Harness engineering, prompt engineering e context engineering: qual a diferença
Publicado em · atualizado em
Prompt engineering é escrever e organizar a instrução que se dá a um modelo de IA. Context engineering é escolher tudo o que o modelo tem diante de si a cada passo: a instrução, os documentos, as ferramentas disponíveis e o histórico do trabalho. Harness engineering é o trabalho de montar o ambiente em que um agente de IA opera: o contexto que ele recebe, as ferramentas que pode usar, as regras que valem e o ponto em que a autonomia para. Na prática, o prompt é parte do contexto, e o contexto é uma das peças do harness.
Os três termos ganharam força nessa ordem: prompt engineering quando o uso típico de um modelo era um pedido e uma resposta; context engineering em 2025, com agentes trabalhando em várias etapas; e harness engineering a partir de fevereiro de 2026, com agentes de código trabalhando por horas dentro de repositórios.
Prompt engineering: como pedir
A Anthropic define prompt engineering como os métodos para escrever e organizar as instruções dadas a um modelo de linguagem para obter o melhor resultado. Na prática, isso quer dizer deixar claro o papel e o objetivo, dar exemplos do que se espera, separar a instrução do material de apoio e dizer em que formato a resposta deve vir.
Funciona muito bem quando a tarefa cabe num pedido: classificar um chamado, resumir um contrato, sugerir um teste. O limite aparece quando o modelo passa a trabalhar sozinho por muitas etapas, e a instrução inicial vira uma parte pequena do que ele tem diante de si.
Context engineering: o que o modelo vê
Em junho de 2025, Tobi Lütke, CEO e cofundador da Shopify, escreveu no X que gostava mais do termo context engineering do que de prompt engineering, porque ele descreve melhor a habilidade principal: a arte de dar todo o contexto para que a tarefa seja plausivelmente solucionável pelo modelo. Andrej Karpathy apoiou a troca dias depois e descreveu context engineering como a delicada arte e ciência de preencher a janela de contexto (o espaço limitado de texto que o modelo consegue considerar de uma vez) com a informação certa para o próximo passo.
Em setembro de 2025, a Anthropic descreveu context engineering como a evolução natural do prompt engineering: as estratégias para escolher e manter a melhor informação diante do modelo, incluindo tudo o que entra além do prompt. E explicou por que isso pesa: quanto mais texto se põe na frente do modelo, menor a capacidade dele de lembrar com precisão o que está ali. O trabalho, então, é achar o menor conjunto de informação relevante que aumente a chance do resultado desejado.
Num agente de código, context engineering é decidir quais arquivos, documentos, resultados de ferramentas e trechos do histórico entram em cada etapa, e o que fica de fora.
Harness engineering: o ambiente do agente
Em fevereiro de 2026, a OpenAI publicou o relato de cinco meses construindo um produto interno sem nenhuma linha de código escrita à mão, com o título Harness engineering. O texto conta que o trabalho principal do time passou a ser projetar ambientes, especificar a intenção e construir ciclos de feedback para que os agentes fizessem um trabalho confiável. Dois detalhes ajudam a entender o termo. Um arquivo de instruções único e grande não funcionou e foi trocado por um arquivo de cerca de 100 linhas que serve de mapa para a documentação. E várias regras saíram do texto e foram para linters próprios (programas que checam regras no código de forma automática), cuja mensagem de erro já diz ao agente como corrigir.
No site de Martin Fowler, Birgitta Böckeler, Distinguished Engineer da Thoughtworks, registra a fórmula que se firmou como atalho para o termo: agente = modelo + harness, ou seja, o harness é tudo o que há num agente além do modelo. Em seguida, ela restringe a ideia para quem usa um agente de código: o harness desse usuário reúne guias, que agem antes de o agente escrever (convenções num arquivo como o AGENTS.md, por exemplo), e sensores, que agem depois (testes, verificação de tipos, linters, uma revisão feita por IA).
O que separa o harness dos dois termos anteriores é que ele dura, porque vale para todas as sessões e fica versionado no repositório, e boa parte dele é aplicada por código. Uma regra checada por um linter não depende de o agente lembrar dela. Em português, harness costuma ser traduzido como arreio ou arnês, mas o termo em inglês é o mais usado, e não tem relação com a empresa Harness.io. Um exemplo de cada peça, do arquivo de instruções aos testes, está em exemplos de harness por peça.
Os três lado a lado
| Prompt engineering | Context engineering | Harness engineering | |
|---|---|---|---|
| Pergunta central | Como pedir? | O que o modelo precisa ter à frente neste passo? | Em que ambiente o agente trabalha, e até onde ele pode ir sozinho? |
| O que se ajusta | O texto da instrução e os exemplos | A instrução mais documentos, arquivos, resultados de ferramentas e histórico | O contexto mais ferramentas permitidas, regras checadas por código, testes e limites de autonomia |
| Quanto dura | Um pedido | Uma sessão, revista a cada etapa | Todas as sessões, versionado no repositório |
| Como se aplica | Por palavras | Pela escolha do que entra | Em boa parte por código: linters, testes, permissões |
| Exemplo num agente de código | "Escreva um teste unitário para esta função, no padrão do projeto" | Escolher quais arquivos e documentos o agente lê antes de mexer num módulo | Arquivo de instruções curto como mapa, linter que barra uma dependência proibida, aprovação humana antes de uma migração de banco |
| Como saber se funcionou | A resposta saiu como esperado | O agente acertou sem se perder em material irrelevante | O agente erra menos, o erro que acontece é pego por uma checagem, e o que escapa chega a uma pessoa |
| Falha típica | Instrução ambígua | Contexto demais ou de menos | Regra que só existe em texto, ou limite que ninguém definiu |
Onde as fronteiras se misturam
Nem todo mundo traça a linha no mesmo lugar. Böckeler descreve o harness de quem usa um agente de código como uma forma específica de context engineering: o context engineering dá os meios para pôr guias e sensores diante do agente, e o harness é o que o time constrói com eles para o próprio código. A Anthropic, por sua vez, inclui as ferramentas e o histórico no contexto. Na nossa leitura, para uma empresa, duas perguntas pesam mais que o nome: o que é garantido por código, além de pedido por escrito, e o que continua valendo na próxima sessão.
Quando cada um importa
- Prompt engineering basta quando a tarefa cabe num pedido e quem pediu confere a resposta.
- Context engineering entra quando o modelo trabalha em várias etapas, busca documentos ou chama ferramentas, e o problema passa a ser o que ele vê em cada etapa.
- Harness engineering entra quando agentes de código trabalham no repositório da empresa, por muitas sessões, com várias pessoas e perto de produção. Um bom sinal é o mesmo erro aparecer duas vezes. Böckeler recomenda que, sempre que um problema se repete, os guias e sensores sejam melhorados para torná-lo menos provável.
Nenhum dos três dispensa a leitura humana do que vai para produção nem o registro de cada sessão. O harness prepara e limita a execução; a observabilidade registra o que aconteceu, com pedido, passos, modelo, custo, resultado e autoria. Uma camada não substitui a outra.
Onde isso entra na Ithaca
A Ithaca opera uma plataforma de desenvolvimento agentic no nível 4 da escala de autonomia proposta por Dan Shapiro, com uma regra própria: agentes de código executam, pessoas do time leem o que vai para produção, e cada sessão fica registrada. Harness engineering é uma disciplina dentro dessa plataforma: o contexto aprovado entra pela Knowledge base, regras e limites valem durante a execução, e a leitura humana fica antes da produção. A definição completa, com as peças do harness e quem decide cada uma, está em Harness engineering: o que é harness em IA, com exemplos; a escala, em Níveis de autonomia de agentes de código.
Perguntas frequentes
Qual a diferença entre prompt engineering e context engineering?
Prompt engineering é escrever e organizar a instrução dada ao modelo. Context engineering é escolher tudo o que o modelo tem diante de si a cada passo, incluindo a instrução, documentos, ferramentas e histórico. A Anthropic descreve o segundo como a evolução natural do primeiro, que ganhou importância quando os modelos passaram a trabalhar em várias etapas.
Harness engineering é a mesma coisa que context engineering?
Não exatamente. O contexto é uma das peças do harness. O harness acrescenta o que é aplicado por código, como testes, linters e permissões, e o ponto em que a autonomia do agente para, e vale para todas as sessões. Birgitta Böckeler descreve o harness de quem usa um agente de código como uma forma específica de context engineering.
Ainda vale aprender prompt engineering?
Vale. Toda interação com um modelo começa por uma instrução, e uma instrução clara continua fazendo diferença. O que mudou é que, para agentes que trabalham por muitas etapas, a instrução é só uma parte do que decide o resultado.
Um bom harness dispensa revisão humana?
Na plataforma da Ithaca, não. O harness pega o que pode ser checado de forma automática e manda o resto para uma pessoa; pessoas do time leem o que vai para produção, e cada sessão fica registrada. Böckeler escreve que um bom harness não deve necessariamente buscar eliminar por completo a participação humana, e sim direcioná-la para onde ela mais importa.
Agendar demonstração
Veja a plataforma de desenvolvimento agentic funcionando no nível 4, como ela entra lado a lado com o seu time: o contexto aprovado entra pela Knowledge base, agentes de código executam dentro dos limites que o seu time define, e cada sessão fica registrada.
Fontes
- Tobi Lütke, post no X, 19 de junho de 2025. A preferência por context engineering em vez de prompt engineering.
- Andrej Karpathy, post no X, 25 de junho de 2025. O apoio ao termo context engineering, citando o post de Tobi Lütke.
- Anthropic, "Effective context engineering for AI agents", 29 de setembro de 2025. As definições de prompt e context engineering e o limite do contexto.
- OpenAI, Ryan Lopopolo, "Harness engineering: leveraging Codex in an agent-first world", 11 de fevereiro de 2026. O relato com o título Harness engineering, o arquivo de instruções como mapa e as regras em linters.
- Birgitta Böckeler, "Harness engineering for coding agent users", martinfowler.com, 2 de abril de 2026. Agente = modelo + harness, guias e sensores, e a relação com context engineering.
Leia também
- Harness engineering: o que é harness em IA, com exemplos
- Plataforma de desenvolvimento agentic: o que é (e o que não é)
- Observabilidade de agentes de código
- Níveis de autonomia de agentes de código
- Governança de IA no desenvolvimento de software
- Vibe coding ou engenharia agêntica: quando usar cada um
- Glossário
