Com o surgimento da IA Generativa e os Chats de IA, temos observado um aumento no uso de termos que envolvem “engenharia”: Engenharia de Prompt (2022–); Engenharia de Contexto (2025–); Engenharia de Harness (2026–). Três novos conceitos, cujas fronteiras ainda não estão totalmente definidas no setor.

A Anthropic descreve a engenharia de contexto como uma “evolução natural da engenharia de prompt”, e o artigo de Martin Fowler sobre “Engenharia de Harness”[1] organiza a engenharia de harness como uma forma de engenharia de contexto.

É fácil se perguntar quais são as diferenças reais, e com o objetivo de responder a questão, compartilho um modelo mental usando a metáfora da IA como um Cavalo Inteligente, de um artigo Japones que li recente para facilitar o entendimento. Este artigo trás uma abordagem geral, não entrando no assunto com profundidade.

Preparando o terreno

Você é dono de um cavalo. Você tem um cavalo incrivelmente inteligente à sua disposição.

Tudo o que você quer que ele faça é: “Dê uma volta na pista uma vez a cada minuto.”

Simples, não é? Mas a questão é que é surpreendentemente difícil fazer o cavalo executar corretamente esse “pedido simples”.

1. Engenharia de Prompt — A Arte de “Questionar”

Trata-se de transmitir “o que constitui sucesso” de uma forma que o cavalo (a IA) não possa interpretar erroneamente.

A habilidade do cavalo não muda. O que muda é a forma como o humano se comunica. Esta é a parte fascinante da engenharia de instruções: mesmo que você peça a mesma coisa para a mesma IA, os resultados podem mudar drasticamente dependendo de como você formula a pergunta.

Chamada Ambígua

Dono: “Dê uma volta na pista uma vez a cada minuto.”

Cavalo: “OK!”

O cavalo correu “uma vez”. No entanto, ele simplesmente correu em linha reta de uma ponta à outra do campo e voltou, dizendo: “Pronto, consegui!”

O cavalo não estava relaxando. Acontece que a definição de “dar a volta na pista” era ambígua.

Instruções corretas

Dono: “Corra ao longo da linha branca da pista, sem atalhos, e retorne ao ponto de partida após uma volta.”

Cavalo: “Entendido!”

Desta vez, ele seguiu a linha branca corretamente, completou a volta e retornou.

Resumo: A Engenharia de Prompts (comandos) consiste em “aprimorar a forma como você se comunica com a IA”. Mas sua essência não se resume a técnicas superficiais; trata-se de “não deixar critérios de sucesso ambíguos”.

2. Engenharia de Contexto — A Arte de “Mapas e Relatórios de Reconhecimento”

Trata-se de projetar todo o conjunto de informações que você mostra à IA em qualquer momento.

Se o Prompt é sobre “o que fazer”, então o Contexto é sobre “o que mostrar”.

O importante aqui é que mais informação nem sempre é melhor. A Anthropic menciona que “o contexto deve ser tratado como um recurso finito”[2], e a OpenAI escreve que “manuais de instruções extensos podem ocultar informações importantes”[3].

Forneça as informações necessárias, no momento necessário e na quantidade necessária. De forma simples, clara e objetiva.

Correndo Sem Contexto

A instrução era perfeita. Mas…

Condição do terreno: Há um buraco a 10 m do ponto de partida.

Dono: “Corra ao longo da linha branca da pista, sem atalhos, e retorne ao ponto de partida após uma volta.”

Cavalo: “OK!” Cavalo: Plop 💀

A instrução foi perfeita “Corra ao longo da linha branca da pista, sem atalhos, e retorne ao ponto de partida após uma volta.”, mas o cavalo não conhecia as condições do percurso.

Fornecendo Contexto

Dono: “Corra ao longo da linha branca, sem atalhos, uma volta.”, porém “Considere esta anotação (bilhete)”

[Bilhete]: “Obstáculo na marca de 10m. Salte para passar.”

Cavalo: “Entendido, bilhete lido!”

Cavalo: (Salta na marca de 10m → Evita o obstáculo)

Esta é a base da engenharia de contexto: passar as informações básicas necessárias como um conjunto antes do início.

Mas, na verdade, isso não é tudo.

É aqui que a engenharia de contexto fica realmente interessante.

Não se trata apenas de passar um “bilhete” antecipadamente; também inclui fornecer informações em tempo real enquanto a prova está em andamento.

Pássaro Escoteiro 🐦 (uma função para explorar o terreno e transmitir informações): “Há uma poça na próxima curva! Passe por dentro!”, “Entrando na reta! Livre! Velocidade máxima permitida!”

Durante a corrida, o pássaro escoteiro transmite apenas as informações necessárias para aquele trecho, no momento certo. Talvez essa seja a essência de engenharia de contexto.

Resumo: A engenharia de contexto não se resume a entregar um “aviso” antes da corrida; trata-se também de transmitir informações no momento apropriado.

• O aviso antes da corrida = Instruções do sistema, conhecimento prévio.
• Informações de reconhecimento durante a corrida = RAG (busca/recuperação de informações externas), feedback dos resultados da execução da ferramenta.

Projetar “o que mostrar neste exato momento”. É isso que eu acredito ser a engenharia de contexto.

3. Engenharia de Harness — A Arte de “Todo o Sistema”

Trata-se de projetar todo o sistema para garantir que a IA funcione de forma estável.

Harness originalmente se referia a “equipamentos” ou “arreios” para um cavalo. Rédeas, sela, estribos — um conjunto de ferramentas para maximizar a potência do cavalo, impedindo-o de correr descontroladamente.

No mundo da IA, engloba tudo no sistema de execução fora do modelo — ferramentas, restrições, ciclos de feedback e mecanismos de verificação.

Se os comandos e o contexto são sobre “trabalhar com o cavalo”, então a engenharia de Harness é o sentido de “manter o palco onde o cavalo corre”.

Por que Precisamos de Harness?

Os comandos e o contexto são perfeitos. Mas…

• O cavalo ocasionalmente se desvia do caminho.
• Os resultados são ligeiramente diferentes a cada vez.
• Mesmo que corra a toda velocidade na direção errada, ninguém pode pará-lo.

Para uma única solicitação, um bom comando + um bom contexto são suficientes. Mas agora que temos mais cenários em que pedimos a uma IA para “trabalhar autonomamente por uma hora“, a falta de estabilidade sistêmica é assustadora.

É aí que entra a engenharia de Harness (sistemas de controle).

Os Quatro Elementos de um Sistema de Controle

Os quatro elementos de um sistema de controle (Harness): Ferramentas, Grades de Proteção para segurança (Guardrails), Pontos de Verificação e Loops de Verificação

Ferramentas — Equipando-se com Ferraduras

Correr com ferraduras é mais rápido e estável do que correr descalço. Se houver obstáculos, podemos até fornecer rampas de salto.

No mundo da IA → Definições de ferramentas como leitura/gravação de arquivos, busca na Web e execução de código.

Grades de Proteção — Cercas para impedir que o sistema saia do percurso

Não importa a velocidade, é inútil se o sistema sair do percurso. Como há uma cerca, o sistema pode correr em velocidade máxima com tranquilidade.

No mundo da IA → Controle de permissões, ambientes isolados (sandboxes) e restrições em operações executáveis.

Observação — Sensores de Ponto de Controle

Posicione sensores em pontos-chave do percurso para registrar tempos de volta e trajetórias. Avise imediatamente se houver desvios.

No mundo da IA → Ganchos (processamento executado automaticamente antes/depois de ações específicas), registros e monitoramento.

Ciclo de Verificação — Reflexão após o objetivo

“Perdi 0,5 segundos na segunda curva desta vez. Na próxima vez, mudarei o ângulo de entrada.” Crie um ciclo para refletir os resultados na próxima corrida.

No mundo da IA → Execução de testes, obtenção de resultados de CI (Integração Contínua), avaliação e ciclos de melhoria.

Juntando tudo…

Gerente de Equipamentos: “Poços preenchidos. Cercas construídas. Sensores instalados nos pontos de controle. Ferraduras substituídas por novas.”

Proprietário (Instruções): “Corra ao longo da linha branca, sem atalhos, uma volta.”

Olheiro (Contexto): “A grama está molhada depois da curva, então diminua a velocidade.”

Cavalo: “Entendido, a toda velocidade!”

→ Resultado estável, consistente e de alto desempenho sempre.

Resumo: A Engenharia de Harness não se resume a “reunir ferramentas”.

Trata-se do projeto de todo o sistema para que o cavalo continue correndo de forma estável, incluindo ferramentas, restrições, observações e ciclos de verificação.

Para uma única pergunta, um bom enunciado é suficiente. Mas se você estiver pedindo um trabalho autônomo como “refatorar toda a base de código em uma hora”, sem ferraduras (ferramentas), cercas (restrições), pontos de verificação (observação) e tempos de volta (verificação), o cavalo eventualmente sairá da estrada.

Relações entre os três

Não acredito que esses três sejam coisas que você escolhe entre si. Eles funcionam como camadas sobrepostas. Estrutura em camadas das três disciplinas da engenharia:

• Engenharia de Prompt← O que fazer (instruções)
• Engenharia de Contexto ← O que mostrar (todas as informações necessárias para IA)
• Engenharia de Harness ← Como executar, verificar e corrigir isso (tools / constraints / monitoring / loops)

Além disso, as camadas necessárias aumentam dependendo da complexidade do que você deseja alcançar.

Resultado Desejado e Camadas Necessárias:

• Obter uma boa resposta do ChatGPT >> Prompt
• Permitir que ele consulte documentos da empresa com RAG >> Prompt + Contexto
• Fazer um agente de IA escrever código autonomamente >> Prompt + Contexto + Harness

Conclusão

Se a IA é um “cavalo inteligente”, acredito que nós, humanos, temos três tarefas:

• Transmitir o que você quer que seja feito sem mal-entendidos (Prompt)
• Mostrar as informações necessárias para a execução de forma adequada (Contexto)
• Configurar todo o mecanismo para funcionar de forma estável (Controle)

Não domine apenas uma… Somente quando as três estiverem presentes é que o cavalo poderá ter o melhor desempenho.

Os cavalos estão ficando mais inteligentes. Acredito que o que está sendo questionado agora é a nossa própria capacidade de design como cavaleiros.

Fonte: Understanding Prompt Engineering, Context Engineering, and Harness Engineering through the Metaphor of a Horse – 10 de abril de 2016

Referências

• [1]: Martin Fowler “Harness engineering for coding agent users“
• [2]: Anthropic – Effective context engineering for AI agents
• [3] OpenAI – Harness engineering
• OpenAI – Prompt engineering guide
• OpenAI – Unlocking the Codex harness