Agentes autoevolutivos já alteram prompts, memória, ferramentas e workflows sem trocar o modelo. O desafio passa a ser controlar o que pode persistir.
O harness do agente - prompts, memória, workflows, ferramentas e trechos de código de controle deixou de ser só configuração inicial. Papers recentes tratam esse andamento como alvo de evolução: o modelo permanece fixo; o que muda, e persiste entre execuções, é o andaime de software que define o que o agente vê, chama e decide.
Self-Evolving Agent Harness (arXiv:2610.18813, 13/10) formaliza um processo guiado por feedback em que revisões aceitas permanecem. Distingue mudança de estado interpretado (prompt, memória) de revisão de ferramentas, lógica de repositório e composição de plugins. Propõe mecanismos de admissão com validação independente e discute limites de generalização quando a distribuição de tarefas e os avaliadores também mudam. Harness² (arXiv:2610.14224, 09/10) leva a ideia a um segundo nível: recursão na tarefa atual (editar o harness da execução em curso) e recursão no harness de melhoria contínua, extraindo experiência das edições para as próximas. Em benchmarks profissionais, um passo já elevou desempenho de configs com GLM-5 e Gemini 3.5 Flash em relação ao harness base.
O ponto prático para quem opera agentes em produção não é se a autoevolução "funciona". É quem decide o que pode persistir. Uma lição de uma corrida bem-sucedida pode virar regra permanente inclusive a regra que julga a próxima mudança. Se a proposta de alteração e o critério de aceite residem no mesmo loop, o sistema passa a governar a si mesmo sem trilha clara de aprovação humana. Validação contínua, orçamento de regressão e separação entre o que o agente pode propor e o que pode gravar no harness compartilhado deixam de ser detalhe de pesquisa e viram requisito de engenharia.
Na prática: inventariar o que o harness pode reescrever; exigir evidência e validação fresca antes de promover mudança persistente; manter rollback e identidade de versão do que o agente herda na próxima execução. Quem não define isso está deixando o agente alterar as regras do jogo sem assinatura de quem responde pelo resultado.
Leia o artigo mais aprofundado clicando abaixo.
Autor da série de livros "Engenharia de Software Assistida por IA" (disponível na Amazon). Aprofunde-se no tema de forma estruturada do contexto à governança de agentes pode consultar a série "Engenharia de Software Assistida por IA" clicando na imagem abaixo:
- Cupom de 30% OFF:
LEIA30. - Disponível também no Kindle Unlimited.
Referências
- Wei et al., 13 out 2026 - Self-Evolving Agent Harness (arXiv:2610.18813)
- Xu et al. (Google Cloud AI Research et al.), 9 out 2026 Harness2: Recursive Agent Harnessing for an Open World (arXiv:2610.14224)
Tags
#EngenhariaDeSoftware #IA #InteligenciaArtificial #SoftwareEngineering #AI #Agentes #Harness #Governanca #EngenhariaDeSoftwareAssistidaPorIA
Top comments (0)