Harness Engineering sostiene que el contexto vence a los ajustes del modelo

Harness Engineering de Ryan Lopopolo plantea un argumento sencillo: si quieres mejores resultados de los agentes de codificación, deja de considerar las actualizaciones del modelo como la palanca principal. Mantén el modelo y el agente como una caja negra y, en su lugar, mejora el entorno que los rodea.

Lopopolo define harness engineering como la práctica de dar forma a las dos entradas externas que más importan: el contexto y las herramientas. El objetivo es construir un entorno en el que un agente pueda recuperar la intención, actuar sobre sistemas reales, respetar la autoridad, demostrar lo que hizo y dejar artefactos que ayuden en la siguiente ejecución.

Una parte central de ese entorno son los requisitos no funcionales de una organización —las restricciones y metas de calidad relacionadas con la fiabilidad, la seguridad, la compatibilidad, la mantenibilidad, el rendimiento, la operabilidad, la postura de riesgo y el pulido. El harness también captura las decisiones locales sobre cómo se priorizan y compensan en la práctica esos requisitos.

Recomendado

Los modelos abiertos están tomando la delantera en la primera línea de la IA

Lopopolo dice que este encuadre a nivel de sistemas proviene de la conferencia [un]prompted de 2026, describiéndolo como una forma de meter «todo el universo de requisitos no funcionales en código». Según su relato, el repositorio se convierte en una capa docente para el agente: requisitos y decisiones se transforman en contexto recuperable, ejemplos, herramientas y restricciones ejecutables.

Esto importa porque el trabajo de los agentes es iterativo. Los cambios aceptados, los fallos, las correcciones y la retroalimentación de los usuarios pueden reintegrarse al harness para que el juicio organizacional se vuelva acumulativo con el tiempo. En lugar de fiarse de los pesos generales del modelo para inferir las normas internas de una empresa, el harness proporciona los datos privados y de cambio rápido del proceso que normalmente faltan a esos modelos.

Lopopolo presenta esa capa ausente como la mayor parte del iceberg bajo la superficie: el estado operativo actual de la organización, la ontología local, los procedimientos, el historial de excepciones, las relaciones de autoridad y el nivel de calidad. Su punto es que los agentes no inferirán de forma fiable qué de todo eso importa a menos que se ponga explícitamente a su disposición.

El repositorio está pensado para usarse directamente con un agente de codificación. Lopopolo explica que AGENTS.md dirige las tareas a los argumentos, casos y pruebas relevantes, mientras que los lectores que quieran el argumento más amplio pueden empezar por el índice de la tesis o pasar a las guías prácticas para la aplicación práctica.

El material escrito en el repositorio está licenciado bajo CC BY 4.0, con los derechos de atribución y de material fuente detallados en COPYING.md.