Engenharia de harness explicada em 5 minutos (curso grátis + configuração com um comando)

Autoria: Hyperautomation Labs · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Harness Engineering Explained in 5 Minutes (Free Course + 1-Command Setup) · Canal: Hyperautomation Labs · 04:38 · Assistir no YouTube

Tópicos: Agentes de IA, Claude Code, Engenharia de software com IA

Resumo

O vídeo apresenta o curso gratuito Learn Harness Engineering e explica como um harness ajuda agentes a manter contexto e trabalhar de forma confiável entre sessões. O método organiza instruções, escopo, progresso, verificações e transferências de sessão em cinco arquivos no repo. Em um teste com três rodadas, os projetos com harness registraram o trabalho e conseguiram retomá-lo em outro ambiente, enquanto o projeto sem harness não recuperou o estado anterior. A recomendação é dispensar o harness para scripts pontuais, mas configurá-lo em projetos que envolvam vários dias, pessoas ou agentes.

Pontos-chave

Um harness não é um prompt melhor: consiste em arquivos do projeto que o agent consulta ao começar.
Os cinco componentes apresentados são instruções, lista de funcionalidades, registro de progresso, script de verificação e nota de transferência de sessão.
O modelo decide que código escrever; o harness define quando, onde e como o trabalho acontece.
A skill Harness Creator criou os cinco arquivos com um comando, e o verificador do curso passou de 20 para 100 pontos em 100.
No teste, ambos os projetos concluíram 30 testes na primeira rodada, mas o projeto com harness salvou seis commits.
Após as sessões serem interrompidas e os projetos clonados em um ambiente novo, o projeto com harness retomou o trabalho e passou em 42 verificações.
O vídeo recomenda o harness para projetos que durem vários dias ou envolvam várias pessoas ou agentes.
O curso sugere aulas diferentes conforme o problema: perda de contexto, tarefas declaradas como concluídas antes da hora, falta de foco ou excesso de prompting.

Capítulos

Início	Capítulo	Resumo
00:00	Por que agentes precisam de um harness	O vídeo contrasta o desempenho de um agent sem harness com o de um agent apoiado por esse sistema e apresenta o curso.
01:01	Os cinco componentes do harness	São apresentados os arquivos de instruções, funcionalidades, progresso, verificação e transferência de sessão.
02:33	Teste comparativo em três rodadas	O teste compara projetos com e sem harness quanto à conclusão de tarefas, ao registro do trabalho e à retomada em outro ambiente.
03:35	Quando usar e por onde começar	O vídeo recomenda o harness para trabalhos prolongados ou colaborativos e indica aulas do curso conforme os problemas enfrentados.

Citações

O modelo decide que código escrever. O harness decide quando, onde e como. — 01:31

Cinco arquivos escritos em um segundo. Mesmo verificador. 100 de 100. — 02:01

Sem um harness, a memória do seu projeto fica em um chat em uma máquina. — 03:35

Qualquer coisa que dure vários dias, envolva várias pessoas ou vários agents: configure antes. — 04:07

Conceitos e entidades

Harness (conceito): Conjunto de arquivos e procedimentos no projeto que orienta o trabalho do agent e preserva seu estado entre sessões.
Learn Harness Engineering (repo): Curso gratuito citado no vídeo, com aulas e projetos práticos sobre harness engineering.
Harness Creator (ferramenta): skill mencionada no vídeo que cria os cinco arquivos do harness com um comando.
Anthropic (empresa): Empresa citada como fonte de publicações sobre como tornar agents confiáveis.
OpenAI (empresa): Empresa citada como fonte de publicações sobre práticas para tornar agents confiáveis.
Claude Code (ferramenta): Ferramenta usada nos projetos do teste comparativo descrito no vídeo.
Opus 5.5 (modelo): Modelo usado nos dois projetos do experimento.
featurelist.json (conceito): Arquivo que registra as funcionalidades do projeto, seus estados e as evidências de que funcionam.
progress.md (conceito): Arquivo que registra o que foi concluído, o que vem a seguir e quais pontos ainda são arriscados.
CLAUDE.md (conceito): Arquivo de instruções que define o que o agent deve ler, quais regras seguir e o que conta como concluído.

Tradução completa (pt-BR)

00:00 Você dá uma tarefa de verdade para seu agent de IA. Ele lê seus arquivos, escreve o código e diz: “Pronto.” Então, você abre o projeto no seu outro notebook, ou um colega o baixa, e o agent não faz ideia do que aconteceu ontem. Você conhece essa sensação. Não é um modelo burro. A Anthropic deu o mesmo prompt ao mesmo modelo duas vezes. Por conta própria, ele rodou por 20 minutos, e o jogo que criou estava quebrado. Com um harness em volta dele, rodou por 6 horas, e o jogo que criou realmente

00:30 funcionou. Há um curso gratuito que ensina exatamente esse harness, e um comando que o configura no seu próprio projeto. Fiz um teste comparativo, e os resultados me surpreenderam. Ele se chama Learn Harness Engineering. Mais de 17.000 estrelas no GitHub, licença MIT e gratuito em 15 idiomas. São 14 aulas curtas e oito projetos práticos. O curso se baseia no que a OpenAI e a Anthropic publicaram sobre como tornam seus próprios agents confiáveis. E ele inclui uma skill que cria o harness para você. Então,

01:01 o que é um harness? Não é um prompt melhor. São alguns arquivos simples no seu projeto que o agent lê toda vez que inicia. O curso divide isso em cinco partes, e cada parte corresponde a um arquivo. Um: Claude.md. São as instruções: o que ler primeiro, as regras e o que significa concluir o trabalho. Dois: featurelist.json. O escopo. Cada recurso, seu status e a comprovação de que funciona. Assim, o agent faz uma coisa de cada vez. Três: progress.md. O estado.

01:31 O que foi concluído, o que vem a seguir e o que ainda oferece riscos. Quatro: um script de inicialização. A verificação. Ele instala e executa os testes, e nada é considerado concluído até que passe. Cinco: uma nota de transição de sessão. O ciclo de vida. Como parar corretamente, para que a próxima sessão comece em um minuto. O curso resume tudo em uma frase. O modelo decide que código escrever. O harness decide quando, onde e como. Você não precisa escrever esses arquivos à mão. Em um projeto comum, o próprio verificador do curso

02:01 me deu 20 de 100. Executei um comando da skill Harness Creator. Cinco arquivos criados em um segundo. O mesmo verificador. 100 de 100. Mas essa pontuação só verifica se os arquivos existem. A verdadeira questão é se o agent realmente se comporta melhor. Então, testei. Dois projetos idênticos. Uma pequena ferramenta de faturas com seis recursos. Mesmo Claude Code. Mesmo modelo. Opus 5.5. Mesmo prompt. O Projeto A recebe apenas o prompt. O Projeto

02:33 B também recebe os cinco arquivos. E escrevi meus próprios testes, 30 deles, que nenhum dos dois agents chegou a ver. Primeira rodada. Ambos concluíram. 30 de 30 cada um. E o que não tinha harness foi mais rápido. Um minuto e meio contra quase 3 minutos. Mas veja o que cada um deixou para trás. Projeto A: zero commits. Nada salvo. Projeto B: seis commits. Um por recurso, cada um com sua comprovação registrada. Segunda rodada. Quatro recursos novos. E encerrei as duas sessões depois de 1 minuto, como se fechasse o notebook.

03:04 O que não tinha harness concluiu os quatro. O Harness concluiu e salvou dois. Até aqui, o Harness está perdendo. A terceira rodada é o mundo real. Amanhã, você trabalha em um segundo notebook. Ou um colega clona o projeto. Clonei os dois em uma configuração nova e dei uma instrução: continue de onde a última sessão parou. Projeto A: este checkout não tem trabalho anterior. Eu precisaria da especificação ou da lista de tarefas. Zero de 42. O Projeto B abriu o plano, executou os

03:35 testes, verificou cada afirmação e estava pronto em 20 segundos. 42 de 42. No mesmo notebook, o Projeto A conseguiu se recuperar, mas só vasculhando os registros de conversa ocultos do Claude Code. Essa é a lição. Sem um Harness, a memória do seu projeto fica em uma conversa em uma máquina. Com um, ela fica no repo, onde toda sessão, todo colega de equipe e toda ferramenta podem acessá-la. Então, quando você deve usá-lo? Para um script rápido e pontual, deixe para lá. Os modelos de hoje são rápidos o bastante.

04:07 Para qualquer coisa que dure vários dias, envolva várias pessoas ou vários agents, configure-o primeiro. Isso custa um pouco de velocidade e protege o projeto inteiro. Por onde começar no curso? Escolha o seu problema. Seu agent esquece as coisas entre sessões? Aula cinco e projeto três. Ele diz que terminou quando não terminou? Aulas nove e 10. Ele se desvia e começa três coisas, sem concluir nenhuma? Aulas sete e oito. Cansou de passar o dia todo escrevendo prompts? Aula 13, sobre loops.

04:38 As três primeiras fases cabem em um fim de semana prolongado. Coloquei os cinco arquivos, o comando único e a indicação de qual aula resolve cada problema em um PDF. Comente “cinco arquivos” e meu bot envia o PDF para você. Se isso foi útil, clique em participar para se tornar membro aqui no YouTube ou inscreva-se no Facebook. É novo no Claude Code? Meus guias para iniciantes estão na descrição. Até a próxima.

Transcrição original

[00:00] You give your AI agent a real task. It reads your files, writes the code, and tells you, “Done.” Then, you open the project on your other laptop, or a teammate pulls it, and the agent has no idea what happened yesterday. You know that feeling. That’s not a dumb model. Anthropic gave the same model the same prompt twice. On its own, it ran for 20 minutes, and the game it built was broken. With a harness around it, it ran for 6 hours, and the game it made actually

[00:30] played. There’s a free course that teaches exactly that harness, and one command that sets it up in your own project. I tested it head-to-head, and the results surprised me. It’s called Learn Harness Engineering. Over 17,000 stars on GitHub, MIT licensed, and free in 15 languages. 14 short lectures and eight hands-on projects. Built on what OpenAI and Anthropic published about how they make their own agents reliable. And it ships a skill that builds the harness for you. So,

[01:01] what is a harness? It’s not a better prompt. It’s a few plain files in your project that the agent reads every time it starts. The course splits it into five parts, and each part is a file. One, Claude.md. That’s the instructions. What to read first, the rules, and what done means. Two, featurelist.json. The scope. Every feature, its status, and the proof it works. So, the agent does one thing at a time. Three, progress.md. The state.

[01:31] What’s finished, what’s next, and what’s still risky. Four, a startup script. The verification. It installs and runs the tests, and nothing counts as done until it passes. Five, a session handoff note. The life cycle. How to stop cleanly, so the next session starts in a minute. The course puts it in one line. The model decides what code to write. The harness decides when, where, and how. You don’t have to write these by hand. On a normal project, the course’s own

[02:01] checker gave me 20 out of 100. I ran one command from the Harness Creator skill. Five files written in a second. Same checker. 100 out of 100. But that score only checks that the files exist. Whether the agent actually behaves better is the real question. So I tested it. Two identical projects. A small invoice tool with six features. Same Claude code. Same model. Opus 5.5. Same prompt. Project A gets only the prompt. Project

[02:33] B also gets the five files. And I wrote my own tests, 30 of them, that neither agent ever saw. Round one. Both finished. 30 out of 30 each. And the plain one was faster. A minute and a half against almost 3 minutes. But look at what each one left behind. Project A. Zero commits. Nothing saved. Project B, six commits. One per feature, each with its proof written down. Round two. Four new features. And I cut both sessions off after 1 minute, like closing your laptop.

[03:04] The plain one, all four done. The Harness, two done and saved. So far, the Harness is losing. Round three is the real world. Tomorrow, you work from a second laptop. Or a teammate clones the project. I cloned both onto a fresh setup and said one thing. Pick up where the last session left off. Project A. This checkout has no earlier work. I’d need the spec or task list. Zero out of 42. Project B opened the plan, ran the

[03:35] tests, checked every claim, and was ready in 20 seconds. 42 out of 42. On the same laptop, Project A did recover, but only by digging through Claude code’s hidden chat logs. That’s the lesson. Without a Harness, your project’s memory lives in a chat on one machine. With one, it lives in the repo where every session, every teammate, and every tool can read it. So, when should you use it? A quick one-off script, skip it. Today’s models are fast enough.

[04:07] Anything that runs over several days, several people, or several agents, set it up first. It costs a little speed and it protects the whole project. Where should you start in the course? Pick your pain. Your agent forgets between sessions? Lecture five and project three. It says done when it isn’t? Lectures nine and 10. It wanders off and does three things halfway? Lectures seven and eight. Tired of prompting all day? Lecture 13 on loops.

[04:38] The first three phases fit in a long weekend. I put the five files, the one command, and which lecture fixes which problem in one PDF. Comment five files and my bot sends it to you. If this was useful, hit join to become a member here on YouTube or subscribe on Facebook. New to Claude code? My beginner guides are in the description. See you in the next one.