Cómo dejar de escribir código a mano y empezar a diseñar arneses para redes neuronales

Hace poco me encontré sintiéndome extraño. Estás sentado en un editor, lanzando un agente como Claude Code o Cursor, dándole una tarea, y diez minutos después estás ordenando un desastre de funciones inventadas y tipos rotos. Intentar dictar un prompt de sistema de cinco páginas generalmente empeora las cosas: el modelo olvida el comienzo de la instrucción en el tercer paso.

Resulta que en la comunidad de ingeniería alrededor de OpenAI, Anthropic y Cursor, este problema ya se ha formalizado en una disciplina separada. Se llama Harness Engineering, que puede traducirse como diseñar arneses o bridas para agentes.

El repositorio deusyu/harness-engineering ha recopilado una base de conocimientos extensa sobre este tema en un solo lugar: análisis de conceptos, traducciones de decenas de artículos en inglés de ingenieros como Martin Fowler, LangChain y los creadores de Bun, así como plantillas listas para implementar este enfoque en tus propios proyectos.

De dónde vino la idea

Si en el desarrollo clásico una persona escribe código y la máquina lo ejecuta, entonces con la llegada de los agentes autónomos la cadena cambia. Una persona formula restricciones y reglas del juego, la red neuronal escribe código, y el entorno ejecuta verificaciones y devuelve retroalimentación al agente.

El punto es que el ingeniero deja de ser el autor de cada línea. El producto principal del ingeniero se convierte en un sistema de restricciones: archivos de configuración AGENTS.md, linters personalizados, pruebas estructurales y puertas estrictas en CI.

El repositorio cita datos de un experimento real de uno de los equipos: durante más de 5 meses, un equipo de 3-7 personas fusionó aproximadamente 15.000 pull requests que totalizaron casi un millón de líneas de código, cerrando un promedio de 3,5 PRs por persona por día. La mayor parte de la generación se ejecutó durante la noche en sesiones de seis horas.

Principios principales del Harness Engineering

El autor del repositorio descompone el enfoque en varios conceptos aplicados.

El repositorio como única fuente de verdad

Todo lo que no está dentro de un repositorio git no existe para el agente. Tus llamadas de Zoom, discusiones de arquitectura en Slack o borradores en Google Docs no llegan al contexto del modelo.

Si decidiste cambiar una firma de API o acordaste una estructura de carpetas, esto debe vivir en el repositorio como archivos versionados. Cualquier especificación y plan de tareas se confirman inmediatamente en una rama.

Un mapa en lugar de una enciclopedia

Un error común al configurar el desarrollo agentic es crear un archivo de sistema masivo con todas las instrucciones del proyecto. Los modelos se abruman con prompts extensos.

En su lugar, se utiliza un archivo AGENTS.md de aproximadamente 100 líneas. Funciona como una tabla de contenidos o mapa del terreno, indicando al agente qué subdirectorios consultar para obtener detalles según la tarea. Cada subdirectorio contiene su propio AGENTS.md local. Este principio se llama revelación progresiva del contexto.

Control mecánico en lugar de persuasión verbal

Las reglas de texto en la documentación rápidamente quedan obsoletas, y los agentes tienden a ignorarlas o interpretarlas mal. Los linters y las pruebas unitarias no quedan obsoletas.

En lugar de extensas descripciones de estilo de arquitectura, se escriben linters personalizados. La parte más interesante: los mensajes de error en tales linters contienen inmediatamente instrucciones claras para corregir el problema. El agente ejecuta la verificación, captura el error del linter, lee el texto de sugerencia y reescribe la sección problemática del código por sí mismo.

Legibilidad del código para agentes y gestión de entropía

Al elegir bibliotecas, se da prioridad a tecnologías estables, bien documentadas y con comportamiento predecible. Si una biblioteca es demasiado compleja o usa magia oscura de metaprogramación, el agente tropezará constantemente. A veces es más fácil implementar un módulo interno simple desde cero que hacer que la red neuronal adivine el comportamiento de un paquete externo opaco.

Además, los agentes adoran copiar malos patrones si los encuentran en la base de código existente. Para evitar que el repositorio se pudra, agentes de refactorización especiales se ejecutan en segundo plano, cuya tarea se reduce a encontrar desviaciones de los estándares y crear PRs correctivas.

Repositorio autorreferencial

Lo que hace atractivo al proyecto deusyu/harness-engineering es que está construido sobre los mismos principios que describe.

Dentro del repositorio, se ejecuta un script scripts/check-consistency.sh estricto, activado a través de pre-commit hooks y GitHub Actions. El script verifica trece niveles de integridad:

• Verifica el número exacto de artículos mencionados en badges y documentación
• Monitorea que la estructura de directorios coincida con el árbol de archivos declarado
• Valida todos los enlaces y tablas
• Controla las auditorías de imágenes en las traducciones de artículos para que no se pierdan diagramas de los originales

El proceso de agregar nuevos materiales está automatizado a través de una skill especializada de Claude, donde los agentes realizan el análisis inicial y formateo de artículos, mientras que un humano actúa solo como censor final.

Para quién es este proyecto

Si estás escribiendo proyectos personales en solitario o quieres configurar un trabajo eficiente con Cursor, Claude Code, Aider o modelos locales en tu equipo, este repositorio vale la pena marcarlo.

No hay botones mágicos ni binarios listos para usar aquí. Este es un manual y una colección de experiencia de ingeniería, explicando por qué tus prompts dejan de funcionar a la distancia y cómo configurar el repositorio para que las redes neuronales traigan beneficios en lugar de convertir la base de código en un vertedero.

La forma más fácil de comenzar a aprender es con los archivos en el directorio concepts/, luego mira la implementación de AGENTS.md en la raíz del proyecto e intenta adoptar una estructura similar para tus propios repositorios de trabajo.