Harness de IA em 2026: manual simples para agentes trabalharem direito

Harness ainda é uma palavra estrangeira. Em português direto, pense nele como o sistema de trabalho ao redor da IA.

O modelo é a parte que raciocina e escreve. O harness é o que diz o que deve ser feito, que informação entra, que ferramenta pode ser usada, onde a memória fica, qual teste decide se a tarefa terminou, quando parar, quanto gastar e como registrar o que aconteceu.

Sem harness, a IA responde. Com harness, ela trabalha.

Essa diferença virou uma disciplina porque os agentes de IA passaram a mexer em coisas reais: arquivo, código, site, banco, planilha, agenda, publicação, compra, atendimento e decisão. Quando a IA apenas respondia uma pergunta, um bom prompt bastava em muitos casos. Quando ela age no mundo, o prompt sozinho fica fraco.

O ponto central do documento que usei como base é simples: o ganho não está só em trocar o modelo. Está em melhorar o sistema que coloca o modelo para trabalhar. Os estudos recentes reforçam isso. O paper Natural-Language Agent Harnesses, submetido em 26 de março de 2026, trata o harness como artefato explícito, comparável e editável. O AutoHarness, submetido em 10 de fevereiro de 2026, mostra que regras mecânicas podem virar código ao redor do modelo. O AgentSpec leva regras de segurança para o ambiente de execução. E a Anthropic, em Building Effective Agents, recomenda começar simples e só aumentar complexidade quando houver ganho medido.

Os números ajudam a tirar o tema da abstração. No AutoHarness, os autores relatam que 78% das derrotas de um modelo em uma competição de xadrez vieram de lances ilegais, e que o harness sintetizado impediu ações ilegais em 145 jogos TextArena. No AgentSpec, a avaliação aponta prevenção de execuções inseguras em mais de 90% dos casos de agentes de código e conformidade de 100% em tarefas de veículos autônomos; as regras geradas por LLM tiveram precisão de 95,56%, recall de 70,96% e identificaram 87,26% do código arriscado. Não é detalhe acadêmico: regra mecânica bem colocada muda comportamento.

Fluxo visual 1: modelo solto responde por improviso → modelo com harness entrega com contrato, teste e limite.

O que um harness precisa ter

Um harness bom não é uma torre de ferramentas. É uma forma clara de fazer a IA trabalhar com trilho.

Ele precisa de sete peças:

1. Contrato: o que precisa estar verdadeiro no fim.
2. Contexto: quais fatos, exemplos e documentos entram.
3. Estado: onde fica o progresso quando a conversa acabar.
4. Ferramentas: o que a IA pode usar para agir.
5. Limites: o que ela não pode tocar, gastar ou publicar.
6. Verificação: qual teste prova que terminou.
7. Rastro bruto: o registro do que foi lido, feito, tentado e corrigido.

O contrato evita ambiguidade. O estado evita amnésia. A verificação evita vitória falsa. O rastro permite melhorar o sistema depois.

A regra de bolso é simples: se a IA pode agir, o harness precisa dizer onde ela pode agir, como provar que terminou e como deixar evidência para a próxima execução.

Fluxo visual 2: contrato → contexto → ação → teste → rastro.

Passo 1: escreva o contrato antes da tarefa

O erro básico é começar pedindo: "faça isso". O correto é começar definindo o que conta como pronto.

Um contrato simples responde:

• qual é o objetivo;
• qual arquivo, resposta, relatório ou ação deve existir no fim;
• qual parte pode ser alterada;
• qual parte é proibida;
• qual fonte ou dado precisa sustentar a decisão;
• qual comando, teste ou revisão valida a entrega;
• quando parar se der errado.

Isso vale para código, artigo, pesquisa, atendimento e relatório. Sem contrato, a IA trabalha até "parecer bom". Em produção, parecer bom não basta.

No Mirante, por exemplo, uma matéria não termina quando o texto ficou bonito. Ela termina quando tem fonte, frontmatter válido, links no corpo, imagem, gates aprovados, build limpo e URL testada. Esse é o contrato. A prosa vem dentro dele.

Passo 2: separe fato, decisão e opinião

Um harness poderoso não mistura tudo no mesmo saco. Ele separa:

• fato confirmado;
• dado que precisa de fonte;
• hipótese;
• inferência;
• opinião do autor;
• decisão operacional.

Essa separação reduz alucinação. Se uma frase depende de fonte, ela precisa apontar para a fonte. Se é interpretação, deve aparecer como interpretação. Se é decisão, precisa mostrar o critério.

Na prática, essa regra economiza retrabalho. A IA deixa de inventar ligação entre coisas que apenas parecem relacionadas.

Passo 3: coloque memória fora da conversa

Conversa longa não é memória boa. Memória boa é arquivo que outro agente consegue abrir depois.

Para qualquer agente que trabalha mais de uma sessão, crie arquivos simples:

• um arquivo de progresso;
• uma lista de tarefas com status;
• um histórico curto de decisões;
• um registro de falhas conhecidas;
• um roteiro de validação.

A Anthropic, ao estudar harnesses para agentes longos, descreve exatamente esse problema: o agente tenta fazer tudo de uma vez, perde contexto ou declara vitória cedo. A solução foi usar progresso incremental, lista de requisitos e estado persistente. O nome técnico varia. A lógica é antiga: escreva o que aconteceu para o próximo trabalhador não adivinhar.

Passo 4: transforme regra mecânica em código

Não peça ao modelo para lembrar sempre. Se a regra é objetiva, transforme em trava.

Se a saída precisa ser JSON válido, use validador. Se o agente só pode escrever em uma pasta, use lista de caminhos permitidos. Se número sem fonte não pode entrar no relatório, crie gate. Se comando destrutivo é proibido, bloqueie antes de executar.

O AutoHarness aponta essa direção: em ambientes com ações inválidas, um código ao redor do modelo pode impedir a ação errada. O AgentSpec vai na mesma linha ao definir regras que disparam antes da ação, depois da observação ou antes da entrega final.

Em português simples: o que é regra não deve depender de boa vontade.

Passo 5: teste contra o mundo, não contra a sensação

Verificação fraca é uma das maiores fontes de agentes ruins.

O melhor teste é determinístico: roda ou não roda, passa ou falha, existe ou não existe. Se for site, abra a página. Se for código, rode o teste. Se for planilha, valide o total. Se for artigo, valide frontmatter, links, gate editorial e build.

O segundo melhor teste é ambiente real: navegador, API, banco, ferramenta final. O pior é apenas perguntar a outro modelo se "parece bom".

Modelo pode ajudar na revisão. Mas ele não deve substituir o teste que prova a entrega.

Fluxo visual 3: tentar → verificar → nomear a falha → corrigir o erro visto → medir custo e ganho.

Passo 6: registre o rastro bruto

Rastro bruto é o log de verdade. Ele mostra comando, saída, erro, arquivo lido, arquivo alterado, tentativa, custo, tempo e decisão final.

Resumo é útil para comunicação. Rastro bruto é útil para engenharia.

O Meta-Harness parte dessa ideia: para melhorar um harness, o sistema precisa enxergar execuções anteriores. Não basta saber que falhou. Precisa saber onde, como, com qual entrada, depois de qual ferramenta e antes de qual decisão.

Sem rastro, a melhora vira palpite. Com rastro, a falha vira material de trabalho.

Passo 7: classifique a falha antes de repetir

Retry cego é desperdício. A IA errou por falta de fonte, formato quebrado, ferramenta fora do ar, limite de custo, caminho errado ou teste ruim? Cada falha pede resposta diferente.

Uma taxonomia simples ajuda:

• F01: artefato prometido não existe;
• F02: formato inválido;
• F03: fato sem fonte;
• F04: número não bate;
• F05: teste falhou;
• F06: custo ou tempo estourou;
• F07: ação fora do escopo;
• F08: agente declarou pronto cedo.

Antes de tentar de novo, dê nome à falha. Nomear a falha impede repetir o mesmo erro com mais confiança.

Passo 8: use subagente só com contrato

Subagente é agente auxiliar. Ele pode pesquisar, revisar, testar ou cuidar de um pedaço isolado. O problema é que ele também pode gastar tempo, custo e escopo sem entregar nada útil.

Use subagente quando houver:

• busca grande;
• revisão independente;
• tarefa paralela;
• especialidade clara;
• arquivos separados.

Não use para parecer sofisticado.

Todo subagente precisa receber papel, escopo, saída obrigatória, orçamento, proibições e critério de parada. Sem isso, ele vira vazamento.

Passo 9: comece pequeno e pode o excesso

Um harness poderoso não é o mais cheio. É o que entrega mais com menos ambiguidade.

A regra prática é dura: toda camada precisa pagar aluguel. Ela precisa melhorar sucesso, custo, tempo, segurança ou confiabilidade. Se não melhora nada medido, deve sair.

Isso protege contra a doença comum dos agentes: adicionar verificador, subagente, busca paralela, memória, resumo e mais prompt sem saber se alguma coisa melhorou.

Na leitura consolidada do Natural-Language Agent Harnesses, uma configuração completa ficou na faixa de 74% a 76% de resolução, mas custou muito mais do que uma versão enxuta com desempenho parecido. No mesmo estudo, uma migração de harness em código para harness em linguagem natural estruturada aparece associada a ganho de 30,4% para 47,2% em um experimento. A lição não é decorar o percentual. É comparar resultado e custo antes de chamar uma camada de robusta.

Um modelo simples para começar amanhã

Se eu tivesse que montar um harness em uma equipe pequena, começaria assim:

1. Crie um AGENTS.md curto dizendo onde estão as regras.
2. Crie um VERIFY.md com os comandos de validação.
3. Crie um modelo de contrato para cada tarefa repetida.
4. Crie um arquivo de progresso para tarefas longas.
5. Crie uma lista de falhas com nome e resposta.
6. Coloque as regras mecânicas em scripts.
7. Salve rastro bruto das execuções.
8. Meça tempo, custo, tentativas e falhas.
9. Só adicione subagente quando o trabalho for realmente paralelo.
10. Remova camada que não melhora nada.

Esse é o menor harness sério. Não resolve tudo. Mas já muda a natureza da operação. A IA deixa de ser um improvisador brilhante e vira trabalhador dentro de um sistema.

O erro que mais custa caro

O erro mais caro é confundir complexidade com robustez.

Um agente com cinco etapas, três subagentes e dois revisores pode ser pior que um agente com contrato claro, uma ferramenta bem descrita, um teste confiável e um bom rastro. O primeiro parece sofisticado. O segundo entrega.

O texto da OpenAI sobre harness engineering e Codex reforça essa virada: em um mundo de agentes, o trabalho humano se desloca para ferramentas, testes, documentação, feedback e critérios de aceitação. A LangChain também relata, em experimentos com deep agents, ganhos vindos de análise de rastro, auto-verificação e checklist antes da entrega.

Esse é o ponto que gestores, advogados, jornalistas, programadores e operadores precisam entender: escolher modelo é apenas uma decisão. Construir o sistema de trabalho ao redor dele é a decisão que separa demo de operação.

A frase para guardar

O prompt pede. O harness conduz. A ferramenta executa. O teste decide. O rastro ensina.

Quando essas cinco coisas estão separadas, a IA melhora de forma acumulativa. Quando tudo fica misturado em conversa, cada tarefa começa do zero.

O futuro dos agentes não será feito só por modelos maiores. Será feito por gente capaz de desenhar o ambiente em que esses modelos erram menos, aprendem com o erro e param quando a evidência diz que terminou.

Esse é o começo de uma engenharia de harness poderosa: menos mística, menos jargão, mais contrato, mais teste e mais rastro.