Enxeñaría de harness: que é e como funciona

Que significa a enxeñaría de harness

A enxeñaría de harness é o traballo de construír o harness dunha ferramenta de IA, é dicir, todas as partes da ferramenta agás o modelo de IA.

O modelo é o sistema de IA, adestrado con grandes volumes de texto para que poida ler e escribir linguaxe. Algúns exemplos de modelos de IA son GPT de OpenAI, Claude de Anthropic ou Gemini de Google.

Por si só, un modelo só pode recibir texto (e ás veces imaxes ou audio) e responder con texto. Non pode lembrar conversas pasadas, buscar información actual nin executar código. Por iso necesita un harness que xestione que información recibe o modelo, que aplicacións pode usar, que ten permitido facer e como se comproba o seu traballo.

Mesmo un asistente de chat básico necesita un harness. O modelo esquece cada intercambio en canto responde, así que o harness garda un rexistro da conversa. Se alguén pregunta por París e despois engade “cal é a súa poboación?”, o harness envíalle as dúas preguntas xuntas ao modelo. Así é como o modelo sabe que “súa” se refire a París.

A enxeñaría de harness é unha das razóns polas que dúas ferramentas baseadas no mesmo modelo poden ter un rendemento tan diferente. Por exemplo, nunha proba independente, os investigadores mantiveron o mesmo modelo (GPT5) e cambiaron só o harness, e a puntuación do modelo nunha proba de programación variou ata un 11 %.

Os desenvolvedores de modelos de IA como Anthropic e OpenAI constrúen harness para os seus propios produtos de IA, como Claude Code e Codex. E as empresas que crean produtos de IA deseñan harness para os modelos subxacentes que escollen. As persoas que usan ferramentas de IA tamén configuran parte do harness. Moitas ferramentas permítenlles engadir instrucións permanentes, conectar aplicacións e escoller que accións precisan a súa aprobación antes de que a ferramenta continúe.

Enxeñaría de harness para axentes de IA

Todas as ferramentas de IA teñen un harness, pero a enxeñaría de harness cobra especial importancia ao traballar con axentes de IA. Os axentes realizan tarefas de varios pasos por si sós, como investigar a competencia e pasar os resultados a unha folla de cálculo, e o harness executa cada paso. Así que, se o harness comete un erro, como obter os prezos do ano pasado, afectará tamén ao resto dos pasos.

A maioría dos harness de axentes teñen seis partes principais:

1. O bucle do axente

Ampliar

O bucle do axente é código dentro do harness que fai avanzar unha tarefa, paso a paso.

O modelo de IA decide o seguinte paso necesario para completar a tarefa e escribe unha chamada de ferramenta: unha solicitude breve que indica unha ferramenta do harness, como a busca web, e o que debe facer esa ferramenta.

O harness detecta a solicitude, executa a busca e engade os resultados ao que o modelo pode ver. O modelo léos e decide que facer a continuación.

2. Xestión do contexto

Un modelo aprende coñecementos xerais durante o adestramento, pero eses coñecementos detéñense na data en que rematou o adestramento. Non inclúen nada específico da tarefa en curso, como os ficheiros dunha empresa, as noticias de hoxe ou o que se dixo antes na conversa.

Para todo iso, o modelo depende da súa xanela de contexto: o texto que o harness lle dá antes de cada resposta, como as súas instrucións, a consulta, a conversa ata o momento e os resultados da busca.

A xanela só admite unha cantidade fixa de texto. E mesmo antes de que se encha, os modelos ás veces pasan por alto información enterrada no medio de entradas longas.

Por iso, o harness encárgase da xestión do contexto e escolle só a información que precisa cada paso. Por exemplo, se a tarefa consiste en comparar os prezos de cinco competidores, o harness pode incluír a páxina de prezos de cada empresa en lugar do seu sitio web completo. Nas tarefas longas, o harness tamén pode substituír o rexistro detallado dos pasos anteriores por un resumo breve, para que o modelo saiba o que xa fixo sen que ese historial encha a xanela.

3. Ferramentas

As ferramentas son código que leva a cabo as accións que pide o modelo. Cada ferramenta encárgase dun tipo de acción, como buscar na web, abrir e ler unha páxina web, executar código ou editar un ficheiro. Cando o modelo escribe unha chamada de ferramenta, o harness pásaa á ferramenta axeitada e devolve o resultado.

Moitos harness tamén inclúen conectores, que son ferramentas que vinculan o axente cunha aplicación concreta, como o correo electrónico, un calendario ou unha unidade compartida, mediante o acceso que concedeu unha persoa. Cun conector de calendario, por exemplo, un axente pode comprobar a dispoñibilidade de alguén antes de propoñer unha hora para unha reunión.

4. Memoria

A memoria é información almacenada que se mantén dunha sesión á seguinte. O harness garda notas breves durante unha sesión, como as preferencias dunha persoa ou o estado dun proxecto. Ao comezo da seguinte sesión, o harness engade esas notas á xanela de contexto, para que o modelo as lea antes de ler a nova consulta. Así é como un axente pode, por exemplo, retomar un informe semanal onde o deixou en lugar de comezar de novo desde o principio.

5. Permisos

Os permisos son regras sobre a que pode acceder un axente e que pode facer. As regras de acceso establecen que ficheiros, aplicacións ou sitios web pode abrir. As regras de aprobación establecen que accións deben esperar a autorización dunha persoa, como enviar unha mensaxe ou facer unha compra.

A empresa que crea o axente configura algunhas destas regras no código do harness. Despois, os administradores dunha organización poden engadir as súas propias, e cada usuario pode escoller cousas como que contas conectar.

6. Verificación

A verificación é código que comproba o traballo do axente antes de que chegue a unha persoa. Usa dous tipos de comprobacións:

• Regras fixas, que son probas específicas que se superan ou fallan sempre da mesma maneira, como confirmar que cada cifra dun informe aparece nun documento que o axente leu de verdade.
• Unha revisión por parte doutro modelo de IA, que le o traballo e o avalía. Pode detectar problemas difíciles de converter nunha regra, como un resumo que omite un punto importante.

Ningunha comprobación detecta todo por si soa, así que os harness adoitan combinar os dous tipos. Cando unha comprobación atopa un problema, o harness engade unha descrición del á xanela de contexto do modelo e envía a tarefa de novo polo bucle do axente. O modelo corrixe o problema e téntao outra vez, de modo que moitos erros se corrixen antes de que o usuario vexa o resultado.

Exemplos de enxeñaría de harness

Preparar unha reunión cun cliente

Tarefa: Un xestor de contas pídelle a un axente que prepare unha nota informativa para a reunión de mañá cun cliente, que inclúa as cuestións pendentes e unha proposta de orde do día.

Que fai o harness:

• A través dun conector de correo electrónico, o axente busca na caixa de entrada do xestor as mensaxes co cliente.
• Os permisos permítenlle ler correos electrónicos, pero non enviar ningún.
• A xestión do contexto pásalle ao modelo só as mensaxes dos últimos tres meses con ese cliente, non toda a caixa de entrada.
• O bucle do axente executa varias roldas de busca e lectura, e o modelo agrupa o que atopa en cuestións pendentes.
• A continuación, a verificación comproba que cada cuestión da nota informativa remite a un correo electrónico real.

Resultado posible: O xestor recibe unha nota informativa dunha páxina na que cada punto se pode rastrexar ata o correo electrónico de orixe.

Actualizar un informe mensual de vendas

Tarefa: Un responsable de operacións pídelle a un axente que actualice o informe mensual de vendas coas cifras deste mes.

Que fai o harness:

• A memoria carga as notas da sesión do mes pasado, incluídos o formato do informe e a petición do responsable de redondear as cifras ao millar máis próximo.
• Unha ferramenta de ficheiros abre a folla de cálculo de vendas na unidade compartida do equipo.
• Os permisos permítenlle ao axente editar o borrador do informe, pero non a folla de cálculo de orixe, para que as cifras orixinais non se poidan cambiar por erro.
• A verificación comproba que os totais do informe coinciden cos da folla de cálculo.

Resultado posible: O informe chega co mesmo formato que o do mes pasado, sen que o usuario teña que volver explicalo.

Clasificar unha caixa de entrada compartida

Tarefa: Un equipo de asistencia pídelle a un axente que clasifique por tema as solicitudes recibidas durante a mañá e que redacte respostas para as máis habituais.

Que fai o harness:

• O bucle do axente percorre a caixa de entrada mensaxe a mensaxe.
• Para cada unha, o modelo escolle unha etiqueta de tema e o harness aplícaa a través do conector de correo electrónico.
• Ao comezo da tarefa, o harness engade á xanela de contexto as respostas tipo aprobadas polo equipo como guía, para que o modelo basee cada borrador nunha delas.
• Unha regra de aprobación mantén cada resposta como borrador ata que alguén do equipo a revisa e a envía.

Resultado posible: O equipo comeza o día coas solicitudes clasificadas e as respostas á espera de revisión.

Corrixir un erro nun sitio web

Tarefa: Un desenvolvedor pídelle a un axente de programación que corrixa un erro que impide que funcione un botón de pagamento.

Que fai o harness:

• O axente traballa nun contorno illado, unha copia independente do código onde os seus cambios non poden afectar ao sitio web en produción.
• Unha ferramenta de código permítelle ao modelo ler e editar ficheiros.
• Despois de cada cambio, a verificación executa as probas automatizadas do proxecto.
• Calquera fallo volve ao modelo como información nova.

Resultado posible: O axente segue axustando a corrección ata que se superan as probas. Despois, o desenvolvedor revisa o cambio antes de que se publique.

Enxeñaría de harness fronte a enxeñaría de prompts e enxeñaría de contexto

A enxeñaría de prompts é o traballo de crear e optimizar unha única consulta. A enxeñaría de contexto é o traballo de xestionar todo o que ve o modelo. A enxeñaría de harness é o proceso de deseñar e mellorar todo o sistema dentro do cal traballa o modelo.

Como poden influír os usuarios nun harness de IA

A maior parte do harness dun axente procede da empresa que o crea, pero moitos produtos de IA permiten aos usuarios axustar parte del mediante opcións como instrucións personalizadas, aplicacións conectadas e aprobacións.

Os usuarios poden configurar o harness dun axente, e mellorar os seus resultados, de catro maneiras:

1. Instrucións permanentes

As instrucións permanentes son notas que unha persoa escribe unha soa vez para que o harness poida engadilas á xanela de contexto ao comezo de cada tarefa. Paga a pena configuralas para todo aquilo que, doutro xeito, se repetiría nunha consulta tras outra: quen é a persoa e a que se dedica, como prefire que se redacte o traballo ou as regras dun traballo recorrente, como o informe mensual dun cliente.

Moitos produtos de IA ofrecen instrucións permanentes en dous niveis. As instrucións para toda a conta son axeitadas para aspectos que se aplican a todo o traballo, como as preferencias ortográficas. As instrucións de proxecto son axeitadas para un único cliente ou fluxo de traballo, de modo que as indicacións para un non se trasladen a outro.

As instrucións permanentes funcionan igual nos asistentes de chat e nos axentes, pero os axentes dependen máis delas. Nun chat, unha persoa pode corrixir a IA despois de cada resposta. Un axente pode dar moitos pasos antes de que ninguén vexa o seu traballo, así que as instrucións dadas de antemán son unha das poucas formas de guialo polo camiño.

Como escribir instrucións permanentes eficaces

• Comeza cunha instrución breve, como: “Son xestor de márketing nunha empresa de software. Escribe en inglés sinxelo, mantén os resumos por debaixo de 200 palabras e usa a ortografía dos EUA”.
• Amplíaas cando a IA cometa un erro. Se a IA segue redondeando cifras que o equipo necesita exactas, engade unha liña que o indique.
• Fai que as instrucións sexan específicas: “Dá cifras exactas, nunca redondeadas” funciona mellor que “Sé preciso”.
• Mantén a lista curta e elimina as liñas cando deixen de ser útiles, xa que cada liña ocupa espazo na xanela de contexto.

2. Aplicacións conectadas

As aplicacións conectadas vinculan un produto de IA coas ferramentas que unha persoa xa usa, como o correo electrónico, un calendario ou unha unidade compartida. Unha vez conectada unha aplicación, a IA pode traballar coa información propia da persoa en lugar de só co que se pega no chat.

Paga a pena configurar as conexións cando unha tarefa depende de información que está nesas aplicacións, como preparar unha nota informativa para unha reunión a partir de fíos de correo electrónico ou resumir documentos dunha unidade compartida.

Como conectar aplicacións de forma segura

• Conecta só as aplicacións que necesita unha tarefa, xa que cada conexión engade unha nova posibilidade de erros.
• Escolle o acceso de só lectura cando estea dispoñible. Por exemplo, un axente que prepara notas informativas para reunións necesita ler o correo electrónico, non envialo.
• Configura as conexións por proxecto cando o produto o permita. En Perplexity, por exemplo, as persoas poden escoller que conectores usa cada proxecto.
• Lembra desconectar as aplicacións que xa non uses.

3. Configuración de aprobacións

A configuración de aprobacións determina que accións deben esperar a autorización dunha persoa antes de que a IA continúe. Algunhas aprobacións están integradas no produto, e algúns produtos permiten escoller que outras accións a requiren.

Como establecer regras de aprobación

• Esixe aprobación para as accións que non se poden desfacer, como enviar unha mensaxe, facer unha compra ou eliminar un ficheiro.
• Mantén curta a lista de aprobacións. Se un axente pide o visto e prace para cada pequeno paso, a xente comeza a aprobar sen ler.

4. Estándares e comprobacións

A maioría dos produtos de IA incorporan algúns estándares de serie. Perplexity, por exemplo, inclúe citas nas súas respostas para que se poida comprobar cada afirmación. Os estándares definidos polo usuario engaden o que un produto non pode saber por si só, como o formato de informe preferido dun equipo.

Como establecer estándares para o traballo da IA

• Proporciona un modelo para o traballo recorrente, de xeito que a IA teña unha estrutura fixa que completar.
• Comparte un exemplo de traballo anterior que lle gustase ao equipo, para que a IA poida axustarse ao seu ton e nivel de detalle.
• Pide unha ligazón á fonte xunto a cada cifra.
• Revisa con atención os primeiros resultados e converte calquera carencia que se repita nunha nova instrución permanente.

Como aborda Perplexity os harness de axentes

Perplexity Computer funciona sobre un harness independente do modelo, que reúne máis de 20 modelos avanzados nun só sistema. Divide cada tarefa en subtarefas, encárgallas a subaxentes (axentes separados que se ocupan cada un dunha parte) e dirixe cada parte do traballo a un modelo axeitado para ela.

Descubre como configurar instrucións, ficheiros e conectores na guía de proxectos de Perplexity.

Preguntas frecuentes

Que é un enxeñeiro de harness?

Un enxeñeiro de harness deseña e mantén o sistema que permite que un modelo de IA faga un traballo fiable. Iso pode supor engadir unha nova ferramenta para que a use o axente, descubrir por que un axente segue cometendo o mesmo erro ou reforzar as comprobacións que realiza antes de rematar unha tarefa. Non é un cargo estándar, aínda que iso podería cambiar. Adoitan facer este traballo enxeñeiros de software de empresas de IA ou de equipos que crean axentes. No sector manufactureiro, o mesmo título en inglés (harness engineer) refírese a quen deseña feixes de cables (wire harnesses), os cables agrupados que hai dentro de coches e máquinas.

Que é un harness de axente?

Un harness de axente adoita referirse a todo o que hai nun axente de IA agás o propio modelo. Iso inclúe o código que executa o bucle do axente, xestiona o contexto, realiza as chamadas a ferramentas, almacena a memoria, aplica os permisos e comproba o traballo do axente antes de que chegue a unha persoa.

Todas as ferramentas de IA teñen un harness?

Si. Mesmo un asistente de chat básico depende dun harness para levar o rexistro da conversa, xa que o modelo non lembra por si só as mensaxes anteriores.

Os desenvolvedores tamén poden usar un modelo enviándolle solicitudes desde o seu propio software a través dunha API (unha conexión que permite que un programa envíe solicitudes a outro). Nese caso, o propio código do desenvolvedor fai o traballo do harness.

Farán os modelos mellores que os harness deixen de ser necesarios?

Os modelos mellores poden necesitar menos orientación paso a paso, polo que parte do que fan hoxe os harness podería reducirse. Pero un modelo por si só unicamente converte texto en texto. Non ten conexión a internet nin acceso a outras aplicacións. Acceder a ficheiros, realizar accións e aplicar as regras de aprobación son cousas que suceden no software que rodea o modelo, así que é probable que ese traballo siga correspondendo ao harness por moi capaces que cheguen a ser os modelos.