Harness em torno do LLM multiplica os ganhos: o que mudou em um ano no Claude Code

Depois de um ano e meio de uso intensivo do Claude Code, dezenas de experimentos e muita observação do trabalho de uma equipe de engenheiros, um desenvolvedor experiente chegou a uma conclusão inesperada. A principal alavanca para melhorar a qualidade de um LLM não é a geração do modelo nem a migração para uma versão mais recente, e sim o sistema complexo construído em torno dele.

O que é harness

Na comunidade de engenharia de língua inglesa, esse entorno é chamado de harness: o circuito completo dentro do qual o modelo de linguagem opera. Não se trata apenas de um prompt enviado ao chat, nem de uma única regra de comportamento. É um sistema complexo que define como o modelo interage com o mundo externo: suas regras, seus limites, as ferramentas disponíveis e o volume de contexto que ele enxerga. Sem esse circuito, até o modelo mais poderoso trabalha de forma ineficiente, como uma escavadeira sem alavancas: o motor está lá, mas não há como cavar nem mover a terra.

Por que o entorno rende mais do que novos modelos

Ao longo de um ano de observação, ficou claro que trocar o modelo por uma versão nova traz um ganho de qualidade perceptível, mas limitado. A migração do Claude 3 para o Claude 4 é uma melhoria, mas rende apenas alguns pontos percentuais de desempenho.

Já cada nova camada de entorno em volta do mesmo modelo produz um salto múltiplo. Um system prompt que descreve com clareza o papel do modelo faz a qualidade dar um salto. Ferramentas que permitem ao modelo interagir com o mundo real trazem outro salto. Ampliar o contexto, adicionar skills e configurar permissões: a cada passo, a qualidade se multiplica.

Isso desloca o foco dos engenheiros da caça a novas versões para a construção do circuito em que o modelo opera.

Componentes de um entorno eficiente

Um entorno eficiente é formado por várias camadas-chave, e cada uma contribui à sua maneira:

• System prompt — instruções explícitas que definem o comportamento, o estilo de comunicação e os limites
• Ferramentas — acesso do modelo a APIs externas, bancos de dados, navegadores e recursos computacionais
• Contexto — gestão sofisticada do que o modelo vê, lembra e pode usar como base
• Skills — padrões pré-treinados e algoritmos para resolver tarefas recorrentes
• Hooks — eventos e gatilhos acionados sob determinadas condições
• Permissões — a fronteira entre o que o modelo pode e não pode fazer, quais arquivos pode ler e gravar
• Memória — retenção de longo e curto prazo do contexto do projeto, das decisões e das conclusões

Cada uma dessas camadas pode ser otimizada de forma independente, gerando ganhos de desempenho para um tipo específico de tarefa.

"Potência tem, mas não há com o que usá-la" — é assim que um

engenheiro experiente descreve um modelo sem entorno.

O que isso significa

O foco dos desenvolvedores está migrando da corrida por modelos mais novos e potentes para a construção de um circuito inteligente em torno dos modelos já disponíveis. Investir em engenharia de system prompt, gestão de contexto, desenvolvimento de skills e otimização de permissões se paga mais rápido e rende mais do que esperar pela próxima versão do modelo.

Isso abre novas possibilidades de personalização para tarefas e equipes específicas, sem exigir upgrades caros de hardware ou de licenças.