Harness Engineering: Budowanie systemów wokół agentów AI (2026)

TL;DR

Czym jest Harness Engineering?

Harness engineering to dyscyplina budowania systemów, narzędzi, ograniczeń i pętli zwrotnych wokół agentów AI do kodowania, aby uczynić ich niezawodnymi i produktywnymi.

Termin ten został ukuty przez Mitchella Hashimoto (współzałożyciela HashiCorp) i zyskał powszechną uwagę, gdy OpenAI opublikowało swój artykuł o Codex na ten temat na początku 2026 roku.

Główna idea jest prosta:

Agent = Model + Harness

Model dostarcza inteligencję. Harness sprawia, że ta inteligencja staje się użyteczna. Lepszy harness często ma większe znaczenie niż lepszy model.

Dlaczego to ma teraz znaczenie

W 2025 roku każdy zespół wdrożył agentów AI do kodowania. W 2026 roku wygrywają te zespoły, które zaprojektowały środowiska dla swoich agentów (engineered their agent environments) — a nie tylko wybrały najlepszy model.

Zasada przewodnia Mitchella Hashimoto:

„Za każdym razem, gdy zauważysz, że agent popełnia błąd, poświęć czas na zaprojektowanie rozwiązania, dzięki któremu agent nigdy więcej tego błędu nie powtórzy”.

To nie jest prompt engineering. To inżynieria systemowa dla AI.

Dowody: Harness > Model

LangChain przeprowadził kontrolowany eksperyment na Terminal Bench 2.0. Bez zmiany bazowego modelu poprawili dokładność swojego agenta kodującego z 52.8% do 66.5% — co stanowi poprawę o 26% — wyłącznie poprzez ulepszenie harnessu.

Zmiany obejmowały:

• Lepsze pliki kontekstowe (AGENTS.md)


• Strukturyzowane ograniczenia wyjściowe (output constraints)


• Pętle samoweryfikacji


• Optymalizację narzędzi

7 komponentów Harnessu

1. Inżynieria kontekstu (Context Engineering)

Inżynieria kontekstu to fundament. To tutaj dajesz agentowi mapę swojej bazy kodu, swoje konwencje i ograniczenia.

• Pliki CLAUDE.md / AGENTS.md w głównym katalogu repozytorium
• Mapy katalogów i przeglądy architektury
• Zasady stylu kodowania i konwencje nazewnictwa

# CLAUDE.md example
## Architecture
- src/app/ — Next.js app router pages
- src/lib/ — shared utilities and API clients
- src/components/ — React components (co-located styles)

## Rules
- Use server components by default
- Never import from node_modules directly in components
- All API calls go through src/lib/api.ts

2. Ograniczenia architektoniczne

Zamiast mieć nadzieję, że agent wybierze właściwą architekturę, wymuś ją.

• Sztywne architektury warstwowe walidowane przez lintery
• Testy strukturalne, które kończą się niepowodzeniem, jeśli wzorce zostaną naruszone
• Restrykcje importu poprzez reguły ESLint lub niestandardowe skrypty

3. Narzędzia i serwery MCP

Agenci potrzebują narzędzi, aby być skutecznymi. Najlepsze harnessy udostępniają wewnętrzne instrumentarium poprzez:

• Wrappery CLI — preferuj znane CLI (git, docker, npm) nad niestandardowymi narzędziami
• Serwery MCP (Model Context Protocol) — pozwól agentom wywoływać Twoje wewnętrzne API, bazy danych i usługi
• Dostęp do systemu plików — ograniczony do konkretnych katalogów, aby zapobiec przypadkowym uszkodzeniom

4. Sub-agenci i zapory kontekstowe (Context Firewalls)

Długotrwałe sesje agentów gromadzą kontekst, który ostatecznie pogarsza wydajność — nazywa się to degradacją kontekstu (context rot).

Rozwiązanie: sub-agenci z zaporami kontekstowymi.

• Rozbijaj złożone zadania na mniejsze, oddzielne podzadania
• Każde podzadanie działa we własnej sesji ze świeżym kontekstem
• Przekazuj między agentami tylko ustrukturyzowane wyniki, a nie surową rozmowę

1. Initializer Agent — planuje pracę, tworzy listę funkcji
2. Coding Agent — wykonuje każdą funkcję w izolacji

5. Hooki i Back-Pressure

Zautomatyzowane pętle zwrotne, które wychwytują błędy, zanim te się nawarstwią:

• Pre-commit hooks — sprawdzanie typów, linting, formatowanie
• Test runners — agenci powinni uruchamiać testy po każdej zmianie
• Weryfikacja builda — szybkie przerywanie pracy przy uszkodzonych buildach

6. Pętle samoweryfikacji

Zmuś agentów do weryfikacji własnej pracy przed oznaczeniem zadania jako zakończone:

• Uruchom zestaw testów po zmianach
• Sprawdź, czy build przechodzi pomyślnie
• Zweryfikuj, czy wynik jest zgodny ze specyfikacją
• Zrób zrzut ekranu i porównaj (w przypadku prac nad UI)

7. Dokumentacja postępów

W przypadku długotrwałych zadań (ponad 30 minut):

• Utrzymuj plik postępu, który śledzi ukończone kroki
• Często commituj pracę, aby kolejne sesje mogły być kontynuowane
• Używaj ustrukturyzowanych list zadań, a nie luźnych notatek

Wyniki z prawdziwego świata

Zespół OpenAI Codex

3 inżynierów stworzyło milion linii kodu bez ani jednej linii napisanej ręcznie w ciągu 5 miesięcy. Osiągali średnio 3,5 zmergowanych PR na inżyniera dziennie — przepustowość niemożliwa do osiągnięcia bez dojrzałego harnessu.

Ich harness obejmował: rygorystyczne konwencje commitów, automatyczne testy przy każdym PR oraz potoki CI/CD świadome obecności agentów.

"Minionki" w Stripe

Wewnętrzny system Stripe produkuje ponad 1000 zmergowanych PR tygodniowo przy użyciu agentów AI. Ich harness zawiera:

• Ściśle określone definicje zadań
• Obowiązkowe code review wykonywane przez ludzi
• Automatyczne testy regresyjne
• Automatyzację rollbacków

Architektura dwóch agentów Anthropic

Anthropic opublikował swoje podejście do efektywnych harnessów dla długo działających agentów:

• Ustrukturyzowane listy funkcji jako format przekazywania zadań między agentami
• Śledzenie postępów oparte na Git, dzięki czemu agenci mogą wznowić pracę po przerwie
• Jasne kryteria wyjścia, aby agenci wiedzieli, kiedy przestać

Jak zacząć budować swój Harness

Krok 1: Utwórz plik kontekstowy

Dodaj CLAUDE.md (lub AGENTS.md) do głównego katalogu swojego projektu:

# Project: [Your Project]

## Stack
[Framework, language, database, hosting]

## Architecture
[Directory structure with one-line descriptions]

## Rules
[5-10 hard rules the agent must follow]

## Common Tasks
[How to run tests, build, deploy]

Krok 2: Dodaj ograniczenia strukturalne

# Example: ESLint rule preventing direct DB imports in components
# .eslintrc — no-restricted-imports rule

Skonfiguruj pre-commit hooki, które automatycznie wymuszają Twoje zasady.

Krok 3: Zbuduj pętle weryfikacji buildu

Upewnij się, że Twój agent może:

1. Uruchamiać testy (npm test, pytest, itp.)


2. Sprawdzać typy (tsc --noEmit, mypy)


3. Wykonywać linting (eslint ., ruff check)

Krok 4: Ogranicz zakres sesji agenta

Nie dawaj agentowi całego backlogu. Zamiast tego:

• Jedna funkcja (feature) na sesję
• Jedna poprawka błędu na sesję
• Jasne kryteria akceptacji dla każdego zadania

Krok 5: Iteruj nad harnessem

Za każdym razem, gdy agent popełni błąd:

1. Zidentyfikuj przyczynę źródłową
2. Dodaj regułę, ograniczenie lub hook, który temu zapobiegnie
3. Przetestuj poprawkę

Harness Engineering vs. Prompt Engineering

Prompt engineering jest nadal użyteczny, ale to tylko mała część obrazu. Harness engineering jest mnożnikiem siły.

Nowa rola: Inżynier Harnessu (Harness Engineer)

Inżynieria dzieli się na dwie połowy:

1. Budowanie środowiska — tworzenie struktury, narzędzi, ograniczeń i pętli zwrotnych
2. Zarządzanie pracą — planowanie, przeglądanie i orkiestracja równoległych sesji agentów

Nie mylić z: Harness.io

Jeśli szukałeś „Harness Engineering” w poszukiwaniu platformy DevOps — Harness.io to zupełnie inna rzecz. Jest to platforma CI/CD napędzana przez AI, wyceniana na 5,5 mld USD (stan na grudzień 2025), która oferuje ciągłą integrację, dostarczanie, feature flagi, zarządzanie kosztami chmury i testy bezpieczeństwa.

Chociaż Harness.io i harness engineering dzielą nazwę, rozwiązują inne problemy. Istnieje jednak interesujący punkt styku: DevOps napędzany przez AI od Harness.io jest prawdopodobnie zastosowaniem zasad harness engineering w potoku wdrażania.

Podsumowanie

Model to silnik. Harness to samochód. Nikt nie wygrywa wyścigu samym silnikiem.

Jeśli używasz agentów AI do kodowania w 2026 roku i nie inwestujesz w swój harness, tracisz większość wartości. Zacznij od pliku kontekstowego, dodaj ograniczenia, zbuduj pętle weryfikacyjne i iteruj za każdym razem, gdy coś pójdzie nie tak.

Zespoły, które dostarczają kod najszybciej, nie używają lepszych modeli. Używają lepszych harnessów.