E se o modelo aprendesse o harness que vai usar?

Na passagem do modelo para as ferramentas, saber programar ainda pode render chamadas gastas para entender o ambiente. O artigo do Harness Hub, publicado em 6 de novembro de 2026, coloca essa passagem dentro do treinamento: adaptar o modelo ao harness que receberá suas ações.

A proposta usa adapters LoRA específicos para combinações de modelo e ambiente, treinados com reforço em tarefas verificáveis dentro de harnesses como pi, opencode e Hermes. Em vez de modificar toda a aplicação para acomodar um comportamento genérico, o treinamento busca ensinar o uso daquele conjunto de ferramentas e convenções.

Os autores relatam avaliações com tarefas reservadas e redução de chamadas em condições examinadas. Esses resultados são evidência do experimento apresentado, não garantia de eficiência em qualquer repositório. A própria discussão sobre exploração da recompensa lembra que acertar a medida e realizar o trabalho pretendido podem divergir.

Eu avaliaria base, adapter e harness como uma combinação operacional. Mudou a ferramenta ou a instrução, muda o encaixe a conferir. A redução de chamadas só interessa junto da qualidade da tarefa. Fica a escolha de manter essa combinação treinada alinhada ao fluxo ou acomodar a diferença em outra parte do agente.