harness-engineering
Faz seu agente aprender com erros de codificação anteriores. Ele cria instruções duradouras e testes para evitar que os mesmos erros se repitam.
O que ela faz
Esta ferramenta ajuda a tornar projetos de programação mais confiáveis para assistentes de IA. Ela transforma erros repetidos em regras e verificações que evitam que os mesmos problemas aconteçam de novo.
Quando usar
- ✓Quando você quer que um assistente de IA cometa menos erros em um projeto.
- ✓Para criar regras claras que os assistentes de IA devem seguir em um projeto.
- ✓Para registrar erros que já aconteceram e garantir que não se repitam.
Exemplo do que pedir para a IA
“Faça este projeto mais confiável para assistentes de código, evitando erros que já aconteceram.”
Quer saber mais? Abra as seções abaixo.
Como usar
O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.
Link da skill
Mensagem pronta para colar
Como funciona
A ferramenta analisa o projeto para entender como ele funciona e quais erros ocorreram. Em seguida, ela cria instruções e verificações específicas para o projeto, que ajudam a IA a evitar esses erros no futuro.
Instalação
Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.
No terminal (Claude Code, Codex, Cursor), na pasta do projeto:
npx skills add github/awesome-copilot --skill harness-engineeringOu baixe só o arquivo:
curl -L https://raw.githubusercontent.com/github/awesome-copilot/main/skills/harness-engineering/SKILL.md -o SKILL.mdConteúdo técnico (SKILL.md)
Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.
Engenharia de Harness
A engenharia de harness transforma erros repetidos de agentes de codificação em artefatos de repositório duráveis:
Harness = Instructions + Constraints + Feedback + Memory + Evaluation + Governance
Use esta habilidade quando o usuário pedir para:
- tornar um repositório mais confiável para o GitHub Copilot ou outros agentes de codificação
- adicionar instruções de agente duráveis, regras de repositório ou guardrails
- prevenir erros repetidos de agentes de codificação por IA
- registrar caminhos de falha conhecidos e as verificações que impedem a recorrência
- adicionar verificações leves de desvio para regras de projeto
- revisar, atualizar ou modernizar um harness de agente existente
Não use esta habilidade para implementação de recursos comuns, a menos que o usuário peça para melhorar o ambiente operacional do agente do repositório.
Princípios Fundamentais
- Trate o repositório de destino como a fonte da verdade.
- Inspecione antes de editar. Preserve a pilha existente, o gerenciador de pacotes, o CI, a documentação, a nomenclatura e a arquitetura.
- Adicione o menor harness útil. Prefira atualizar arquivos existentes em vez de adicionar orientação duplicada.
- Torne as regras importantes aplicáveis, sempre que prático, por meio de testes, linters, verificações de tipo, CI, ganchos de pré-commit ou scripts de desvio.
- Use pontos de revisão manual apenas quando a automação for frágil ou enganosa.
- Registre falhas de alto risco que não devem ocorrer novamente e nomeie a verificação ou o ponto de revisão que detecta a recorrência.
- Não copie modelos genéricos cegamente. Adapte cada artefato a evidências reais no repositório de destino.
Descoberta
Antes de propor ou fazer alterações no harness, inspecione o repositório em busca de regras e evidências existentes.
Leia estes arquivos e pastas, quando existirem:
README.mdAGENTS.md.github/copilot-instructions.md.github/instructions/.github/workflows/CONTRIBUTING.md- manifestos de pacotes como
package.json,pyproject.toml,go.mod,Cargo.toml,pom.xmloubuild.gradle - documentação existente em
docs/ - scripts existentes em
scripts/ - testes existentes e verificações de CI
Em seguida, resuma:
- pilha, gerenciador de pacotes e pontos de entrada
- comandos de desenvolvimento e verificação existentes
- instruções de agente atuais ou convenções de repositório
- falhas conhecidas, incidentes, caminhos instáveis ou comentários de revisão repetidos
- lacunas onde as regras do projeto não são aplicadas
Fluxo de Trabalho de Adoção
Siga esta sequência:
- Escolha a superfície de harness que se adapta ao repositório de destino.
- Escreva instruções de agente específicas para o destino.
- Adicione verificações aplicáveis para regras de alto valor.
- Registre a memória de falha para falhas de alto risco ou recorrentes.
- Adicione verificações de desvio para orientações que podem ficar desatualizadas silenciosamente.
- Relate a adoção com evidências, suposições e acompanhamento.
1. Escolha a Superfície de Harness
Escolha apenas as superfícies que se adaptam ao repositório de destino:
| Necessidade | Artefato Preferido |
|---|---|
| Comportamento do agente sempre ativo | AGENTS.md ou .github/copilot-instructions.md |
| Orientação por escopo de arquivo | .github/instructions/*.instructions.md |
| Verificações de projeto recorrentes | scripts/check_*.py, scripts shell ou scripts de pacote |
| Aplicação de CI | arquivos de fluxo de trabalho existentes ou um novo fluxo de trabalho pequeno |
| Falhas conhecidas | docs/failures/*.md |
| Decisões de arquitetura ou processo | docs/decisions/*.md |
| Evidências de adoção | docs/harness/adoption-report.md ou similar |
Se o repositório já tiver um local equivalente, atualize-o em vez de criar um sistema paralelo.
2. Escreva Instruções de Agente
As instruções do agente devem ser concretas e operacionais. Inclua:
- propósito do projeto e principais limites de propriedade
- comandos de configuração, teste, lint, build e verificação
- gerenciador de pacotes e regras de dependência
- regras de edição segura, regras de arquivo gerado e caminhos proibidos
- expectativas de teste para código alterado
- convenções de PR e commit, se o repositório as tiver
- como registrar novas falhas ou decisões
Evite orientações de personalidade amplas, melhores práticas genéricas e regras que não podem ser verificadas ou revisadas.
3. Adicione Verificações Aplicáveis
Converta regras de alto valor em verificações. Boas verificações de harness são:
- estreitas o suficiente para evitar falsos positivos
- rápidas o suficiente para serem executadas localmente e em CI
- nomeadas claramente para que os agentes possam executá-las antes de terminar
- documentadas com a regra que protegem
Exemplos:
Regra: Não edite clientes de API gerados.
Verificação: script escaneia diffs para caminhos gerados e falha com uma mensagem clara.
Regra: Cada nota de memória de falha nomeia uma verificação de regressão.
Verificação: script valida docs/failures/*.md para uma seção "Detecção".
Regra: Documentação de perfil e modelos devem permanecer alinhados.
…
Perguntas frequentes
O que são 'artefatos de repositório'?
São arquivos e configurações dentro do seu projeto (como arquivos de instruções, testes ou scripts) que ajudam a guiar e verificar o comportamento dos assistentes de IA.
Como a ferramenta evita erros repetidos?
Ela transforma os erros em 'memória de falha' e cria verificações (como testes ou scripts) que detectam e impedem que esses erros ocorram novamente.
Preciso saber programar para usar isso?
Não, você não precisa ser um programador experiente. A ferramenta é projetada para ser usada mesmo que você não entenda os detalhes técnicos do código.
Detalhes
Descrição original do autor
Adopt repository-level harness engineering for coding agents. Use when a user wants to prevent repeated AI coding-agent mistakes by turning failures into durable instructions, drift checks, regression tests, failure memory, and adoption reports tailored to the target repository.
repo: github/awesome-copilot
Popularidade
- Estrelas no GitHub
- 40 mil
- Posição no ranking
- #5188
- Licença
- MIT
- Atualizada em
- 15/10/2026
Comentários
- …
Mais skills deste repositório
acquire-codebase-knowledge
Ajuda seu agente a entender e documentar um projeto de código existente. É útil para novas pessoas entrarem no projeto ou para ter uma visão geral da arquitetura.
github/awesome-copilot
acreadiness-assess
Faz seu agente avaliar a prontidão de um projeto para IA e gerar um relatório. É útil para entender o quão bem um projeto está preparado para usar ferramentas de IA.
github/awesome-copilot
acreadiness-generate-instructions
Ajuda seu agente a criar instruções para ferramentas de IA baseadas em uma avaliação. É útil para melhorar a forma como a IA interage com o código e fecha lacunas identificadas.
github/awesome-copilot
acreadiness-policy
Faz seu agente ajudar a definir ou aplicar políticas para avaliação de projetos de IA. É útil para padronizar a forma como os projetos são avaliados e garantir conformidade.
github/awesome-copilot
Skills parecidas
benchmark-optimization-loop
Faz seu agente melhorar a velocidade de algo de forma medida. Ele testa várias versões e escolhe a mais rápida que ainda funciona corretamente.
affaan-m/ECC
change-impact
Ajuda seu agente a analisar o impacto de mudanças no código antes de fazê-las. Ele compara o planejado com o real depois, cobrindo caminhos, dados, testes e documentação. É útil para mudanças arriscadas ou que afetam várias partes do sistema.
affaan-m/ECC
click-path-audit
Faz seu agente rastrear todos os botões e interações do usuário para achar bugs. Ele encontra problemas onde funções parecem funcionar sozinhas, mas falham juntas. Útil quando bugs persistem mesmo após depuração.
affaan-m/ECC