Harness engineering

"Agente = Modelo + Harness. Si no eres el modelo, eres el harness." La ecuación de Viv Trivedy, citada por Addy Osmani (Google) el 19 de abril de 2026, es la definición de trabajo: el harness es todo lo que se añade alrededor del modelo para mejorar lo que genera. La evidencia que aporta Osmani proviene de Terminal Bench 2.0, donde Claude Opus 4.6 ejecutándose dentro de Claude Code obtiene una puntuación muy por debajo del mismo modelo en un harness personalizado, y donde el equipo de Trivedy llevó un agente de codificación del puesto 30 al puesto 5 cambiando únicamente el harness.

OpenAI informó en febrero de 2026 que tres ingenieros (luego siete) produjeron aproximadamente un millón de líneas de un producto beta interno en cinco meses sin escribir una sola línea a mano, a través de unas 1.500 pull requests en Codex. Su conclusión fue que el cuello de botella en el rendimiento de los agentes suele residir en el diseño del entorno más que en la inteligencia del modelo, y sus tres pilares fueron Context Engineering, restricciones arquitectónicas impuestas mecánicamente y tareas recurrentes de recolección de basura. Birgitta Böckeler dividió ese mismo objeto en guías (feedforward: convenciones, especificaciones, skills, servidores MCP) y sensores (feedback: linters, tests, análisis estático), cada uno de tipo computacional o inferencial. Rémi Jacquet, de Cast Software, fechó el punto de inflexión: prompt engineering en 2024, Context Engineering en 2025, harness engineering en 2026.

Dorra Bartaguiz aporta la contramedición. Se anunció que el código generado a partir de un único prompt alcanzaba una cobertura del 100%; ella midió un 33% en conjunto y una puntuación de mutación del 13,82%. La categoría más difícil de Böckeler sigue abierta: verificar que una aplicación hace lo que debe hacer.