Skill de Harness Estilo GAN

Inspirado em Design de Harness da Anthropic para Desenvolvimento de Aplicações de Longa Duração (24 de março de 2026)

Um harness multiagente que separa a geração da avaliação, criando um loop de feedback adversarial que impulsiona a qualidade muito além do que um único agente pode alcançar.

Ideia Central

Quando solicitados a avaliar seu próprio trabalho, os agentes são otimistas patológicos — eles elogiam resultados medíocres e se convencem a ignorar problemas legítimos. Mas criar um avaliador separado para ser implacavelmente rigoroso é muito mais tratável do que ensinar um gerador a se autocriticar.

Esta é a mesma dinâmica das GANs (Redes Adversariais Generativas): o Gerador produz, o Avaliador critica, e esse feedback impulsiona a próxima iteração.

Quando Usar

• Construir aplicações completas a partir de um prompt de uma linha
• Tarefas de design de frontend que exigem alta qualidade visual
• Projetos full-stack que precisam de funcionalidades funcionando, não apenas código
• Qualquer tarefa onde a estética de "lixo de IA" é inaceitável
• Projetos onde você quer investir $50-200 para obter resultados de qualidade de produção

Quando NÃO Usar

• Correções rápidas de arquivo único (use claude -p padrão)
• Tarefas com restrições orçamentárias apertadas (<$10)
• Refatoração simples (use o padrão de-desbagunçar em vez disso)
• Tarefas que já estão bem especificadas com testes (use o fluxo de trabalho TDD)

Arquitetura

                    ┌─────────────┐
                    │   PLANNER   │
                    │  (Sonnet)   │
                    └──────┬──────┘
                           │ Product Spec
                           │ (features, sprints, design direction)
                           ▼
              ┌────────────────────────┐
              │                        │
              │   GENERATOR-EVALUATOR  │
              │      FEEDBACK LOOP     │
              │                        │
              │  ┌──────────┐          │
              │  │GENERATOR │--build-->│──┐
              │  │ (Sonnet) │          │  │
              │  └────▲─────┘          │  │
              │       │                │  │ live app
              │    feedback             │  │
              │       │                │  │
              │  ┌────┴─────┐          │  │
              │  │EVALUATOR │<-test----│──┘
              │  │ (Sonnet) │          │
              │  │+Playwright│         │
              │  └──────────┘          │
              │                        │
              │   5-15 iterations      │
              └────────────────────────┘

Os Três Agentes

1. Agente Planejador

Papel: Gerente de produto — expande um prompt breve em uma especificação completa do produto.

Comportamentos chave:

• Recebe um prompt de uma linha e produz uma especificação de 16 funcionalidades, multi-sprint
• Define histórias de usuário, requisitos técnicos e direção de design visual
• É deliberadamente ambicioso — planejamento conservador leva a resultados decepcionantes
• Produz critérios de avaliação que o Avaliador usará mais tarde

Modelo: Sonnet por padrão; aumente via GAN_PLANNER_MODEL=opus para expansão de especificação mais profunda

2. Agente Gerador

Papel: Desenvolvedor — implementa funcionalidades de acordo com a especificação.

Comportamentos chave:

• Trabalha em sprints estruturados (ou modo contínuo com modelos mais novos)
• Negocia um "contrato de sprint" com o Avaliador antes de escrever código
• Usa ferramentas full-stack: React, FastAPI/Express, bancos de dados, CSS
• Gerencia git para controle de versão entre iterações
• Lê o feedback do Avaliador e o incorpora na próxima iteração

Modelo: Sonnet por padrão; aumente via GAN_GENERATOR_MODEL=opus para capacidade máxima de codificação

3. Agente Avaliador

Papel: Engenheiro de QA — testa a aplicação rodando ao vivo, não apenas o código.

Comportamentos chave:

• Usa Playwright MCP para interagir com a aplicação ao vivo
• Clica nas funcionalidades, preenche formulários, testa endpoints de API
• Pontua contra quatro critérios (configuráveis):
  1. Qualidade do Design — Parece um todo coeso?
  2. Originalidade — Decisões personalizadas vs. padrões de template/IA?
  3. Artesanato — Tipografia, espaçamento, animações, microinterações?
  4. Funcionalidade — Todas as funcionalidades realmente funcionam?
• Retorna feedback estruturado com pontuações e problemas específicos
• É projetado para ser implacavelmente rigoroso — nunca elogia trabalho medíocre

Modelo: Sonnet por padrão; aumente via GAN_EVALUATOR_MODEL=opus para julgamento mais forte + uso de ferramentas

Critérios de Avaliação

Os quatro critérios padrão, cada um pontuado de 1 a 10:

…