L’harness engineering è la progettazione del software e dell’ambiente che permettono a un modello AI di agire: strumenti, gestione del contesto, stato, verifiche e controlli. Non è un trucco di prompt. Le fonti di Anthropic e OpenAI mostrano come l’attenzione si sia estesa dagli strumenti disponibili al modello alla continuità tra sessioni, alla valutazione e alla struttura dei progetti in cui gli agenti lavorano.
Che cos’è un harness e perché conta
Un modello genera risposte; un agente deve anche poter eseguire azioni e capire se hanno prodotto il risultato atteso. L’harness è il sistema che rende possibile questo ciclo: circonda il modello con strumenti, contesto, stato e guardrail, e coordina le sue interazioni con l’ambiente.
As an Amazon Associate I earn from qualifying purchases.
OpenAI distingue tre componenti nell’architettura di un agente: l’harness, che gestisce il ciclo del modello e degli strumenti; l’ambiente, dove si eseguono comandi o si gestiscono file; e il server applicativo, che invia i compiti e riceve eventi o risultati. La distinzione è utile perché un agente non coincide con il modello, né con il solo set di strumenti.
Windows Errors? Fix Them Before They Spread
Repair common Windows errors and clear accumulated junk for a smoother, more stable PC - no reinstall needed.Free scan · no reinstallCrashes, No Sound, or Screen Glitches?
Random freezes, missing sound and display glitches usually trace back to one bad driver. Find and replace yours safely.Free scan · under a minuteLe due prospettive si completano. Anthropic si concentra sullo scaffolding intorno al modello e invita a rivalutare le assunzioni incorporate quando il modello migliora. Nell’esperimento Codex di OpenAI, invece, il repository e il processo di sviluppo sono parte del sistema: devono rendere il compito leggibile, verificabile e correggibile dall’agente.
#1 Best Overall
Come si è ampliato il lavoro sull’harness
Partire da strumenti che il modello sa già usare
Un approccio consiste nel partire da strumenti generali e familiari, come una shell e un editor, e aggiungere astrazioni solo quando servono. La guida Anthropic cita skills, chiamate programmatiche agli strumenti e memoria come modi per comporre primitive di base. Non significa che meno strumenti sia sempre meglio: significa verificare che ogni strato aggiunto risolva un problema concreto.
Come esempio circoscritto, Anthropic riferisce che Claude 3.5 Sonnet raggiunse il 49% su SWE-bench Verified alla fine del 2024 usando uno strumento bash e un editor di testo. È un risultato storico per quello specifico benchmark e periodo, non una misura generale del valore di un harness o delle prestazioni attuali.
Preparare il lavoro che continua oltre una sessione
Per un compito lungo, un agente che rientra senza uno stato affidabile può cercare di fare troppo in una volta o scambiare un’implementazione incompleta per un lavoro finito. Nel novembre 2025 Anthropic ha descritto un flusso in cui un agente inizializzatore prepara script, log di avanzamento e un commit iniziale; sessioni successive implementano funzionalità per incrementi e lasciano aggiornamenti strutturati.
La preparazione dell’ambiente fa parte del metodo: organizzare il progetto, rendere disponibili strumenti e script ripetibili e scrivere istruzioni verificabili prima di chiedere un risultato ampio. Al termine di ogni sessione, registrare ciò che è stato completato, ciò che resta da fare e i prossimi passi offre al lavoro successivo uno stato più utile di una conversazione lasciata senza un handoff esplicito.
Scegliere tra compaction e reset
Nel marzo 2026 Anthropic ha descritto due modi distinti per gestire la continuità. La compaction riassume la cronologia all’interno della stessa sessione; il reset avvia un agente con contesto pulito e trasferisce lo stato tramite un artefatto di handoff.
| Approccio | Che cosa fa | Trade-off descritto |
|---|---|---|
| Compaction | Riassume la cronologia e prosegue nella stessa sessione. | Non garantisce che il riassunto conservi uno stato di lavoro chiaro; un agente può lasciare lavoro incompleto o concludere prematuramente che il compito sia finito. |
| Reset con handoff | Avvia una nuova sessione e trasferisce lo stato con un artefatto esplicito. | Può ridurre incoerenze e quella che Anthropic chiama “context anxiety”, ma aumenta la complessità di orchestrazione, i token e la latenza. |
La scelta dipende dal compito e da quanto sia importante ripartire con un contesto pulito. Non c’è un benchmark universale che stabilisca quale metodo sia migliore in ogni situazione.
Trattare il progetto come parte dell’ambiente
Nell’esperimento Codex raccontato da OpenAI nel 2026, l’agente lavora in un repository organizzato, con documentazione indicizzata, regole architetturali, strumenti di test, osservabilità e controlli di qualità ricorrenti. Quando emerge un fallimento, il team cerca la capacità, lo strumento o la regola mancanti e mira a rendere la correzione leggibile e verificabile.
The Tool Desk
Outbyte Driver Updater FREEFix the driver behind crashes, sound loss and screen glitchesFind Drivers →Outbyte PC Repair FREERepair Windows errors before they cause bigger problemsFix Now →È un modello di lavoro legato a un ambiente preparato, non una garanzia che un agente raggiunga lo stesso livello di autonomia in un repository qualsiasi. OpenAI avverte che l’autonomia osservata dipendeva in larga misura dalla struttura e dagli strumenti specifici del progetto. Anche la scelta di usare meno gate bloccanti, descritta nell’esperimento, rispondeva a quel contesto produttivo e non è una regola universale per progetti con rischi o costi di errore diversi.
Costruire un prodotto che gestisce le azioni dell’agente
In un’applicazione reale, l’harness deve occuparsi anche del ciclo di vita e della persistenza delle conversazioni, dell’autenticazione, della sandbox, delle integrazioni, degli eventi e delle richieste di approvazione. L’articolo di OpenAI sull’App Server Codex sottolinea un aspetto pratico: un singolo prompt dell’utente può generare molte azioni intermedie, che il client deve rappresentare fedelmente.
Rank #4
Per questo la scelta dell’ambiente dipende dal compito. Per alcune attività possono bastare strumenti remoti; per lavorare su file o fare calcoli serve un runtime; l’accesso a una rete privata o a software personalizzato può richiedere un ambiente gestito dall’applicazione. Un ambiente gestito può integrare risorse specifiche del prodotto, mentre un ambiente più autonomo lascia maggiori responsabilità operative a chi lo configura.
Come valutare un agente, oltre la risposta finale
La guida Anthropic sulle eval definisce l’harness dell’agente come il sistema che elabora gli input, orchestra le chiamate agli strumenti e restituisce i risultati. Di conseguenza, una valutazione misura il modello insieme all’harness: non basta giudicare il testo prodotto. Bisogna controllare anche la traccia delle azioni e lo stato finale dell’ambiente.
Quick wins for a faster PC:
Fix the driver behind crashes, sound loss and screen glitchesFind Drivers →Clear out junk files and repair common Windows errorsFree Scan →- Compito: definire quale risultato concreto deve ottenere l’agente.
- Trial: registrare ogni esecuzione, così da poter confrontare tentativi distinti.
- Grader: usare verifiche adeguate al compito, automatiche, umane o combinate.
- Transcript: conservare le interazioni e le azioni che spiegano come si è arrivati al risultato.
- Outcome: verificare lo stato effettivo dell’ambiente; una frase che dichiara il successo non dimostra che il risultato esista.
Le verifiche automatiche sono utili quando l’esito è osservabile, ma vanno calibrate sul compito. Per giudizi soggettivi, come la qualità del design, l’agente può sopravvalutare il proprio lavoro e un evaluator automatico può non riflettere bene i criteri umani. Prithvi Rajasekaran, del team Labs di Anthropic, osserva che l’evaluator non è una decisione fissa, valida una volta per tutte: va scelto in base a ciò che si sta valutando.
Best Value
Come scegliere strumenti, memoria e controlli
Non esiste una configurazione universale. La selezione dovrebbe partire dal lavoro da svolgere, dalle capacità del modello, dal rischio di errore e dai costi di esecuzione e manutenzione.
| Scelta | Quando orientarsi in quella direzione | Che cosa considerare |
|---|---|---|
| Strumenti generali | Quando il modello sa già usarli e il compito non richiede un controllo più specifico. | Possono evitare astrazioni da mantenere; verificare comunque che siano sufficienti per il compito. |
| Orchestrazione personalizzata | Quando servono capacità, controlli o passaggi non coperti dagli strumenti di base. | Offre un flusso più mirato, ma introduce complessità e oneri di manutenzione. |
| Ambiente gestito dall’applicazione | Quando occorrono integrazioni del prodotto, accesso controllato a file o rete privata, oppure software personalizzato. | Può adattarsi meglio a requisiti specifici; richiede di gestire anche sandbox, persistenza e operatività. |
| Ambiente più autonomo | Quando strumenti remoti o un runtime disponibile sono sufficienti. | Può ridurre il lavoro di integrazione, ma la scelta deve tenere conto di quali risorse siano davvero accessibili. |
| Valutazione automatica | Quando il risultato è verificabile con criteri osservabili. | Controllare che grader e metriche misurino l’esito reale, non soltanto la risposta dichiarata. |
| Revisione umana | Quando il giudizio dipende da qualità o preferenze difficili da codificare. | È adatta agli aspetti soggettivi, ma richiede tempo e criteri di valutazione espliciti. |
Rivalutare periodicamente le assunzioni evita di conservare componenti diventati superflui: una soluzione che aiuta un modello su un compito difficile può aggiungere costi inutili se cambiano il modello o il compito.
Che cosa dimostrano i risultati pubblicati
Le cifre divulgate dalle aziende aiutano a capire che cosa hanno osservato in esperimenti specifici, ma non provano che lo stesso risultato si ripeta altrove.
Free tools Windows power users keep installed
One-click scans. No signup required.
- OpenAI ha stimato che il lavoro dell’esperimento Codex richiedesse circa un decimo del tempo rispetto alla scrittura manuale: è la stima dell’autore dell’esperimento interno, non un confronto indipendente.
- OpenAI ha riportato circa un milione di righe e circa 1.500 pull request unite in cinque mesi per il repository e l’esperimento descritti.
- Lo stesso articolo ha indicato una media di 3,5 pull request per ingegnere al giorno, con tre ingegneri alla guida di Codex; ha poi riferito che il team è cresciuto a sette persone e che la produttività è aumentata.
- Anthropic ha riferito una durata di 3 ore e 50 minuti e un costo token di 124,70 dollari per uno specifico esperimento del 2026 che generava una DAW nel browser. Non è un costo tipico dello sviluppo agentico.
Questi esempi descrivono condizioni e sistemi particolari. Per valutare un harness in un altro progetto servono verifiche sul proprio ambiente, sui propri compiti e sui propri criteri di successo.
Quick Recap
Product prices and availability are accurate as of the date/time indicated and are subject to change. Any price and availability information displayed on Amazon at the time of purchase will apply.
