Como fazer um agente de IA levar a tarefa até o fim: testes automatizados de 12 minutos e merge manual
O agente costuma escrever "pronto" mesmo sem ter testado o código, por isso o autor de um shooter online cercou o modelo com um harness, um conjunto de regras e verificações. O agente escreve o código e os testes, sobe o jogo no Docker e roda testes e2e de ponta a ponta: bots jogam uma partida inteira, que dura cerca de 12 minutos. Depois, o agente abre um PR (pull request, pedido de merge do código), mas o botão de merge só é apertado por uma pessoa. A conclusão: confie no agente apenas na medida das verificações que ele passou.
Processado por IA de Habr AI; editado por Hamidun News
Uma IA que escreve código adora dizer "pronto" logo após a primeira execução, mesmo que tenha quebrado um módulo vizinho. O autor de um shooter online feito quase inteiramente com IA resolveu o problema cercando o modelo com um harness, um conjunto de regras, ferramentas e verificações que conduz o agente passo a passo. No caso dele, o agente escreve o código e os testes, sobe o jogo no Docker e roda testes e2e (end-to-end: bots entram no jogo e disputam uma partida de verdade, que dura cerca de 12 minutos).
Depois disso, o agente abre um PR (pull request, pedido de merge do código na branch principal), mas o botão de merge só é apertado por uma pessoa. A abordagem serve para quem delega tarefas reais a agentes e acompanha o consumo de tokens.
O que é um harness, em termos simples
A fórmula que sustenta a análise é: agente = LLM + harness. O modelo sabe raciocinar, e todo o resto fica por conta da estrutura ao redor: ele executa o ciclo de chamadas, aciona ferramentas, monta o contexto, guarda memória e cache e verifica o resultado. Segundo o autor, o termo se popularizou no início de 2026, após textos de Mitchell Hashimoto, da HashiCorp, um relatório da OpenAI sobre o Codex e artigos da LangChain.
O autor destaca cinco componentes:
- ciclo: o modelo é chamado até a tarefa ser concluída ou até atingir o limite;
- ferramentas: processamento do tool_call enviado pelo modelo e execução do código da ferramenta;
- contexto: montagem do prompt levando em conta todas as camadas;
- restrições: papéis e orçamentos de tokens;
- verificações: LLM as judge e guardrails.
Os grandes players já têm seus harnesses: o Claude Code, da Anthropic, e o Codex, da OpenAI. Até o simples upload de um arquivo no chat esconde muita lógica: salvar, ler, reconhecer o texto por OCR ou por um modelo de visão, gravar no S3 e verificar se o arquivo cabe no contexto. Para tarefas típicas, um prompt one-shot basta. Mas, quando é preciso um processo sob medida para um produto específico, o harness padrão não basta, e é preciso complementá-lo.
Como personalizar o harness para um projeto
O primeiro passo é o arquivo claude.md (ou agents.md): instruções que são incluídas no prompt a cada requisição. O autor dá um exemplo didático: a regra "sempre comece a resposta com !" faz o agente responder "!Olá, em que posso ajudar?". Assim são fixadas as regras básicas, que o agente quase nunca esquece.
O segundo passo é organizar as tarefas. Dá para usar um framework como o openspec, mas, para um único projeto dentro de um monorepo, uma pasta /docs é suficiente. No claude.md fica a regra de começar pelo arquivo principal em docs, que traz links cruzados para os demais documentos (status da funcionalidade, arquitetura). Cada tarefa é um arquivo md pequeno e separado em docs/tasks. Isso economiza contexto: segundo a experiência do autor, depois de preencher cerca de 60% da janela, a atenção do modelo começa a se perder, e então é preciso abrir um novo chat ou comprimir a conversa com a skill compact.
O pipeline do próprio autor é, em grande parte, linear:
- Ele define a tarefa no chat e conduz uma sessão de grilling (uma série de perguntas de esclarecimento) com um plugin de skills de Matt Pocock.
- O agente lê a tarefa e, quando necessário, aciona skills como system-design.
- Monta o protótipo com o claude design, escreve o código e os testes.
- Prepara a release: sobe a versão do pacote e escreve o changelog.
- Sobe a stack local no Docker e roda as verificações estáticas.
- Se o código de mecânicas do jogo mudou, roda os e2e: na stack local são criadas sessões reais, nas quais entram bots com roteiros definidos.
- Abre um PR para a master, onde os linters rodam mais uma vez.
- Apenas uma pessoa aperta o merge, e só então acontece o deploy.
Três conclusões e ressalvas honestas
Primeiro, "pronto" precisa ser comprovado. O agente pode descumprir uma instrução, mas um teste que falha ou um teste suspeitamente reescrito aparece no pipeline. Testes unitários e e2e e analisadores estáticos como o SonarQube formam uma camada em que se pode confiar mais do que nas palavras do modelo.
Segundo, o harness cresce junto com o projeto. Por exemplo, os testes e2e levam cerca de 12 minutos, o tempo de uma partida. Quando o autor mudava apenas o frontend ou o backend sem lógica de jogo, eles não eram necessários, e no harness foi acrescentada a regra "rodar somente quando houver mudanças nas mecânicas". Isso significa economia direta de tempo e de tokens em cada iteração.
Terceiro, quanto menos contexto desnecessário, maior a chance de obter uma boa solução com menos rodadas de correção. Especificações e documentação no repositório são especialmente úteis em assinaturas de entrada, nas quais é importante gastar o mínimo possível de tokens por funcionalidade.
As ressalvas são evidentes. É a experiência de uma única pessoa em um único projeto, um shooter online com bots, em que os e2e são fáceis de automatizar. O próprio autor ressalta que não existe um pipeline único e correto: em alguns pontos vale sacrificar velocidade em nome das verificações, e em outros é melhor montar um protótipo mais rápido sem olhar a qualidade do código.
Não há no texto métricas como a taxa de tarefas concluídas com sucesso ou o custo de uma funcionalidade em tokens, então o que se tem é um conjunto de práticas, e não resultados medidos. Dá para começar pequeno: um claude.md com regras básicas, uma pasta docs com arquivos curtos de tarefas e a execução obrigatória dos testes antes de qualquer PR.
O resto se acrescenta quando o agente tropeçar nas mesmas pedras outra vez.
- 21 de nov. de 2026Thinking Machines lança Inkling 2 Mini: 26 bilhões de parâmetros e 20,1 pontos no AA Index
- 21 de nov. de 2026Matemático da Anthropic afirma que o Claude ajudou a provar a hipótese de Riemann em seis semanas
- 21 de nov. de 2026Startup Osmo treinou IA com cheiros usando 10 milhões de avaliações humanas e gera fragrâncias a partir de texto
- 21 de nov. de 2026Coreia do Norte mostra seu primeiro chatbot, "Fonte da Sabedoria": só ciência, sem política
Perguntas frequentes sobre a notícia
O que é um harness, em termos simples?
A fórmula que sustenta a análise é: agente = LLM + harness. O modelo sabe raciocinar, e todo o resto fica por conta da estrutura ao redor: ele executa o ciclo de chamadas, aciona ferramentas, monta o contexto, guarda memória e cache e verifica o resultado. Segundo o autor, o termo se popularizou no início de 2026, após textos de Mitchell Hashimoto, da HashiCorp, um relatório da OpenAI sobre o Codex e artigos da LangChain.
Como personalizar o harness para um projeto?
O primeiro passo é o arquivo claude.md (ou agents.md): instruções que são incluídas no prompt a cada requisição. O autor dá um exemplo didático: a regra "sempre comece a resposta com !" faz o agente responder "!Olá, em que posso ajudar?". Assim são fixadas as regras básicas, que o agente quase nunca esquece. O segundo passo é organizar as tarefas. Dá para usar um framework como o openspec, mas, para um único projeto dentro de um monorepo, uma pasta /docs é suficiente.
O que se sabe sobre Três conclusões e ressalvas honestas?
Primeiro, "pronto" precisa ser comprovado. O agente pode descumprir uma instrução, mas um teste que falha ou um teste suspeitamente reescrito aparece no pipeline. Testes unitários e e2e e analisadores estáticos como o SonarQube formam uma camada em que se pode confiar mais do que nas palavras do modelo. Segundo, o harness cresce junto com o projeto. Por exemplo, os testes e2e levam cerca de 12 minutos, o tempo de uma partida.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.