os agentes de IA escreveram tudo.
Os humanos projetaram o sistema que tornou os agentes confiáveis.
Esse sistema tem um nome agora.
Harness Engineering.
Em poucas semanas, a Anthropic publicou 3 artigos sobre o tema.
A ThoughtWorks formalizou um framework.
Philipp Schmid, da Hugging Face, chamou 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 entende isso ainda.
Este artigo explica tudo.
Sem enrolação. Sem jargão acadêmico. Apenas os modelos mentais que você precisa para realmente usar isso.
Salve este artigo. Você vai lê-lo duas vezes.
PARTE 1: O QUE É UM 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
O 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 o harness → modelo de linguagem bruto tentando adivinhar o caminho no seu código.
Adicione o harness certo → sistema que entrega código de produção.
O nome vem dos arreios de cavalo.
Um harness são 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 Sistema Operacional
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 sobre tudo
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 antigo: 52,8% de pontuação
→ Novo harness: 66,5% de pontuação
A Vercel seguiu o caminho oposto.
Eles removeram 80% das ferramentas do agente.
Resultado? Desempenho melhor.
Não pior.
A verdade desconfortável de 2026:
→ O agente nunca foi a parte difícil.
→ O 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 DO HARNESS (Como um harness realmente se parece na prática)
4. Arquivos AGENT.md / CLAUDE.md
O artefato de harness mais universal.
Arquivos Markdown distribuídos por todo o código-fonte.
O agente os lê no início de cada sessão — como documentos de integração para um novo engenheiro entrando no time.
O que vai neles:
→ Contexto do projeto
→ Convenções de código
→ Decisões de arquitetura
→ Diretrizes de "como fazemos as coisas aqui"
→ O que está em andamento
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 toda sessão cego. Com eles: o agente começa toda sessão informado.
5. Listas de Funcionalidades em JSON (O Rastreador de Progresso)
Quando um agente constrói um aplicativo inteiro ao longo de 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: Passou / Falhou
O agente lê isso no início da sessão. Escolhe a funcionalidade com falha 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 boot 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 perde 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 de o agente escrever uma única linha de código:
Dois agentes negociam.
O agente gerador propõe:
→ O que será construído
→ Como o sucesso será verificado
O agente avaliador revisa:
→ A proposta está completa?
→ Os critérios de sucesso são claros?
Só depois que ambos concordam 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:
O harness analisa o código-fonte real.
Ele produz um mapa de impacto fundamentado:
→ Caminhos de arquivos 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-fonte.
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 teve um problema absurdo.
1 milhão de linhas de código de produção. Zero escritas manualmente.
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 → Repositório → Serviço → Runtime → UI)
→ Arquivos AGENT.md por todo o código-fonte
→ Agentes conectados diretamente nos pipelines de CI/CD
A filosofia: Projete o ambiente. Depois solte o agente.
A prova: Aplicativo Sora Android. 4 engenheiros. 28 dias. #1 na Play Store. 99,9% sem crashes.
O Codex lidou com 70% dos pull requests internos semanalmente.
10. Anthropic: Separe o Fazedor do Juiz
A Anthropic teve 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 mediana.
Autoavaliação não funciona.
O agente era ao mesmo tempo o aluno e o professor.
E estava se dando notas máximas.
A correção deles: Três agentes especializados.
→ Planejador — transforma um prompt de duas 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 próprio trabalho.
Resultado: Agente solo (sem harness): $9, 20 min
→ aplicativo quebrado. Harness completo: $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 mais de 50 equipes de engenharia falhando nas mesmas coisas.
A percepção deles: classificar cada controle do harness ao longo de dois eixos.
Eixo 1: Quando ele é executado?
→ Feedforward = antes de o agente agir (guias)
→ Feedback = depois de o agente agir (sensores)
Eixo 2: Como 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 independentemente.)
12. Princípio 1: Contexto Vence Instruções
OpenAI: "Dê um mapa, não um manual de 1.000 páginas."
Anthropic: Listas de funcionalidades JSON e arquivos de progresso para que os agentes sempre saibam onde estão.
Red Hat: Analise o código-fonte 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 arquivos reais
→ código que se encaixa no código-fonte
→ Trabalhando a partir de uma descrição vaga
→ caminhos de arquivo alucinados e APIs inventadas
A lição: Antes de o 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 executa antes que o Gerador toque 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 precisa ser uma etapa separada, com sua saída revisada antes de a implementação começar.
14. Princípio 3: Loops de Feedback São Inegociáveis
OpenAI: agentes conectados em 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.
Um harness sem feedback é apenas um prompt com passos extras.
15. Princípio 4: Uma Coisa de Cada Vez
OpenAI: divide metas em blocos de construção menores, trabalha em profundidade primeiro.
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
→ Abandonam requisitos silenciosamente
A rotina da Anthropic:
Ler progresso → Escolher UMA funcionalidade → Implementar → Commitar → Repetir
Incrementalismo forçado é universal em todo harness bem-sucedido.
16. Princípio 5: O Código-Fonte É a Documentação
OpenAI: incorpora arquivos AGENT.md no repositório.
Anthropic: armazena listas de funcionalidades, arquivos de progresso e histórico do git como mecanismo de continuidade do agente.
ThoughtWorks: mede "harnessability" — quão legível o código-fonte é para agentes.
Ninguém mantém uma base de conhecimento separada para o agente.
O repositório é a única fonte da verdade.
Se uma convenção, restrição ou decisão arquitetural não estiver no código-fonte — 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 do Harness É Real
Quando a Anthropic fez upgrade do Opus 4.5 para o Opus 4.6:
A decomposição de sprint — que havia sido essencial — tornou-se peso morto.
O planejamento melhorado do modelo tornou-a redundante.
Um componente do harness que era estrutural em março era custo extra em abril.
Então chegou o Opus 4.7.
O modelo começou a verificar suas próprias saídas.
A descrição do trabalho do agente Avaliador começou a encolher.
Isso é decadência do harness.
Cada componente em um 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 passada única (economiza 38% de custo)
Opus 4.7: modelo começa a se autoverificar → papel do avaliador encolhe ainda mais
18. Construir para Deletar
O conselho de Philipp Schmid:
"Construa para deletar."
Projete cada componente do 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 seu harness 5 vezes em 6 meses. A LangChain reestruturou 3 vezes em 1 ano. A Vercel removeu 80% das ferramentas → obteve desempenho melhor.
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 de Custo
Os números honestos do teste A/B da Anthropic:
→ Agente solo (sem harness): $9, 20 minutos
→ UI funcional, funcionalidade principal quebrada
→ Harness completo (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 um demo que só parece certo em capturas de tela.
Se isso é caro ou barato depende inteiramente de quanto custa uma versão quebrada para sua equipe.
Mas aqui está o que ninguém fala:
A combinação harness + modelo evolui.
O harness de $200 tornou-se $124 com um upgrade 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 param de valer a pena.
ENCERRAMENTO
Tudo que você acabou de aprender:
O que é um harness:
→ 1. Agente = Modelo + Harness
→ 2. Modelo = CPU. Harness = Sistema Operacional.
→ 3. Mesmo modelo, harness melhor = +13% de desempenho
Os 5 artefatos do harness:
→ 4. CLAUDE.md / AGENT.md — documentos de integração para agentes
→ 5. Listas de funcionalidades 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 arquivos reais, padrões reais
Os três campos:
→ 9. OpenAI: projete o ambiente, solte o agente
→ 10. Anthropic: separe o fazedor 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-fonte é a documentação
O paradoxo:
→ 17. Decadência do harness — o que funcionou no mês passado prejudica este mês
→ 18. Construir para deletar — teste e remova componentes mortos
→ 19. A realidade de custo — 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 param de valer a pena.
Se isso foi útil:
→ Compartilhe para alcançar construtores na 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
Escrevo sobre IA, construção de produtos e o que está realmente funcionando em 2026.
