O que é um Harness de IA
O harness é o sistema em volta do modelo: contexto persistente, memória e regras explícitas. Claude Code, Cursor, Windsurf e OpenCode são harnesses; Claude, GPT e Gemini são modelos.
Felipe Luis Salgueiro / Como montar seu próprio Harness de IA
Como montar seu próprio Harness de IA com Claude Code
Aula 01 da série Desenvolvendo com IA. Um harness transforma um modelo em um sistema com contexto, memória, regras e execução repetível.
Aula 01 · 04 de junho de 2026 · 120 min · ~150 profissionais ao vivo · NoCode Startup
Uma introdução ao harness como sistema em volta do modelo: contexto, memória, regras e execução repetível.
Por que este tema agora
- A fase de ‘usar IA no trabalho’ já virou commodity; construir com APIs, no-code e automações pontuais é a etapa seguinte.
- A proposta desta aula é a terceira etapa: operar IA com contexto, memória e especialização — em vez de depender de prompt solto.
Formato
Aula mensal ao vivo na NoCode Startup. A gravação é exclusiva dos alunos; esta página registra em texto os conceitos e materiais públicos para consulta.
Conhecer a NoCode StartupO que o aluno aprende
- Como Claude Code difere de chat e IDE com IA.
- Harness e suas três camadas fundamentais.
- CLAUDE.md, squads, orquestradores, workers, hooks, subagentes e MCP.
- Prompts dentro de um sistema de agentes, multi-model e permissões.
O que passa a saber fazer
- Instalar e configurar Claude Code no próprio ambiente.
- Criar um CLAUDE.md estruturado, um squad simples e uma skill invocável.
- Reconhecer a arquitetura de outros harnesses e sair com um esqueleto expansível.
Conceitos abordados em detalhe
As três camadas de um Harness
Contexto define identidade e limites; memória registra decisões e progresso; execução transforma conhecimento em skills e workers repetíveis.
CLAUDE.md — o manual do agente
O arquivo concentra identidade, escopo, convenções, limites e operações que exigem confirmação. Sua leitura em cascata permite regras globais, de projeto e de área.
Squads — agentes especializados
Squads têm escopo, contexto, memória e skills próprios por área. A especialização reduz contexto irrelevante e torna a execução mais previsível.
Orquestradores e Workers
O orquestrador decide e delega; workers executam tarefas específicas e reportam. A separação evita carregar o sistema inteiro em cada tarefa.
Hooks — automação declarativa
Hooks rodam automaticamente em pontos definidos do fluxo. Quando a regra é ‘sempre que X acontecer, faça Y’, ela precisa ser executável pelo harness, não apenas lembrada.
Skills — comportamentos encapsulados
Uma skill documenta um comportamento reutilizável com objetivo, passos, entradas, saídas e guardrails. Skills pequenas e versionadas preservam previsibilidade.
MCP — Model Context Protocol
MCP conecta ferramentas externas por um protocolo aberto. A aula trata também da higiene de contexto: manter apenas integrações necessárias a cada tarefa.
Multi-model — a IA certa para cada tarefa
Modelos têm forças distintas. A escolha deve seguir tarefa e critério, permitindo trocar modelos sem reescrever o sistema.
Permissões — o que o agente pode e não pode fazer
Capacidades automáticas, ações que exigem confirmação e ações banidas precisam ser explícitas. Operações destrutivas e produção exigem aprovação humana.
Estrutura da aula
- Abertura: destino antes do caminho.
- Por baixo do capô: arquitetura de um harness real.
- Construção ao vivo: primeiro contexto, squad e skill.
- Perguntas e próximos caminhos.